# Python 使用 OpenCV 入门指南 🖼️📸

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，广泛用于图像处理、视频分析、人脸识别等领域 🧠。它支持多种编程语言，其中对 Python 的接口最为友好且功能齐全 💡。

在这篇文章中，我们将介绍如何使用 Python 和 OpenCV 进行基本的图像处理操作，包括读取、显示、保存图像，以及常见的图像变换方法 ✅。

目录 📋

• 安装 OpenCV
• 读取与显示图像
• 图像基本操作
• 颜色空间转换
• 边缘检测与滤波
• 总结

安装 OpenCV 💾

你可以使用 pip 快速安装 OpenCV：

pip install opencv-python

如果你需要额外模块（如 SIFT、SURF 等高级算法），请安装完整版本：

pip install opencv-contrib-python

验证是否安装成功：

import cv2
print(cv2.__version__)

读取与显示图像 📷

OpenCV 支持多种图像格式，以下是最基础的图像读取与显示方式：

读取图像

import cv2

img = cv2.imread('example.jpg')  # 读取图像
cv2.imshow('Image', img)         # 显示图像窗口
cv2.waitKey(0)                   # 等待按键
cv2.destroyAllWindows()          # 关闭所有窗口

⚠️ 如果路径错误或文件不存在，不会报错，但返回 None。

保存图像

cv2.imwrite('output.jpg', img)

图像基本操作 🎨

获取图像属性

print('尺寸:', img.shape)       # 输出 (height, width, channels)
print('数据类型:', img.dtype)   # 输出 uint8 等
print('像素总数:', img.size)    # height * width * channels

裁剪图像

cropped_img = img[100:300, 200:400]  # 裁剪区域
cv2.imshow('Cropped', cropped_img)
cv2.waitKey(0)

绘制几何图形

OpenCV 支持在图像上绘制各种图形：

画线

cv2.line(img, (0, 0), (255, 255), (255, 0, 0), 5)

画圆

cv2.circle(img, (100, 100), 50, (0, 255, 0), 3)

画矩形

cv2.rectangle(img, (50, 50), (200, 200), (0, 0, 255), 2)

颜色空间转换 🌈

OpenCV 默认读取图像为 BGR 格式，常需转换为 RGB 或灰度图：

转换为灰度图

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray', gray)
cv2.waitKey(0)

转换为 HSV 颜色空间

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.imshow('HSV', hsv)
cv2.waitKey(0)

边缘检测与滤波 🔍

OpenCV 提供了丰富的图像处理工具，例如边缘检测和滤波器。

Canny 边缘检测

edges = cv2.Canny(gray, 100, 200)
cv2.imshow('Edges', edges)
cv2.waitKey(0)

高斯模糊

blurred = cv2.GaussianBlur(img, (5, 5), 0)
cv2.imshow('Blurred', blurred)
cv2.waitKey(0)

图像阈值化

_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('Threshold', thresh)
cv2.waitKey(0)

总结 ✅

OpenCV 是一个功能强大且易于使用的图像处理工具包 🧰，结合 Python 可以快速实现图像识别、增强、变换等任务 🚀。

本文介绍了 OpenCV 的基本安装步骤、图像读写、常见操作和图像处理技巧。如果你正在学习计算机视觉或者图像识别方向，OpenCV 是一个非常好的起点！

如果你希望我继续写进阶内容（如人脸检测、目标追踪、视频处理等），欢迎留言告诉我 😊。