OpenCV入门：Python中的计算机视觉利器
要给大家介绍一个超级强大的计算机视觉库 —— OpenCV。它是一个开源的跨平台计算机视觉库，可以帮助我们轻松处理图像和视频。无论是图像处理、目标检测还是人脸识别，OpenCV都能帮我们轻松实现。让我们开始这段有趣的视觉之旅吧！
1. OpenCV环境配置
我们需要安装OpenCV库。打开终端，输入以下命令：
1pip install opencv-python
安装完成后，我们先来测试一下环境：
1import cv2
2print(cv2.__version__) # 打印OpenCV版本
小贴士：建议使用虚拟环境来安装，避免包之间的依赖冲突。
2. 图像的基本操作
2.1 读取和显示图像
1import cv2
2import numpy as np
3
4# 读取图像
5img = cv2.imread('test.jpg')
6
7# 显示图像
8cv2.imshow('Image'， img)
9cv2.waitKey(0) # 等待按键
10cv2.destroyAllWindows() # 关闭所有窗口
2.2 图像保存
1# 保存图像
2cv2.imwrite('new_image.jpg'， img)
注意：imread()默认以BGR格式读取图像，而不是我们常见的RGB格式。
3. 图像处理基础
3.1 调整图像大小
1# 将图像调整为 300x200
2resized = cv2.resize(img， (300， 200))
3
4# 按比例缩放到原来的一半
5resized = cv2.resize(img， None， fx=0.5， fy=0.5)
3.2 图像转换
1# 转换为灰度图
2gray = cv2.cvtColor(img， cv2.COLOR_BGR2GRAY)
3
4# 高斯模糊
5blur = cv2.GaussianBlur(img， (5， 5)， 0)
4. 绘制基本图形
1# 创建空白图像
2canvas = np.zeros((300， 300， 3)， dtype=np.uint8)
3
4# 画线
5cv2.line(canvas， (0， 0)， (300， 300)， (0， 255， 0)， 2)
6
7# 画矩形
8cv2.rectangle(canvas， (50， 50)， (250， 250)， (0， 0， 255)， 2)
9
10# 画圆
11cv2.circle(canvas， (150， 150)， 100， (255， 0， 0)， -1) # -1表示填充
5. 实战小项目：简单的人脸检测
1def detect_face(image_path)：
2 # 读取图像
3 img = cv2.imread(image_path)
4
5 # 转换为灰度图
6 gray = cv2.cvtColor(img， cv2.COLOR_BGR2GRAY)
7
8 # 加载人脸检测器
9 face_cascade = cv2.CascadeClassifier(
10 cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
11 )
12
13 # 检测人脸
14 faces = face_cascade.detectMultiScale(gray， 1.1， 4)
15
16 # 在检测到的人脸周围画框
17 for (x， y， w， h) in faces：
18 cv2.rectangle(img， (x， y)， (x+w， y+h)， (255， 0， 0)， 2)
19
20 return img
小贴士：这个简单的人脸检测器适用于正面人脸，复杂场景可能需要更高级的算法。
实践练习
尝试读取一张自己的照片，转换为灰度图并保存。
在一张图片上画一个笑脸（提示：使用circle和line函数）。
使用上面的人脸检测代码，检测一张含有多个人脸的图片。
常见问题解答
图像没显示？检查文件路径是否正确，确保waitKey()被调用。
图像显示颜色不对？记住OpenCV使用BGR格式，需要时可以用cvtColor转换。
内存报错？记得及时释放资源，使用destroyAllWindows()关闭窗口。
小伙伴们，今天的Python学习之旅就到这里啦！OpenCV的功能远不止这些，我们今天学习的只是冰山一角。记得动手实践哦，有任何问题都可以在评论区问我。下期我们将探索更多有趣的OpenCV功能，敬请期待！祝大家学习愉快，Python学习节节高！
