目录
0 前言
OpenCV是一个广泛应用于计算机视觉领域的开源工具库，为开发者提供了丰富的图像处理和计算机视觉算法。本文将介绍OpenCV的功能和应用领域，并探讨它在实践中的重要性和前景。
1 什么是OpenCV？
OpenCV（开源计算机视觉库）是在 BSD 许可下发布的，因此它可以免费用于学术和商业用途。
它具有 C++，Python 和 Java 接口，支持 Windows，Linux，Mac OS，iOS 和 Android。
OpenCV 专为提高计算效率而设计，专注于实时应用。该库以优化的 C/C++ 编写，可以利用多核处理。
通过 OpenCL 启用，它可以利用底层异构计算平台的硬件加速。
OpenCV 在全球范围内采用，拥有超过 4.7 万用户社区，估计下载量超过 1400 万。
用途范围从交互式艺术，到地雷检查，网上拼接地图或高级机器人。
1.1 OpenCV
-
OpenCV 于 1999 年由 Gary Bradsky 在英特尔创立，第一个版本于 2000 年问世。Vadim Pisarevsky 加入了 Gary Bradsky，负责管理英特尔的俄罗斯软件 OpenCV 团队。2005 年，OpenCV 被用于 Stanley ，这辆车赢得了 2005 年美国穿越沙漠 DARPA 机器人挑战大赛。后来，在 Willow Garage 的支持下，在 Gary Bradsky 和 Vadim Pisarevsky 主导下，OpenCV 项目的开发工作变得活跃起来。OpenCV 现在支持与计算机视觉和机器学习相关的众多算法，并且每天都在拓展中。
-
OpenCV 支持各种编程语言，如 C++，Python，Java 等，可在不同的平台上使用，包括 Windows，Linux，OS X，Android 和 iOS。基于 CUDA 和 OpenCL 的高速 GPU 操作接口也在积极开发中。
-
OpenCV-Python 是 OpenCV 的 Python API，结合了 OpenCV C++ API 和 Python 语言的最佳特性。
1.2 OpenCV-Python
-
OpenCV-Python 是一个 Python 绑定库，旨在解决计算机视觉问题。
-
Python 是一种由 Guido van Rossum 开发的通用编程语言，它很快就变得非常流行，主要是因为它的简单性和代码可读性。它使程序员能够用更少的代码表达思想，而不会降低可读性。
-
与 C/C++ 这类语言相比，Python 的速度更慢。好在，可以使用 C/C++ 轻松的拓展 Python ，我们可以在 C/C++ 中编写计算密集型代码，并用 Python 来封装。这给我们带来了两个好处：首先，代码像原始的 C/C++ 代码一样快（因为后台实际上就是 C/C++ 代码在工作），其次，在 Python 中编写代码比在 C/C++ 中更容易。OpenCV-Python 就是 OpenCV C++ 的 Python 封装。
-
OpenCV-Python 使用了 Numpy，这是一个有着 MATLAB 风格语法，高度优化的用于数值计算的库。所有 OpenCV 数组结构都与 Numpy 数组进行转换。这也使得与使用 Numpy 的其他库（如 SciPy 和 Matplotlib）集成更容易。
2 在线英文文档
https://opencv.apachecn.org/
3 新建项目
新建项目，路径不要出现中文
文件夹名称
添加解释器，添加本地解释器
这样就创建好了一个文件夹，然后像我这样一级一级向下分，细分文件夹
4 图像读取
4.1 读入图像
retval = cv2.imread(文件名, [显示控制参数])
范例：
cxk = cv2.imread("photo\\cxk.bmp")#导入图片
4.2 显示图像
None = cv2.imshow(窗口名, 图像名)
范例：
cv2.imshow('cxk',cxk)
4.3 保存图像
retval = cv2.imwrite(文件地址, 文件名)
范例：
cv2.imwrite('D:\\test.jpg',cxk)
4.4 Demo
4.4.1 Demo1
import cv2#opencv读取的格式是BGR
import numpy as np
cxk = cv2.imread("photo\\cxk.bmp")#导入图片
cv2.imshow('cxk',cxk)#等待时间，毫秒级，0表示任意键终止
cv2.waitKey()#按键终止
cv2.destoryAllWindows()
4.4.2 Demo2
#2023年11月26日15:47:19
import cv2
#绝对路径
img = cv2.imread("F:\\PycharmProjects\\OpenCV\\A1_Photo_Input\\photo\\tsy.jpg", cv2.IMREAD_UNCHANGED) #导入图片
cv2.imshow("original", img) #显示图片，名称叫demo
print( img[100,100] ) #读取BGR格式数值
img[150:240, 250:350] = [90, 25, 255] #[100:200, 100:200] 这个范围内的像素 修改成白色
cv2.imshow("result", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
4.4.3 Demo3
#2023年12月8日11:59:50
from cv2 import cv2
import numpy as np
#获取图像属性
img = cv2.imread("photo\\tsy.jpg", cv2.IMREAD_UNCHANGED) #这是一个彩色图像
print(img.shape) #计算图像的属性，输出是(1441, 960, 3)
print(img.size) #4150080 = 1441*960*3
print(img.dtype) #图像的数据类型 输出是uint8
5 ROI区域
import cv2
import numpy as np
a=cv2.imread("H:\\PycharmProjects\\OpenCV\\A1_Photo\\photo\\goutou.png",cv2.IMREAD_UNCHANGED)#这是一个彩色图像
b=cv2.imread("H:\\PycharmProjects\\OpenCV\\A1_Photo\\photo\\zxd.png",cv2.IMREAD_UNCHANGED)
cv2.imshow("original",a)#显示原始图像
face = np.ones((100,100,3))#生成一个感兴趣区域ROI,100行100列三个通道
face = a[0:290,0:290]
b[0+65:290+65,0+40:290+40] = face
cv2.imshow("face",b)#显示复制后的图像
cv2.waitKey(0)
cv2.destroyAllWindows()