OpenCV(Python)基础—9小时入门版：从零到一的完整学习路径

一、课程目标与时间规划（0.5小时）

本课程专为计算机视觉初学者设计，通过9小时系统学习，使学员掌握OpenCV-Python基础操作，能够独立完成基础图像处理任务。课程分为四大模块：

环境搭建与基础概念（1小时）
核心图像处理技术（4小时）
高级功能应用（2.5小时）
综合项目实战（1.5小时）

二、环境搭建与基础准备（1小时）

1.1 开发环境配置

推荐使用Anaconda管理Python环境，通过以下命令创建专用虚拟环境：

conda create -n opencv_env python=3.8
conda activate opencv_env
pip install opencv-python opencv-contrib-python numpy matplotlib

验证安装：

import cv2
print(cv2.__version__)  # 应输出4.x.x版本号

1.2 基础概念解析

图像表示：OpenCV使用NumPy数组存储图像，BGR格式（非RGB）
坐标系：原点(0,0)位于左上角，x向右增长，y向下增长
颜色空间：支持BGR、GRAY、HSV等转换方法

三、核心图像处理技术（4小时）

2.1 图像读写与显示（0.5小时）

# 读取图像
img = cv2.imread('image.jpg')
# 显示图像
cv2.imshow('Window Title', img)
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()
# 保存图像
cv2.imwrite('output.jpg', img)

关键参数说明：

imread()的flags参数：cv2.IMREAD_COLOR(默认)、cv2.IMREAD_GRAYSCALE、cv2.IMREAD_UNCHANGED

2.2 图像几何变换（1小时）

2.2.1 尺寸调整

# 双线性插值缩放
resized = cv2.resize(img, (300, 200), interpolation=cv2.INTER_LINEAR)
# 保持宽高比缩放
scale_percent = 60  # 缩放60%
width = int(img.shape[1] * scale_percent / 100)
height = int(img.shape[0] * scale_percent / 100)
resized = cv2.resize(img, (width, height))

2.2.2 旋转与平移

# 获取旋转矩阵
(h, w) = img.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, 45, 1.0)  # 旋转45度
rotated = cv2.warpAffine(img, M, (w, h))

2.3 图像滤波与增强（1.5小时）

2.3.1 线性滤波

# 高斯模糊
blurred = cv2.GaussianBlur(img, (5,5), 0)
# 双边滤波（保边去噪）
bilateral = cv2.bilateralFilter(img, 9, 75, 75)

2.3.2 直方图均衡化

# 灰度图像增强
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
equ = cv2.equalizeHist(gray)
# 彩色图像增强（HSV空间）
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hsv[:,:,2] = cv2.equalizeHist(hsv[:,:,2])
enhanced = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

2.4 边缘检测与轮廓（1小时）

# Canny边缘检测
edges = cv2.Canny(img, 100, 200)
# 轮廓查找
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0,255,0), 2)

四、高级功能应用（2.5小时）

3.1 特征检测与匹配（1小时）

3.1.1 SIFT特征点

sift = cv2.SIFT_create()
keypoints, descriptors = sift.detectAndCompute(gray, None)
img_kp = cv2.drawKeypoints(img, keypoints, None)

3.1.2 FLANN匹配器

# 创建FLANN匹配器
FLANN_INDEX_KDTREE = 1
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
search_params = dict(checks=50)
flann = cv2.FlannBasedMatcher(index_params, search_params)
matches = flann.knnMatch(desc1, desc2, k=2)

3.2 视频处理基础（1小时）

cap = cv2.VideoCapture('video.mp4')
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    cv2.imshow('Frame', gray)
    if cv2.waitKey(25) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

3.3 人脸检测实战（0.5小时）

# 加载预训练模型
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.1, 4)
for (x,y,w,h) in faces:
    cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)

五、综合项目实战（1.5小时）

4.1 实时文档扫描

实现步骤：

摄像头捕获文档图像
灰度转换+高斯模糊
Canny边缘检测
轮廓查找与四边形检测
透视变换校正

def order_points(pts):
    # 坐标排序函数
    rect = np.zeros((4, 2), dtype="float32")
    s = pts.sum(axis=1)
    rect[0] = pts[np.argmin(s)]
    rect[2] = pts[np.argmax(s)]
    diff = np.diff(pts, axis=1)
    rect[1] = pts[np.argmin(diff)]
    rect[3] = pts[np.argmax(diff)]
    return rect
def four_point_transform(image, pts):
    # 透视变换函数
    rect = order_points(pts)
    (tl, tr, br, bl) = rect
    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
    maxWidth = max(int(widthA), int(widthB))
    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))
    heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))
    maxHeight = max(int(heightA), int(heightB))
    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]], dtype="float32")
    M = cv2.getPerspectiveTransform(rect, dst)
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))
    return warped

六、学习建议与资源推荐

实践优先：每个知识点配套1-2个实战案例
官方文档：优先参考OpenCV-Python教程
进阶路线：
- 学习机器学习模块（cv2.ml）
- 掌握DNN模块进行深度学习推理
- 研究OpenCV的GPU加速（CUDA支持）

本课程设计遵循”理论-演示-实践”的三段式教学法，通过9小时集中学习，使学员具备独立解决基础计算机视觉问题的能力。建议每天安排2-3小时学习时间，配合代码实操加深理解。

OpenCV(Python)基础：9小时速成指南