环境配置
本章节介绍如何在 Python 环境中安装和配置 OpenCV。
安装 OpenCV
OpenCV 提供了多个 Python 安装包，根据你的需求选择合适的版本。
基础安装
最简单的安装方式是使用 pip 安装 opencv-python 包：
pip install opencv-python
这个包包含了 OpenCV 的核心模块，适合大多数图像处理任务。安装完成后，你就可以使用 cv2 模块了。
扩展模块安装
如果你需要使用 OpenCV 的扩展模块（如 SIFT、SURF 等专利算法），需要安装 opencv-contrib-python：
pip install opencv-contrib-python
注意：opencv-python 和 opencv-contrib-python 不能同时安装，需要先卸载前者再安装后者。
无头版本
在服务器环境或不需要 GUI 功能的场景下，可以安装无头版本，体积更小：
pip install opencv-python-headless
验证安装
安装完成后，运行以下代码验证是否安装成功：
import cv2
# 打印 OpenCV 版本
print(f"OpenCV 版本: {cv2.__version__}")
# 检查是否支持扩展模块
try:
sift = cv2.SIFT_create()
print("扩展模块可用")
except AttributeError:
print("扩展模块不可用，如需使用请安装 opencv-contrib-python")
安装依赖库
OpenCV 通常与以下库配合使用，建议一并安装：
NumPy
OpenCV 的图像数据以 NumPy 数组形式存储，NumPy 是必需的依赖：
pip install numpy
Matplotlib
用于图像显示和可视化，方便调试和分析：
pip install matplotlib
Pillow
Python 图像处理库，用于图像格式转换等辅助操作：
pip install Pillow
开发环境推荐
VS Code 配置
推荐使用 Visual Studio Code 作为开发环境，安装以下扩展：
- Python：Microsoft 官方 Python 扩展
- Pylance：提供智能提示和类型检查
- Python Image Preview：预览图像变量
Jupyter Notebook
对于学习和实验，Jupyter Notebook 是很好的选择：
pip install jupyter
启动 Jupyter：
jupyter notebook
在 Notebook 中可以使用 %matplotlib inline 魔术命令在单元格内显示图像。
常见问题解决
导入错误
如果遇到 ImportError: DLL load failed 错误，通常是因为缺少系统依赖：
Windows 系统：安装 Visual C++ Redistributable
Linux 系统：安装系统依赖：
sudo apt-get update
sudo apt-get install libgl1-mesa-glx libglib2.0-0
版本冲突
如果遇到版本冲突，建议创建新的虚拟环境：
# 使用 venv 创建虚拟环境
python -m venv opencv_env
# 激活虚拟环境
# Windows:
opencv_env\Scripts\activate
# Linux/macOS:
source opencv_env/bin/activate
# 安装 OpenCV
pip install opencv-python
摄像头无法打开
如果无法打开摄像头，检查以下几点：
- 摄像头是否被其他程序占用
- 权限设置是否正确（Linux 下需要用户在 video 组）
- 尝试不同的摄像头索引（0, 1, 2...）
import cv2
# 尝试打开不同索引的摄像头
for i in range(3):
cap = cv2.VideoCapture(i)
if cap.isOpened():
print(f"摄像头 {i} 可用")
cap.release()
else:
print(f"摄像头 {i} 不可用")
准备测试素材
学习 OpenCV 需要一些测试图像和视频。你可以：
- 使用 OpenCV 内置的测试图像（需要从 GitHub 下载）
- 使用自己的图片和视频
- 从互联网下载公开的测试数据集
建议创建一个专门的目录存放测试素材：
opencv_learning/
├── images/ # 测试图像
│ ├── lena.jpg
│ ├── logo.png
│ └── scene.jpg
├── videos/ # 测试视频
│ └── test.mp4
└── scripts/ # 练习脚本
└── test.py
下一步
环境配置完成后，让我们开始学习基本图像操作，了解如何读取、显示和保存图像。