概述

• OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，广泛应用于图像处理、目标检测、模式识别等领域，是计算机视觉领域最常用的工具之一。
• 电子书学习资料：https://pan.quark.cn/s/8b52624e1e2f

核心特点

1. 开源免费
   基于BSD许可协议，允许商业和非商业自由使用、修改和分发，无需支付版权费用。

2. 跨平台支持
   兼容Windows、Linux、macOS、Android、iOS等系统，同时支持x86、ARM等架构，便于嵌入式设备开发（如无人机、机器人）。

3. 多语言接口
   原生用C/C++编写，提供Python、Java、MATLAB等接口，降低开发门槛（Python接口因简洁性被广泛使用）。

4. 丰富的算法库
   包含超过2500个优化过的函数，覆盖：

   • 基础图像处理（滤波、缩放、边缘检测等）；
   • 特征提取（SIFT、SURF、ORB等）；
   • 目标检测与跟踪（Haar级联、HOG、YOLO集成等）；
   • 机器学习（支持向量机、k近邻、神经网络等）；
   • 摄像头标定、立体视觉、运动分析等。

5. 高效性能
   底层代码经过优化，支持多线程和GPU加速（通过CUDA或OpenCL），可处理实时视频流（如摄像头输入）。

发展历程

• 1999年：由英特尔研究员Gary Bradski发起，最初为内部研究工具。
• 2000年：首次公开版本发布。
• 2006年：移交给Willow Garage维护，推动商业化应用。
• 2015年：发布OpenCV 3.0，引入深度学习模块（dnn），支持TensorFlow、Caffe模型部署。
• 2021年：OpenCV 4.x系列持续更新，强化对深度学习和实时处理的支持。

典型应用场景

• 安防监控：人脸识别、异常行为检测；
• 自动驾驶：车道线识别、障碍物检测；
• 医疗影像：病灶识别、医学图像分割；
• 增强现实（AR）：实时场景叠加虚拟物体；
• 机器人视觉：目标抓取、环境导航；
• 手机应用：美颜相机（人脸关键点检测）、二维码扫描。

入门示例（Python）

安装OpenCV（Python）：

pip install opencv-python

读取并显示一张图片：

import cv2# 读取图片（默认BGR格式）
img = cv2.imread("test.jpg")# 转换为灰度图
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 显示图片
cv2.imshow("Original", img)
cv2.imshow("Gray", gray_img)# 等待按键后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

总之，OpenCV凭借其强大的功能和易用性，成为计算机视觉领域的“基础设施”，无论是学术研究还是工业应用，都是入门和进阶的必备工具。