【OpenCV 入门到精通 01】认识 OpenCV 与计算机视觉：从零建立全局认知- 惊觉

【OpenCV 入门到精通 01】认识 OpenCV 与计算机视觉：从零建立全局认知

标签：OpenCV 计算机视觉 图像处理 Python CV入门
难度：⭐ 入门 | 阅读时长：约 35 分钟 | 系列：第 01/12 集
前置要求：无 | 下一集：02 环境安装

写在前面

如果你搜过「图像处理怎么学」「OpenCV 是什么」，大概率听说过这个名字。OpenCV 几乎是每个计算机视觉工程师的 第一课——从读取一张照片，到检测人脸、跟踪车辆，它都能胜任。

本集不急着写代码，先帮你搞清楚：计算机视觉在做什么、OpenCV 能帮你做什么、学习路线怎么走。

本集学习目标

理解计算机视觉的基本概念与应用
了解 OpenCV 的发展历史与核心优势
掌握图像在计算机中的表示方式（像素、通道、矩阵）
认识 OpenCV-Python 的模块结构

1.1 什么是计算机视觉？

一句话定义

计算机视觉 = 让计算机从图像或视频中自动提取、理解信息的技术。

生活场景

场景	计算机视觉在做什么
手机扫码	识别二维码图案
美颜相机	检测人脸、磨皮美白
自动驾驶	识别车道线、行人、车辆
工业质检	检测产品表面缺陷
医疗影像	定位病灶区域
安防监控	检测异常行为、人脸识别

主要任务分类

1.2 什么是 OpenCV？

名字的含义

OpenCV = Open Source Computer Vision Library（开源计算机视觉库）

核心特点

特点	说明
开源免费	BSD 许可证，商用友好
跨平台	Windows / Linux / macOS / Android / iOS
多语言	C++、Python、Java 等
功能全面	2000+ 算法，覆盖 CV 全流程
高性能	底层 C/C++ 优化，支持 GPU 加速
社区活跃	全球最大 CV 开源社区之一

发展简史

年份	里程碑
1999	Intel 在俄罗斯发起 OpenCV 项目
2006	OpenCV 1.0 发布
2009	OpenCV 2.0，引入 C++ 接口
2015	OpenCV 3.0，模块化重构
2018	OpenCV 4.0，移除 C API，全面 C++11
2020+	OpenCV 4.x 持续更新，DNN 模块增强

OpenCV-Python

OpenCV-Python 是 OpenCV 的 Python 绑定，底层调用 C++ 实现，兼顾 易用性 和 运行效率。

import cv2
print(cv2.__version__)  # 如 4.9.0

对比	C++	Python
性能	最快	略慢（够用）
开发效率	较低	高
适合	嵌入式、极致性能	学习、原型、科研

1.3 图像的数字化表示

像素（Pixel）

图像由一个个小方块组成，每个方块叫一个像素，存储颜色信息。

一张 3×3 的灰度图：

┌───┬───┬───┐
│ 0 │128│255│  ← 每个数字代表亮度 (0=黑, 255=白)
├───┼───┼───┤
│ 64│192│ 32│
├───┼───┼───┤
│255│  0│128│
└───┴───┴───┘

彩色图像：三通道 BGR

OpenCV 默认使用 BGR 顺序（注意：不是 RGB！）：

通道	含义	范围
B	蓝色 Blue	0~255
G	绿色 Green	0~255
R	红色 Red	0~255

彩色像素 = (B, G, R)
纯白 = (255, 255, 255)
纯黑 = (0, 0, 0)
纯红 = (0, 0, 255)   ← 注意 BGR 顺序！

NumPy 数组表示

OpenCV 中图像本质是 NumPy 多维数组：

图像类型	数组形状	dtype
灰度图	`(H, W)`	uint8
彩色图	`(H, W, 3)`	uint8
带 Alpha	`(H, W, 4)`	uint8

import numpy as np
# 一张 480×640 的彩色图
img = np.zeros((480, 640, 3), dtype=np.uint8)
print(img.shape)  # (480, 640, 3)

1.4 OpenCV 模块结构

根据官方文档，主要模块如下：

模块	功能	本系列对应
core	核心数据结构、矩阵运算	第 05 集
imgproc	图像处理（滤波、变换、形态学）	第 06~08 集
highgui	窗口显示、鼠标键盘交互	第 03~04 集
videoio	视频读写	第 04、10 集
features2d	特征检测与描述	第 09 集
video	运动分析、光流、跟踪	第 10 集
ml	机器学习（KNN、SVM）	第 11 集
objdetect	目标检测（级联分类器）	第 12 集
dnn	深度学习推理	可与 YOLO 等结合
calib3d	相机标定、3D 重建	进阶

1.5 学习路线规划

本系列 12 集路径

基础层 (01~04): 概念 → 环境 → 图像 → 视频
    ↓
进阶层 (05~08): 像素操作 → 颜色几何 → 滤波形态学 → 边缘轮廓
    ↓
高级层 (09~11): 特征匹配 → 视频分析 → 机器学习
    ↓
实战层 (12): 目标检测 + 综合项目

学 OpenCV 需要什么数学？

数学知识	重要程度	用在哪
基础算术	必须	像素运算
矩阵/向量	推荐	几何变换
微积分	了解	梯度、边缘检测
概率统计	了解	机器学习模块
线性代数	进阶	特征分解、SVD

💡 小白友好：本系列会先用直觉和图示讲解，再引入公式。

1.6 踩坑指南

坑	正确认知
OpenCV 只能做 AI	OpenCV 是传统 CV 库，AI 是 dnn 模块之一
OpenCV = 目标检测	检测只是功能之一，图像处理才是基础
必须学 C++	Python 版足够应对 90% 学习和项目
RGB 和 BGR 一样	OpenCV 默认 BGR，和 PIL/matplotlib 不同
图像就是图片文件	在内存中是 NumPy 数组

1.7 常见问题 FAQ

Q1：OpenCV 和 PIL/Pillow 有什么区别？
A：PIL 侧重图像读写和简单处理；OpenCV 是完整 CV 库，含特征检测、视频分析、机器学习等。做 CV 项目首选 OpenCV。

Q2：需要先学深度学习才能学 OpenCV 吗？
A：不需要。OpenCV 大量功能不依赖深度学习，且传统 CV 是 DL 的基础。

Q3：OpenCV 4.x 和 3.x 差别大吗？
A：4.x 移除了旧 C API，推荐新项目直接用 4.x。本系列基于 4.x。

Q4：OpenCV 能替代 YOLO 吗？
A：不能替代。OpenCV 提供传统检测（如 Haar 级联）和 DNN 推理接口；YOLO 等深度学习模型通常通过 OpenCV dnn 模块加载。

1.8 知识自测

用自己的话解释「计算机视觉」和「图像处理」的区别。
OpenCV 中纯红色像素的 BGR 值是多少？
一张 1920×1080 的彩色图，NumPy 数组 shape 是什么？
判断：OpenCV 只能使用 C++ 开发。（）

📎 参考答案

(0, 0, 255) — BGR 顺序
(1080, 1920, 3) — 高×宽×通道
✗ — 支持 Python、Java 等多种语言

1.9 本集小结

概念	要点
计算机视觉	让机器理解图像/视频
OpenCV	开源跨平台 CV 库，2000+ 算法
像素	图像最小单元，0~255
BGR	OpenCV 默认颜色顺序
NumPy	图像在内存中的表示

上一集	下一集
系列首页	第02集：环境安装 →

参考：OpenCV中文官方文档 | OpenCVTutorials

转载自 CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/weixin_43025151/article/details/164425587

【OpenCV 入门到精通 01】认识 OpenCV 与计算机视觉：从零建立全局认知