【OpenCV】简介入门及资料文档，工具准备和环境部署

OpenCV已更新到 4.x，计算机视觉和机器学习的软件库

git地址：https://github.com/opencv/opencv

1. 跨平台:Linux，Windows，Android，Mac OS

2. 由C和C++轻量级编写

3. 提供C++,Java,Python，Ruby，MATLAB，C#、Ch、Ruby，GO接口

应用：

图像处理（滤波、边缘检测等）

视频处理（实时视频处理等）

物体检测和识别（人脸识别、物体跟踪等）

机器学习（支持向量机、神经网络等）

文档

C++：

https://docs.opencv.org/4.x/index.html

Python：

https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html

JAVA：

https://docs.opencv.org/4.x/javadoc/index.html

入门学习建议用Python，代码简洁容易看，环境搭建简单

下面用Python来搭建好OpenCV的应用环境

搭建环境

1. 安装Anaconda，可以创建多个Python环境，且方便管理包

具体安装过程🉑参考：

【想要了解Anaconda介绍、安装配置及使用，看这篇文章就够了】-CSDN博客

如遇到什么问题也可在本文底下评论，作者会回复。

2. 创建环境

3. 右键点击选择Open Terminal，进入改环境下的终端

Terminal终端，即命令行，windows系统的cmd等，以下bash代码都是要在终端运行的。

4. 安装opencv-python和 jupyter notebook

如果有mac电脑，最好用mac，环境简单，出问题概率小。而且，如果要部署到服务器，操作和mac系统的操作是类似的。

pip install opencv-python
conda install jupyter

 jupyter notebook可以快速运行python写的代码，安装和使用简单，缺点是不稳定，易卡。常用于演示，项目一般是不会用此开发，项目开发一般用pycharm下面会讲。

5. 验证是否可以正常使用open-cv

jupyter notebook

新建文档来写代码

保存下可以看终端，可以知道当前环境的地址，方便之后，写图片路径，可以写相对地址，之后的演示里都是写的相对地址。

例如：Saving file at /Untitled1.ipynb

import cv2 as cv
import sys
import time

# 读取图片
img = cv.imread(cv.samples.findFile("1.jpeg"))
 
if img is None:
    sys.exit("Could not read the image.")
    
# 窗口显示图片
cv.imshow("Display window", img)

# 任意按键按下，图片显示结束，返回按键键值
k = cv.waitKey(0)

点击运行，可能出现

对应位置没有图片，记得改正确的图片地址

open-cv这个库能正常使用。

不过，jupyter notebook虽然方便，但是有些不稳定，有的时候就是运行不成功，也没有提示，最好还是下载pycharm，有pycharm基本可以实现python项目的编码和测试。

pycharm同样可以管理多个版本的pip，如果是安卓开发的同学，原理是和android studio差不多的。

为什么这里还要先给同学用下Anaconda，是否安装这个软件有点多余？

这个给的解答是，Anaconda适合你并不需要去建个python项目，但是需要用到不同版本的python。像vue等的前端项目有些包也是需要python环境的和写ec脚本训练模型，这两个是比较常见的。也就是你需要在终端用python做一些操作，Anaconda对于Python类似于nvm之于npm。

安装可以参考：

新建工程也可以用之前的Anaconda的环境

项目就建好了，之后我们就要在这个项目里学习了。代码git每次博客最前面会先给大家。