一、课程定位与学习目标

OpenCV作为计算机视觉领域的核心工具库，其Python接口因易用性成为开发者首选。本课程以”9小时入门”为目标，通过模块化设计将学习路径拆解为环境搭建（1h）→基础操作（2h）→图像处理（3h）→特征分析（2h）→实战项目（1h），确保零基础学习者在有限时间内掌握核心技能。课程特别强调”学以致用”，每个知识点均配套可运行的代码示例，避免陷入纯理论教学。

二、环境搭建与工具准备（1小时）

1.1 开发环境配置

• Python版本选择：推荐Python 3.8+（与OpenCV 4.x兼容性最佳）
• 依赖包安装：

  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 开发工具推荐

• IDE选择：PyCharm（智能提示）/VS Code（轻量级）
• 调试技巧：使用matplotlib实现图像可视化调试

  import matplotlib.pyplot as plt
  img = cv2.imread('test.jpg')
  plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
  plt.show()

三、核心功能模块精讲（6小时）

2.1 图像基础操作（2小时）

• 图像读写：
  ```python

  读取图像（支持JPG/PNG等格式）

  img = cv2.imread(‘image.jpg’, cv2.IMREAD_COLOR) # 彩色模式
  gray_img = cv2.imread(‘image.jpg’, cv2.IMREAD_GRAYSCALE) # 灰度模式

保存图像

cv2.imwrite(‘output.jpg’, img)

- **像素级操作**：
```python
# 访问像素值（BGR格式）
pixel = img[100, 50]  # 获取(50,100)坐标像素
img[100, 50] = [255, 0, 0]  # 修改为蓝色

2.2 图像处理进阶（3小时）

• 几何变换：
  ```python

  图像旋转（45度）

  (h, w) = img.shape[:2]
  center = (w//2, h//2)
  M = cv2.getRotationMatrix2D(center, 45, 1.0)
  rotated = cv2.warpAffine(img, M, (w, h))

透视变换

pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M = cv2.getPerspectiveTransform(pts1, pts2)
dst = cv2.warpPerspective(img, M, (300,300))

- **滤波操作**：
```python
# 高斯模糊（去噪）
blur = cv2.GaussianBlur(img, (5,5), 0)
# Canny边缘检测
edges = cv2.Canny(img, 100, 200)

2.3 特征提取与分析（2小时）

• 轮廓检测：

  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)

• 特征点匹配：
  ```python

  SIFT特征提取（需安装opencv-contrib-python）

  sift = cv2.SIFT_create()
  kp1, des1 = sift.detectAndCompute(img1, None)
  kp2, des2 = sift.detectAndCompute(img2, None)

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(des1, des2, k=2)

### 四、实战项目演练（1小时）
#### 3.1 人脸检测系统
```python
# 加载预训练模型
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
# 实时检测
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)
    for (x,y,w,h) in faces:
        cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)
    cv2.imshow('Face Detection', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()

3.2 文档扫描OCR

# 图像预处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
# 轮廓筛选
contours = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours = imutils.grab_contours(contours)
contours = sorted(contours, key=cv2.contourArea, reverse=True)[:5]
# 透视变换
for c in contours:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.02 * peri, True)
    if len(approx) == 4:
        screenCnt = approx
        break
# 执行变换
warped = four_point_transform(img, screenCnt.reshape(4, 2))

五、学习路径优化建议

1. 分阶段实践：每完成1小时学习后，立即完成配套练习（如完成图像读取后，尝试修改像素值）
2. 错误处理机制：

   try:
    img = cv2.imread('nonexistent.jpg')
    if img is None:
        raise FileNotFoundError("图像加载失败，请检查路径")
   except Exception as e:
    print(f"发生错误：{e}")

3. 性能优化技巧：
   • 大图像处理时使用cv2.UMat启用GPU加速
   • 批量处理时采用内存映射文件技术

六、进阶学习资源

1. 官方文档：OpenCV Python Tutorials（重点阅读cv2模块说明）
2. 实战项目库：GitHub搜索”OpenCV Python projects”（筛选千星以上项目）
3. 竞赛平台：Kaggle计算机视觉赛道（提供真实场景数据集）

本课程通过结构化知识体系和实战导向的教学方法，使学习者在9小时内掌握OpenCV(Python)的核心能力。建议每日安排2小时学习+1小时实践，配合课程提供的代码模板和案例数据集，可显著提升学习效率。完成基础课程后，可进一步探索深度学习+OpenCV的融合应用（如YOLO目标检测集成）。