OpenCV(Python)基础—9小时入门版

一、课程规划与目标（0.5小时）

本课程专为计算机视觉初学者设计，通过9小时系统学习掌握OpenCV核心功能。课程分为三大阶段：环境搭建（1小时）、基础模块（5小时）、实战应用（3小时）。建议每日学习2-3小时，分3天完成。

1.1 学习路径设计

• 基础阶段：图像读写、像素操作、绘图功能
• 核心阶段：图像处理（滤波、形态学）、特征提取（边缘、角点）
• 进阶阶段：视频处理、对象检测基础

1.2 预期成果

完成课程后可实现：

• 独立完成图像预处理流程
• 开发简单的人脸检测程序
• 理解计算机视觉项目开发流程

二、环境配置与工具准备（1小时）

2.1 开发环境搭建

# 推荐环境配置方案
conda create -n opencv_env python=3.8
conda activate opencv_env
pip install opencv-python opencv-contrib-python numpy matplotlib

2.2 验证安装

import cv2
print(cv2.__version__)  # 应输出4.x.x版本号

2.3 开发工具推荐

• Jupyter Notebook：交互式开发
• VS Code：专业IDE支持
• PyCharm：企业级开发环境

三、核心模块精讲（5小时）

3.1 图像基础操作（1.5小时）

# 图像读写与显示
img = cv2.imread('image.jpg', cv2.IMREAD_COLOR)
cv2.imshow('Display Window', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 像素级操作
pixel = img[100, 50]  # 获取BGR值
img[100, 50] = [255, 0, 0]  # 修改为蓝色

3.2 图像处理技术（2小时）

3.2.1 几何变换

# 旋转与缩放
(h, w) = img.shape[:2]
center = (w//2, h//2)
M = cv2.getRotationMatrix2D(center, 45, 0.5)
rotated = cv2.warpAffine(img, M, (w, h))

3.2.2 形态学操作

kernel = np.ones((5,5), np.uint8)
eroded = cv2.erode(img, kernel, iterations=1)
dilated = cv2.dilate(img, kernel, iterations=1)

3.3 特征提取算法（1.5小时）

3.3.1 边缘检测

edges = cv2.Canny(img, 100, 200)
# 霍夫变换检测直线
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=100, 
                        minLineLength=50, maxLineGap=10)

3.3.2 角点检测

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(gray, 100, 0.01, 10)

四、实战项目开发（3小时）

4.1 人脸检测系统

# 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, 1.1, 4)
    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()

4.2 文档扫描应用

def document_scanner(img):
    # 预处理
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5,5), 0)
    edged = cv2.Canny(blurred, 75, 200)
    # 轮廓检测
    contours, _ = cv2.findContours(edged.copy(), 
                                  cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
    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
    # 输出结果
    warped = four_point_transform(img, screenCnt.reshape(4,2))
    return warped

五、学习建议与资源推荐

5.1 高效学习策略

1. 每日代码练习：保持手写代码习惯
2. 项目驱动学习：每学完一个模块立即实践
3. 错误日志记录：建立个人错误解决方案库

5.2 优质学习资源

• 官方文档：docs.opencv.org
• 经典教材：《Learning OpenCV 3》
• 在线课程：Coursera计算机视觉专项

5.3 常见问题解决方案

1. 版本冲突：使用conda创建独立环境
2. 路径错误：使用绝对路径或os.path模块
3. 性能优化：优先使用NumPy向量化操作

六、进阶学习路径

完成基础课程后，建议深入以下方向：

1. 深度学习集成：TensorFlow/PyTorch+OpenCV
2. 3D视觉：点云处理、立体视觉
3. 实时系统开发：GPU加速、多线程处理

本课程设计的9小时学习方案，通过结构化的知识体系和实战案例，能够帮助初学者快速建立OpenCV开发能力。建议学习者在完成基础课程后，持续参与开源项目实践，保持对新技术发展的关注。计算机视觉领域发展迅速，持续学习是保持竞争力的关键。