

相信大部分人知道的OpenCV都是用C++来开发的,那为什么我推荐使用Python呢?
本教程翻译自OpenCV官方英文教程,我按照使用度和难易度翻译,重新编写了大量原创内容,将不常用和较难的部分写成番外篇,浅显易懂,很easy的辣。每节的源码、图片和练习题答案均可在引用处找到噢(⊙o⊙)
众所周知,虽然Python语法简洁、编写高效,但相比C/C++运行慢很多。然而Python还有个重要的特性:它是一门胶水语言!Python可以很容易地扩展C/C++。OpenCV-Python就是用Python包装了C++的实现,背后实际就是C++的代码在跑,运行速度非常接近原生。
比如我分别用Python和C++实现读入图片和调整图片的亮度对比度,结果如下:

可以看到某些情况下Python的运行速度甚至好于C++,代码行数也直接少一半多!
另外,图像是矩阵数据,OpenCV-Python原生支持Numpy,相当于Python中的Matlab,为矩阵运算、科学计算提供了极大的便利性。
近些年,人工智能AI相关技术的快速发展大家有目共睹。在编程语言方面,更多人希望的是具备高效开发效率、跨平台、高度扩展性的语言,尤其是一些AI巨头优先推出支持Python语言的深度学习框架,如Facebook的PyTorch、Google的Tensorflow等,可以说Python是名副其实的“网红语言”了。

从TIOBE编程语言排行榜也可以看到,Python发展迅猛,已经逼近C++的份额。这个排行榜每月更新,就不截图了,我编写时的TOP5:Java/C/C++/Python/C#。
"人生苦短,我用Python!!!"
本教程编写时使用的相关版本是:OpenCV 4.x,Python 3.x。
只需终端下的一条指令:
pip install opencv-pythonCopy to clipboardErrorCopiedpip是Python的包管理器,如果你还没安装Python,强烈推荐安装Anaconda,它包含了大量的科学计算包,不用后期一个个安装。
进入Anaconda官网,下载最新版本的安装文件,速度比较慢的话,可以去清华开源镜像站。
Add Anaconda to my PATH environment variable,添加到环境变量。bash Anaconda3-xx.sh,Linux版也会提示添加到环境变量,记得输yes就行。Python的版本可以在终端中输入python --version来查看。对于OpenCV,打开Python的开发环境,输入import cv2,运行没有报错说明一切正常。要查看OpenCV的版本,可以:
print(cv2.__version__)Copy to clipboardErrorCopied编辑器我习惯用Visual Studio Code,也可以用PyCharm/Atom/Jupyter Notebook(Anaconda自带)。
pip install 文件名安装。为了便于学习OpenCV,我编写了一款教学软件LearnOpenCVEdu,目前只开发了一部分功能,欢迎Star支持

。

经验之谈:虽然我推荐大家使用OpenCV-Python进行图像处理,但想要深入理解OpenCV,C++是必须的,尤其是OpenCV源码!