你有没有想过，怎么用代码给图片批量加水印？怎么自动把一堆模糊的老照片变清晰？怎么让程序自动识别图片里的二维码？这些和图片、视频有关的处理需求，用一个工具就能轻松搞定，那就是OpenCV。

很多零基础同学一听“计算机视觉”、“OpenCV”就觉得肯定很难，需要懂很多复杂算法才能上手。其实完全不是，OpenCV本身就是一个封装好的工具库，哪怕你只会一点Python基础，也能很快跑通第一个程序，做出简单的图像处理效果。今天我们就从零开始，带你一步步入门OpenCV，保证零基础也能看懂。

---

 一、先搞懂：OpenCV到底是什么？它能做什么？

 1. OpenCV的基础概念，一句话说清楚

OpenCV的全称是Open Source Computer Vision Library，翻译过来就是开源计算机视觉库。说白了，它就是一个已经写好很多现成功能的工具包，把图像处理、计算机视觉里常用的操作都给你封装好了，你不用自己从头写复杂的算法，直接调用它的函数就能用。

比如你想读取一张图片、给图片加个滤镜、把图片缩小、识别图片里的边缘、检测图片里的人脸，这些功能OpenCV都已经写好了，你只需要调用一两行代码就能实现，非常方便。它最开始是由Intel公司的工程师开发的，现在已经是全球计算机视觉领域最常用的开源工具了，不管是学生做项目，还是企业做产品，都在用它。

 2. OpenCV的发展，其实走了很多年

OpenCV最早1999年就由Intel发起了，最开始就是想做一个通用的、免费的计算机视觉工具，降低行业的开发门槛。那时候计算机视觉还在传统方法时代，很多功能大家都要自己从头写，OpenCV把这些常用功能整理到一起，一下子就火了。

后来2000年发布了第一个正式版本，之后不断更新，支持了Python、Java、C++各种编程语言，现在最新的版本已经到4.x了，不仅支持传统的图像处理，还能和深度学习结合，调用训练好的深度学习模型做目标检测、图像分割，功能越来越强大。

而且因为它是开源免费的，不管你是个人用来做学习，还是商业用来做产品，都不用花钱，这也是它能普及这么广的重要原因。

 3. 我们能用OpenCV做什么？这些场景天天都能见到

OpenCV的应用场景特别广，我们身边很多你熟悉的功能，背后都可能用到了OpenCV：

- 日常图像处理自动化：比如你有几百张商品图，需要统一裁剪成指定大小、加水印、调整亮度，不用一张张用PS改，用OpenCV写几十行代码就能自动批量处理，几分钟就能搞定。

- 工业检测：工厂里生产产品，用摄像头拍产品照片，OpenCV可以自动检测产品表面有没有划痕、有没有缺件，比人工检测快很多，准确率也高。

- 人脸识别&人脸检测：很多入门的人脸识别项目，最基础的检测步骤就是用OpenCV自带的级联分类器实现的，几行代码就能从图片里把所有人脸框出来。

- 二维码/条形码识别：我们刚才说的扫码支付，最基础的二维码定位和解析，就可以用OpenCV实现。

- 视频分析：比如监控摄像头里检测有没有人员闯入，统计视频里的车流量，都可以用OpenCV做基础的处理。

- 手机APP开发：很多做计算机视觉相关的移动端APP，底层的图像处理部分，也会用到OpenCV。

说白了，只要你需要处理图片或者视频，OpenCV几乎都能帮你搞定基础的工作，不用你自己重复造轮子。

---

 二、零基础第一步：怎么搭建OpenCV的开发环境？

很多零基础同学最头疼的就是环境搭建，其实OpenCV配Python环境特别简单，只需要一步就能装好，我们一步步来，保证你不会出错。

 前提：你需要先有Python环境

如果你还没装Python，先去Python官网（https://www.python.org/）下载最新版的Python，安装的时候一定要记得勾选“Add Python to PATH”这个选项，不然后面装包会出错。装完之后打开命令提示符（Windows）或者终端（Mac/Linux），输入`python --version`，能输出版本号就说明装好了。

 一步安装OpenCV

打开你的命令提示符/终端，直接输入下面这行命令，回车就好：

pip install opencv-python

这个就是OpenCV的Python预编译包，pip会自动帮你下载安装，因为是国外的源，如果下载速度慢，可以换国内的豆瓣源，用下面这个命令：

pip install opencv-python -i https://pypi.doubanio.com/simple/

等命令运行完，没有报错，就说明装好了。我们可以测试一下，还是在命令行里输入`python`，进入Python交互环境，然后输入下面这行代码：

import cv2

print(cv2.__version__)

如果能输出版本号，比如`4.8.0`之类的，就说明你安装成功了，环境已经 ready 了。是不是特别简单？

> 小提示：我们装的`opencv-python`是完整的OpenCV包，包含了所有核心功能，还有额外的贡献模块，如果需要用一些额外的预训练模型，可以再装`opencv-contrib-python`，一般入门学习只装核心包就够了。

---

 三、第一个程序：从读取、显示、保存图片开始，看完就能跑

环境搭好之后，我们先来学最基础的三个操作：读取图片、显示图片、保存图片。这三个是所有图像处理的基础，不管你做什么复杂任务，第一步都得先把图片读进来，最后处理完还要保存出去，我们一个个来，每一步都有可运行的代码，你可以跟着写。

 1. 读取图片：怎么把图片文件读进程序里？

OpenCV读取图片用的是`cv2.imread()`这个函数，用法非常简单。我们先举个例子：

首先你找一张图片，比如叫`test.jpg`，把它放到你写代码的同一个文件夹里，然后写下面这段代码：

import cv2

 读取图片，参数是图片的路径

img = cv2.imread("test.jpg")

 看看图片的尺寸，输出是(高度, 宽度, 通道数)

print(img.shape)

这里给零基础同学解释一下：

- `import cv2`：我们装完OpenCV之后，Python里就用`cv2`这个名字来导入它，约定俗成都是这么写。

- `cv2.imread("test.jpg")`：第一个参数就是图片的文件路径，如果图片和代码在同一个文件夹，直接写名字就可以，不在同一个文件夹就写完整路径，比如`"C:/Users/xxx/Pictures/test.jpg"`。

- 读出来的`img`其实就是一个NumPy数组，之前我们说过，图片对计算机来说就是一堆数字，OpenCV读进来之后直接就转成数组了，`img.shape`会输出三个数：比如`(1080, 1920, 3)`，意思就是这张图片高度1080像素，宽度1920像素，3个颜色通道（就是我们说的RGB）。

> 一个零基础一定要知道的小坑：OpenCV读彩色图片的时候，默认的通道顺序不是我们常用的RGB，而是BGR！也就是说，第一个通道是蓝色，第三个通道是红色，和我们习惯的反过来。这个点很重要，后面我们和其他库（比如Matplotlib）配合显示图片的时候会用到，别记错了。

如果你的图片路径错了，或者图片不存在，`cv2.imread`不会报错，只会返回一个None，所以如果后面运行出错，可以先检查一下图片路径对不对，这是新手最容易犯的错误。

 2. 显示图片：怎么把读进来的图片显示出来？

读进来之后，我们肯定要看看图片对不对，OpenCV用`cv2.imshow()`来显示图片，我们把代码补全：

import cv2

img = cv2.imread("test.jpg")

if img is None:

    print("读取图片失败，请检查文件路径是否正确！")

else:

     显示图片，第一个参数是窗口的名字，第二个参数是要显示的图片数组

    cv2.imshow("我的第一张OpenCV图片", img)

     等待键盘按键，0代表一直等，单位是毫秒

    cv2.waitKey(0)

     销毁所有窗口，不然程序退出了窗口还会卡在那

    cv2.destroyAllWindows()

解释一下这几个函数：

- `cv2.imshow`第一个参数是窗口的标题，你随便起名字就行，第二个参数就是我们读进来的图片数组。

- `cv2.waitKey`这个一定要加！它是用来等待键盘输入的，如果不加，程序运行完就直接退出了，窗口会一闪而过，你根本看不到图片。参数填0就是说，一直等到你按任意键盘按键再往下走。如果你是显示视频，一般填1，就是等1毫秒，继续往下走。

- `cv2.destroyAllWindows()`就是当你按了按键之后，把所有OpenCV创建的窗口关掉，养成习惯，每次显示完都加上，不然会留下很多残留窗口。

你运行这段代码，就能看到你的图片弹出来了，按任意键窗口就会关掉，第一个显示图片的程序就跑通了，是不是特别有成就感？

 3. 保存图片：怎么把处理好的图片存成文件？

很多时候我们处理完图片，需要把结果存成新的文件，OpenCV用`cv2.imwrite()`来保存，用法也很简单：

import cv2

img = cv2.imread("test.jpg")

if img is None:

    print("读取失败！")

else:

     把图片缩小一半，我们后面讲缩放，这里先看保存

    resized_img = cv2.resize(img, (img.shape[1]//2, img.shape[0]//2))

     保存成新的文件，第一个参数是保存路径，第二个是图片数组

    cv2.imwrite("test_small.jpg", resized_img)

    print("图片保存成功！")

运行完之后，你就能在代码所在的文件夹里看到一个新的`test_small.jpg`，就是缩小之后的图片，保存就完成了。`cv2.imwrite`会根据你写的文件后缀名，自动保存成对应的格式，jpg、png、bmp都支持，非常方便。

 我们把三个操作拼起来，完整的示例代码就是这样：

import cv2

 1. 读取图片

image_path = "test.jpg"   替换成你自己的图片路径

img = cv2.imread(image_path)

 检查是否读取成功

if img is None:

    print(f"错误：无法读取图片 {image_path}，请检查文件路径是否正确")

else:

     输出图片信息

    height, width, channels = img.shape

    print(f"读取图片成功！图片尺寸：宽{width}px，高{height}px，通道数：{channels}")

     2. 显示原始图片

    cv2.imshow("原始图片", img)

    cv2.waitKey(0)

     这里我们做一个简单处理：把图片转成灰度图

    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

     显示处理后的灰度图

    cv2.imshow("灰度图效果", gray_img)

    cv2.waitKey(0)

     3. 保存处理后的图片

    save_path = "gray_test.jpg"

    cv2.imwrite(save_path, gray_img)

    print(f"处理后的图片已经保存到 {save_path}")

     关闭所有窗口

    cv2.destroyAllWindows()

你把代码里的`test.jpg`换成你自己的图片路径，直接运行就能出效果：程序会先显示原始图片，按任意键再显示转成灰度后的图片，再按任意键退出，还会把灰度图保存成新文件。整个过程没有复杂的东西，你可以跑一遍感受一下，OpenCV操作图片其实就是这么简单。

---

 四、零基础后续怎么学？给你规划清晰的学习路径

很多同学跑通第一个示例之后，就不知道接下来该学什么了，我给零基础同学规划一个循序渐进的路径，照着走就行，不会走偏：

 第一步：先掌握OpenCV的基础操作（1-2周）

先把常用的基础操作练熟，这些是所有项目的基础，不用上来就啃复杂的算法：

1. 图像的基本操作：读取、显示、保存我们已经会了，接下来学：

   - 颜色空间转换：比如彩色转灰度，BGR转RGB，这个常用。

   - 几何变换：图片缩放、旋转、裁剪、平移，批量处理图片经常用。

   - 画图功能：在图片上画矩形、画圆、画线、写文字，比如目标检测框出物体就要用这个。

   - 像素操作：怎么获取和修改某个位置像素的值，怎么裁剪ROI（感兴趣区域）。

2. 基础图像处理操作：

   - 滤波：去除图片噪声，模糊图片，比如高斯模糊、中值滤波。

   - 边缘检测：提取图片里物体的边缘，Canny边缘检测最常用。

   - 阈值分割：把图片分成前景和背景，比如把黑色文字从白色背景里分离出来。

这些操作都不难，每个操作都是调用一个OpenCV的函数，你可以找一张图片，一个个试过去，看看不同参数出来的效果是什么样的，试一遍就记住了。

 第二步：进阶学习传统计算机视觉操作（2-3周）

基础操作练熟之后，可以学一些传统计算机视觉的常用操作，做一些简单的小项目：

1. 特征提取：学习哈里斯角检测、SIFT特征提取这些基础的特征提取方法。

2. 目标检测：试试OpenCV自带的级联分类器做人脸检测，几行代码就能实现从图片里框出人脸，非常有成就感。

3. 轮廓检测：检测图片里物体的轮廓，然后可以做形状识别，比如识别图片里的圆形、正方形。

4. 模板匹配：找图片里有没有和模板一样的区域，比如你做一个找相同的小工具，或者批量识别网页里的按钮。

这个阶段你可以做第一个小项目了，比如：批量给图片加水印、批量裁剪图片统一尺寸、自动检测图片里的二维码、从图片里把人脸裁出来，这些项目用你学的基础操作就能做出来，做完对你提升很大。

 第三步：结合深度学习，做更复杂的任务（后续进阶）

现在OpenCV已经支持直接调用训练好的深度学习模型了，基础打好之后，你可以学这部分，做更复杂的任务：

- 用OpenCV调用训练好的YOLO模型，做目标检测，能识别图片里80种常见物体，代码不超过50行就能跑通。

- 做人脸识别，用OpenCV做检测，加上预训练的识别模型，就能做出一个简单的人脸签到系统。

- 视频处理：读取摄像头实时画面，实时做目标检测，就能做出一个简单的人员检测小工具。

 学习资源推荐，零基础不用乱找：

1. 官方文档：OpenCV官方有非常详细的Python教程，都是免费的，网址是https://docs.opencv.org/，遇到不会的函数直接查官方文档，最准确。

2. 书籍：《OpenCV-Python 中文教程》，这本是专门给Python用户写的入门教程，很多内容都是免费公开的，适合零基础。

3. 动手：其实OpenCV就是一个工具，不用背所有函数，用到的时候查就好，多动手写代码，比看十遍书都有用，做两个小项目就都记住了。

---

 写在最后

OpenCV其实就是一个给我们用的工具，它把复杂的图像处理算法都封装好了，零基础不用怕，你不用先把所有计算机视觉理论都学完再用它，你完全可以跑通第一个示例，边用边学，边做项目边补理论。

我们今天从介绍OpenCV，到环境搭建，再到跑通第一个完整的图片读写示例，已经把入门的第一步迈出去了，接下来就是多练手，找一个自己感兴趣的小需求，比如批量处理自己的照片，做个简单的人脸打卡，一步步来，很快就能上手。

现在计算机视觉的应用越来越多，学会OpenCV，不管是自己做工具提高效率，还是找相关的工作，都是非常有用的技能，入门其实比你想象的简单得多，赶紧动手跑第一个代码吧。