OpenCV（开源计算机视觉库）是一个强大的跨平台计算机视觉库，它被广泛应用于图像处理和计算机视觉相关的项目中。这个教程是由段力辉编译的OpenCV官方教程的中文版本，特别针对Python编程语言，使得中国开发者能更方便地学习和理解OpenCV的功能和用法。 在Python中使用OpenCV，你可以实现以下主要知识点： 1. 图像读取与显示：使用`cv2.imread()`函数读取图像，`cv2.imshow()`创建窗口并显示图像，`cv2.waitKey()`控制程序暂停等待用户操作。 2. 图像基本操作：包括图像的拷贝、裁剪、缩放、旋转等，通过`copy()`、`crop()`、`resize()`、`rotate()`等函数完成。 3. 图像颜色空间转换：如从BGR到灰度、HSV等颜色空间，使用`cv2.cvtColor()`函数进行转换。 4. 图像滤波：包括平滑滤波（均值、高斯滤波）和边缘检测（Sobel、Canny），使用`cv2.filter2D()`和相应的边缘检测函数。 5. 特征检测：如角点检测（Harris角点、Shi-Tomasi角点）、关键点检测（SIFT、SURF、ORB），这些是物体识别和追踪的基础。 6. 图像形态学操作：如腐蚀、膨胀、开闭运算，用于消除噪声、连接断开的线条或填充小孔洞。 7. 目标检测：使用Haar级联分类器或HOG+SVM进行人脸、行人等目标检测。 8. 机器学习与深度学习：OpenCV支持多种机器学习算法（如SVM、KNN），并集成了深度学习模块(DNN)来加载预训练的模型，如TensorFlow、Caffe等框架的模型。 9. 视频处理：读取、写入视频文件，帧处理，以及基于帧的图像操作。 10. 图像和视频流的实时处理：结合OpenCV与Python的多媒体库，可以实现摄像头的实时图像处理。 11. 图像拼接和全景图创建：通过匹配特征点和计算变换矩阵实现。 12. 三维重建：通过多视图几何，如立体匹配和结构从运动(SFM)技术，构建3D模型。 13. 文本检测与识别：利用OCR（光学字符识别）技术，提取和识别图像中的文本。 在段力辉的这个中文教程中，你将系统地学习到上述所有知识点，并通过实例代码加深理解和应用。通过阅读和实践，你不仅能掌握OpenCV的基本功能，还能了解到如何将其应用于实际项目中，提升你在计算机视觉领域的技能。

来源于 OpenCV 的官方文档，内容全面，对各种的算法的描述简单易懂，而且不拘泥于长篇大论的数学推导，非常适合想使用OpenCV 解决实际问题的人。

段力辉译-官方教程

opencv初学/OpenCV官方教程中文版 for Python，这里使用工具为 Python3.5 OpenCV Python包 cv2 Numpy matlablib

高清扫描资源，Python 作为一种高效简洁的直译式语言非常适合我们用来解决日常 工作的问题。而且它简单易学，初学者几个小时就可以基本入门。再加 上 Numpy 和 matplotlib 这两个翅膀，Python 对数据分析的能力不逊于 Matlab。Python 还被称为是胶水语言，有很多软件都提供了 Python 接 口。尤其是在 linux 下，可以使用 Python 将不同的软件组成一个工作流， 发挥每一个软件自己最大的优势从而完成一个复杂的任务。比如我们可以 使用 Mysql 存储数据，使用 R 分析数据，使用 matplotlib 展示数据，使用 OpenGL 进行 3D 建模，使用 Qt 构建漂亮的 GUI。而 Python 可以将他们 联

opencv_python官方中文教程源码，其中段力辉老师文章中出现的许多代码不能运行，已经进行修改，敬请参考。其中段力辉老师的电子版也已经上传，欢迎下载