Python在图像处理领域非常受欢迎，OpenCV则是其中最常用的开源库。它封装了大量成熟的算法，让我们可以只用几行代码完成读图、转灰度、找边缘等任务。对于新手来说，先理解基础操作比直接上复杂模型更有价值。
环境准备
开始前请确认已安装Python 3，然后在命令行执行下面指令安装OpenCV包：
pip install opencv-python pip install numpy
读取与显示图像
最基础的操作是把图片读进内存并显示出来。OpenCV使用imread函数加载图片，用imshow函数展示窗口。
import cv2
# 读取本地图片，路径不要含中文
img = cv2.imread('test.jpg')
# 创建一个窗口并展示图片
cv2.imshow('my_window', img)
# 等待按键后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()灰度转换
彩色图有三个通道，很多识别任务只需要亮度信息。用cvtColor转成灰度图能减少计算量。
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray_img', gray)
cv2.waitKey(0)
cv2.destroyAllWindows()边缘检测
Canny是常用的边缘检测算法，能帮我们找出物体轮廓，是图像识别的重要前置步骤。
edges = cv2.Canny(gray, 100, 200)
cv2.imshow('edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()基础操作对比
| 操作 | 函数 | 作用 |
|---|---|---|
| 读取 | imread | 加载图像到内存 |
| 转灰度 | cvtColor | 降低维度保留亮度 |
| 边缘 | Canny | 提取物体轮廓 |
小结
上面这些代码已经覆盖了OpenCV最常用的入门操作。多修改参数观察输出，你就能慢慢理解图像识别背后的逻辑，之后再学模板匹配或机器学习模型会轻松很多。