OpenCV 是计算机视觉中经典的专用库，其支持多语言、跨平台，功能强大。OpenCV-Python为OpenCV提供了Python接口，使得使用者在Python中能够调用C/C++，在保证易读性和运行效率的前提下，实现所需的功能。
安装方法有多种，老猿机器上无C++环境，因此直接使用pip安装，OpenCV-Python模块名为opencv-python（在windows下大小写不敏感，其他操作系统没验证），具体安装命令如下：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
导入OpenCV 模块指令很简单：
import cv2 as cv
大多数OpenCV 的函数都在cv2模块内，cv2并不是版本2.X的意思，而是因为这个版本是在原cv版本的基础上采用了面向对象编程的方式重新实现，提供了更好的API接口。
imread(filename,mode)
注意：除了这三个常用取值，还可以有多个取值，相关取值及含义如下：
imread返回一个BGR格式的图像对象，其类型为一个numpy数组。
img = cv2.imread(r'F:\screenpic\redflower.jpg')
imshow(title,img)
imread读入的图像使用imshow即可显示，显示可以给显示窗设定标题，这个标题也是显示窗口的名字，标题不同的imshow会显示不同窗口。标题为一个英文字符串，相同标题的窗口就是同一个窗口。对于窗口，OpenCV提供鼠标及键盘事件处理机制。
imshow的窗口可以通过destroyWindow和destroyAllWindows进行关闭，前者要带窗口的标题，后者是关闭所有由当前程序创建的窗口。
img = cv2.imread(r'F:\screenpic\redflower.jpg')
cv2.imshow('img',img)
VideoCapture既支持从视频文件(.avi ， .mpg格式)读取，也支持直接从摄像机(比如电脑自带摄像头)中读取。VideoCapture是一个类，要想获取视频需要先创建一个VideoCapture对象，VideoCapture对象的创建方式有以下三种：
VideoCapture(int deviceIndex，int apiPreference = CAP_ANY)：打开摄像头捕获视频。deviceIndex为摄像头序列号，打开缺省摄像头传0，apiPreference 为VideoCapture API后端标识符，老猿没有仔细研究，用缺省值即可更多VideoCapture的内容请参考《opencv学习—VideoCapture 类基础知识》。
下面的代码打开缺省摄像头捕获视频，并将捕获内容显示为窗口视频，并写入视频文件中保存，按q终止退出：
import cv2
def captureVideoFromCamera():
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
WIDTH = 1920
HEIGHT = 1920
FILENAME = r'f:\video\myvideo.avi'
FPS = 24
cap.set(cv2.CAP_PROP_FPS, 24)
# 建议使用XVID编码,图像质量和文件大小比较都兼顾的方案
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter(FILENAME, fourcc=fourcc, fps=FPS,frameSize=(WIDTH,HEIGHT))
if not cap.isOpened():
print("Cannot open camera")
exit()
while True:
# 逐帧捕获
ret, frame = cap.read()
# 如果正确读取帧，ret为True
if not ret:
print("Can't receive frame (stream end?). Exiting ...")
break
frame = cv2.flip(frame, 1) # 水平翻转
ret = out.write(frame)
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 显示结果帧e
cv2.imshow('frame', frame)
if cv2.waitKey(1) == ord('q'): break
# 完成所有操作后，释放捕获器
out.release()
cap.release()
cv2.destroyAllWindows()
captureVideoFromCamera()
OpenCV提供了设置鼠标事件回调函数来提供鼠标事件处理的机制，设置回调函数的方法如下：
cv2.setMouseCallback(winName, OnMouseFunction, param)
其中winName为要设置鼠标回调处理的窗口名，OnMouseFunction为回调函数，用于处理鼠标响应，param为设置回调函数时传入的应用相关特定参数，可以不设置，但需要在回调函数访问设置回调函数对象属性时非常有用。
示例：
cv2.namedWindow('image')
cv2.setMouseCallback('image', draw_circle)
openCV提供了快速的键盘处理支持函数waitKey，调用语法：
retval = cv.waitKey( [, delay] )
其中：
OpenCV提供了在图像中绘制几何图形的方法，绘制的图像包括矩形、椭圆、扇形、弧等。本文主要介绍矩形的绘制，具体调用语法如下：
rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)
其中参数：
另外该方法还有个变种调用方式：
rectangle(img, rec, color[, thickness[, lineType[, shift]]])，其中的rec为上面pt1和pt2构建的矩形。
除了矩形，OpenCV还支持绘制点、直线、圆、椭圆、文本（不支持中文）等，具体可参考《使用Python OpenCV处理图像之详解直线、圆、矩形及文字的绘制》，老猿就不展开介绍了。
下面的示例代码是打开视频播放，鼠标点击后暂停播放并在点击位置画圆，再次点击恢复播放：
import cv2
def mouseEvent( event, x, y, flags, param):
if event == cv2.EVENT_LBUTTONDOWN:
param[0] = not param[0]
param[1] = (x,y)
def playVideoFile():
cap = cv2.VideoCapture(r'f:\video\zbl1.mp4')
fps = 1
eventInf = [False,None]
frame = None
if not cap.isOpened():
print("Cannot open camera")
exit()
cv2.namedWindow('image')
cv2.setMouseCallback('image', mouseEvent,eventInf)
while True:
# 逐帧捕获
pause,mousePos = eventInf
if not pause:
ret, frame = cap.read()
if not ret:
if frame is None :
print("The video has end.")
else:
print("Read video error!")
break
else:
if mousePos:
cv2.circle(frame, mousePos,60, (255,0,0),2)
cv2.imshow('image', frame)
ch = cv2.waitKey(int(1000/fps))
if ch == ord('q'): break
cap.release()
cv2.destroyAllWindows()
playVideoFile()
cv2.cvtColor是openCV提供的颜色空间转换函数，调用语法如下：
cvtColor(src, code, dstCn=None)
其中：
更多内容请参考《学习opencv之cvtColor》，示例请参考下面图像阈值处理部分的案例。
openCV图像的阈值处理又称为二值化，之所以称为二值化，是它可以将一幅图转换为感兴趣的部分（前景）和不感兴趣的部分（背景）。转换时，通常将某个值（即阈值）当作区分处理的标准，通常将超过阈值的像素作为前景。
阈值处理有2种方式，一种是固定阈值方式，又包括多种处理模式，另一种是非固定阈值，由程序根据算法以及给出的最大阈值计算图像合适的阈值，再用这个阈值进行二值化处理，非固定阈值处理时需要在固定阈值处理基础上叠加组合标记。
调用语法：
retval, dst = cv2.threshold (src, thresh, maxval, type)
其中：
案例：
ret, mask = cv2.threshold(img, 35, 255, cv2.THRESH_BINARY|cv2.THRESH_OTSU)
补充说明：
下面的代码生成一个图像的掩码图像：
def createImgMask(img):
# 创建img的掩码
if img is None:return None
if len(img.shape)>=3:
img2gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:img2gray = img
ret, mask = cv2.threshold(img2gray, 35, 255, cv2.THRESH_BINARY)
return mask
上面介绍的threshold 函数的图像阈值处理对于某些光照不均的图像，这种全局阈值分割的方法会显得苍白无力。图像阈值化操作中，我们更关心的是从二值化图像中分离目标区域和背景区域，仅仅通过固定阈值很难达到理想的分割效果。在图片中的灰度是不均匀的，所以通常情况下图片中不同区域的阈值是不一样的。这样就需要一种方法根据图像不同区域亮度或灰度分布，计算其局部阈值来进行阈值处理。这种方法就是自适应阈值化图像处理，实际上这可以称为局部阈值法，在OpenCV中的adaptiveThreshold就是这种方法。
调用语法：
adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)
说明：
补充说明：
案例：
import cv2
img = cv2.imread(r'F:\screenpic\1.jpg',cv2.IMREAD_GRAYSCALE)
newImg = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 3, 5)
cv2.imshow('img',img)
cv2.imshow('newImg',newImg)
cv2.waitKey(60000)
运行效果：
源图：
下面是分别设置不同块大小的结果图，左图块大小为31，右图为3：
可以看到blockSize小时，轮廓识别效果明显，而大时，就是一个二值化图像。
OpenCV中的cv2.inpaint()函数使用插值方法修复图像，调用语法如下：
dst = cv2.inpaint（src，mask, inpaintRadius，flags）
参数含义如下：
下面的代码对一个包含亮色Logo的图片进行去Logo处理：
import cv2
def createImgMask(img):
# 创建img的掩码
if img is None:return None
if len(img.shape)>=3:
img2gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
img2gray = img
ret, mask = cv2.threshold(img2gray, 35, 255, cv2.THRESH_BINARY)
return mask
def delLogFromImg(img):
imgMask = createImgMask(img)
imgMask = cv2.inpaint(img, imgMask , 3, cv2.INPAINT_TELEA)
return imgMask
img1 = cv2.imread(r'F:\temp\logo.jpg')
img2 = cv2.imread(r'F:\temp\logo.jpg',cv2.IMREAD_GRAYSCALE)
newImg1 = delLogFromImg(img1)
newImg2 = delLogFromImg(img2)
cv2.imshow('img1',img1)
cv2.imshow('newImg1',newImg1)
cv2.imshow('img2',img2)
cv2.imshow('newImg2',newImg2)
cv2.waitKey(60000)
执行截图1：
本文详细介绍了opencv-python的安装、加载图像文件、捕获摄像头、显示图像、鼠标事件捕获、键盘事件处理、几何图像绘制、颜色空间转换、图像阈值处理、图像修复等基础知识，适合开始学习opencv-python的初学者。
老猿的付费专栏《使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程，付费专栏《moviepy音视频开发专栏》详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理，两个专栏加起来只需要19.9元，都适合有一定Python基础但无相关专利知识的小白读者学习。这2个收费专栏都有对应免费专栏，只是收费专栏的文章介绍更具体、内容更深入、案例更多。
付费专栏文章目录：《moviepy音视频开发专栏文章目录》、《使用PyQt开发图形界面Python应用专栏目录》。
关于Moviepy音视频开发的内容，请大家参考《Python音视频剪辑库MoviePy1.0.3中文教程导览及可执行工具下载》的导览式介绍。
对于缺乏Python基础的同仁，可以通过老猿的免费专栏《专栏：Python基础教程目录》从零开始学习Python。
如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。
