# opencv-python-kc

**Repository Path**: lisz123/opencv-python-kc

## Basic Information

- **Project Name**: opencv-python-kc
- **Description**: 使用opencv+python+ocr来完成各种各样的项目开发和学习
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-11-27
- **Last Updated**: 2025-12-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

概述

欢迎来到 OpenCV 计算机视觉 Python 课程！这门为期 3 小时的综合课程专为想要掌握使用 OpenCV 和 Python 的计算机视觉基础的初学者而设计。无论你刚开始计算机视觉的学习之旅，还是希望建立坚实的基础，本课程都提供从基本图像操作到高级计算机视觉技术的结构化学习路径。
课程结构
本课程分为 8 个渐进式模块，每个模块都建立在前一个模块的基础上，创造完整的学习体验：

![输入图片说明](%E5%BE%AE%E4%BF%A1%E6%88%AA%E5%9B%BE_20251129171328.png)

学习模块
模块 1：输入/输出操作
掌握读取、写入和显示图像与视频的基础技能。学习处理多种输入来源，包括文件、视频流和实时摄像头画面。

核心概念：

使用 cv2.imread() 和 cv2.imwrite() 进行图像读写 io_image.py
视频文件处理 io_video.py
实时摄像头集成 io_webcam.py
模块 2：基本图像操作
学习基本的图像处理技术，包括裁剪和调整大小操作，这些是更复杂计算机视觉任务的基础。

核心概念：

图像数组操作和裁剪 crop.py
图像调整大小和缩放技术 resizing.py
模块 3：色彩空间转换
理解不同的色彩表示方法及其在计算机视觉中的应用。掌握 RGB、灰度、HSV 和其他色彩空间之间的转换。

核心概念：

使用 cv2.cvtColor() 进行色彩空间转换 main.py
不同色彩空间的实际应用
模块 4：图像滤波和模糊处理
探索各种模糊技术用于降噪和图像预处理。学习何时以及如何应用不同的滤波方法。

核心概念：

使用 cv2.blur() 进行平均模糊 main.py
使用高斯模糊降噪 main.py
使用中值滤波处理椒盐噪声 main.py
模块 5：图像阈值处理
掌握使用全局和自适应阈值方法进行分割的技术，将对象从背景中分离出来。

核心概念：

使用 cv2.threshold() 进行全局阈值处理 global_threshold.py
在变化光照条件下使用自适应阈值处理 adaptive_threshold.py
模块 6：边缘检测
学习使用 Canny 算法和形态学操作检测图像中的边缘和边界。

核心概念：

Canny 边缘检测 main.py
形态学操作：膨胀和腐蚀 main.py
模块 7：绘图和标注
掌握在图像上绘制形状和添加文本的技巧，用于标注和可视化目的。

核心概念：

绘制线条、矩形和圆形 main.py
使用自定义字体渲染文本 main.py
模块 8：轮廓分析
学习检测和分析对象轮廓，用于形状分析、对象检测和测量应用。

核心概念：

使用 cv2.findContours() 进行轮廓检测 main.py
轮廓层次和属性分析

先决条件和设置
为了充分利用本课程，你应该具备：

基础 Python 编程知识
理解数组和矩阵
已安装 OpenCV 库（pip install opencv-python）
已安装 NumPy 库（pip install numpy）