OpenCV2

OpenCV2最新版是一款专业的跨平台计算机视觉库。OpenCV2官方版由一系列c、c++函数构成，增加了包括iOS和Android在内的新的平台支持，实现了GPU加速功能。OpenCV2软件能够为Python和Java用户提供接口，拥有图像处理和电脑视觉方通用运行算法，为程序语言编写提供便利。

OpenCV2短评

OpenCV2 作为经典版计算机视觉库，接口成熟稳定，兼容多语言与多系统，基础图像处理、特征检测、视频流处理等功能完备，对老旧项目适配友好，资源占用较低。其生态资料丰富，便于快速上手基础视觉开发，不过缺少深度学习相关模块，高级算法支持有限，性能相较新版本偏弱。

适用人群

适合负责维护传统视觉老项目的开发人员，保证代码兼容稳定；适合计算机视觉入门学习者，借助简洁接口夯实基础；适合嵌入式开发者，在低配置硬件上实现基础图像识别需求。

OpenCV2软件功能

      2、拥有包括 500 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库——尽管也可以使用某些外部库。

OpenCV2软件优势

      1、研究代码(慢，不稳定，独立并与其他库不兼容)

      2、耗费很高的商业化工具(比如Halcon,MATLAB+Simulink)

      3、依赖硬件的一些特别的解决方案(比如视频监控，制造控制系统，医疗设备)这是如今的现状，而标准的API将简化计算机视觉程序和解决方案的开发，OpenCV致力于成为这样的标准API。

      OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库(IntegratedPerformancePrimitives)得到更快的处理速度。右图为OpenCV与当前其他主流视觉函数库的性能比较。

OpenCV2使用说明

      在系统变量里面新建变量，名为 OPENCV ，值为自己解压opencv路径下的build路径，如 D:Program Filesopencvbuild。

      Tip

      这一步是方便以后如果opencv路径改变了，只需要修改此变量就可以了，而不必做大范围修改。

      在系统变量里面编辑 Path 变量，在末尾添加 ;%OPENCV%x86vc12bin 。

      Note

      x86和x64分别表示32bit和64bit的VS工程，根据自己的工程来修改，否则虽编译成功但会运行错误;vc10, vc11, vc12 分别表示VS2010, VS2012, VS2013的Visual Studio使用的编译器版本，根据自己的VS版本来填写正确的编译器版本号。

      VS内配置Opencv

      这里用VS属性表的方式将Opencv配进工程，每次只需要添加属性表即可完成配置，比手工界面配置方便很多。

      属性管理器 -> 右键 "test"(工程名) -> 添加现有属性表

      找到之前新建或者下载的属性表( D:Program Filesopencvopencv248.props )，添加进工程

      测试

      解决方案资源管理器 -> 源文件(右键)-> 添加 -> 新建项

      Visual C++ -> C++文件：输入名称test点添加

OpenCV2常见问题

       调用函数：使用 cv2.resize ()，传入原图、目标尺寸两个核心参数；

       固定尺寸：res = cv2.resize (img, (640, 480))，设置宽 640 高 480；

       比例缩放：fx=0.5, fy=0.5，将图像宽高均缩小为原来的一半；

       插值方式：缩小用 INTER_AREA，放大用 INTER_CUBIC，提升图像质量；

       显示保存：输出调整后的图像，用 imwrite 保存至本地。

   如何实现图像灰度转换？

       基础转换：调用 cv2.cvtColor () 函数，传入参数 cv2.COLOR_BGR2GRAY；

       代码示例：gray = cv2.cvtColor (img, cv2.COLOR_BGR2GRAY) 生成灰度图；

       直接读取：imread 第二个参数填 0，直接以灰度模式读取图像；

       显示对比：同时显示原图和灰度图，直观查看转换效果；

       保存使用：灰度图可用于人脸识别、边缘检测等后续处理。

   图像颜色失真怎么解决？

       通道修正：OpenCV 默认 BGR 格式，显示时转换为 RGB 格式；

       转换代码：rgb_img = cv2.cvtColor (img, cv2.COLOR_BGR2RGB)；

       库兼容：Matplotlib 显示图像必须转换通道，避免红蓝颠倒；

       保存校验：保存图像时直接用 BGR 格式，无需转换防止失真；

       格式检查：确保图像为 8 位彩色图，排除索引图、透明通道干扰。

   运行代码卡顿掉帧怎么办？

       降低分辨率：用 resize 缩小图像尺寸，减少计算量提升运行速度；

       关闭冗余：删除不必要的图像显示和打印语句，降低资源占用；

       优化算法：替换复杂算法，使用灰度图替代彩色图处理；

       硬件加速：开启 OpenCV GPU 加速，适配 NVIDIA 显卡提升性能；

       释放内存：及时销毁窗口、释放摄像头，避免内存泄漏。

   如何检测图像中的人脸？

       加载分类器：使用 cv2.CascadeClassifier 加载 haarcascade_frontalface_default.xml；

       预处理：将图像转换为灰度图，提升检测准确率和速度；

       执行检测：调用 detectMultiScale () 函数，获取人脸坐标参数；

       绘制框选：用 cv2.rectangle 在人脸位置绘制矩形框；

       优化参数：调整 scaleFactor 和 minNeighbors，适配不同场景的检测。

OpenCV2与OpenCV4区别

   版本差异：OpenCV2 是经典旧版，API 稳定、体积小巧；OpenCV4 为新版，功能更强、支持深度学习与新硬件。

   兼容性：OpenCV2 兼容老旧系统、嵌入式设备，依赖少；OpenCV4 对新系统、新显卡优化更好，不支持极老环境。

   功能支持：OpenCV2 仅基础图像处理、特征检测；OpenCV4 新增 DNN、跟踪、分割、YOLO 集成等高级能力。

   维护状态：OpenCV2 停止更新，无 bug 修复与安全补丁；OpenCV4 持续维护，社区活跃、文档完善。

OpenCV2更新日志

      1.修复若干bug;

      2.优化细节问题;