OpenCV 快速入门通过 14 个 Python 实践项目介绍图像与视频处理。5 个 Beginner 引导实验先建立核心工作流程，随后 9 个 Intermediate 挑战要求你使用 OpenCV、NumPy 和辅助可视化工具实现图像分析与变换技术。
你将使用课程提供的媒体文件，而不是只看抽象示例：检查像素和通道、生成处理后的图像与视频输出，并依据明确要求检验代码。
你将学到什么
- 加载、显示和保存图像，并将视频帧读取到文件或新视频中
- 检查和修改像素、图像尺寸、感兴趣区域及颜色通道
- 通过加法、混合、减法和位运算组合图像
- 转换颜色空间，并利用基于颜色的掩码分离对象
- 计算直方图与累积分布，并使用梯度和 OpenCV 算法检测边缘
- 绘制边界框和类别标签，将目标检测标注可视化
- 在图像中定位模板，并检测直线和圆
- 应用形态学操作，构建可复用的旋转、翻转、缩放和颜色增强方法
本课程适合谁
本课程适合开始学习计算机视觉的 Python 学习者，以及希望在基础图像加载之外练习 OpenCV 的开发者。引导实验提供易于进入的起点，挑战部分则适合准备补全预置程序并调试图像处理结果的学习者。
前置要求： 建议掌握 Python 基础，包括函数、循环、数组和文件读取。熟悉 NumPy 数组有助于完成中级挑战；无需计算机视觉项目经验。
学习环境： 课程使用预装 OpenCV-Python 并提供图像或视频素材的 Ubuntu 22.04 环境。12 个项目在 WebIDE 中运行，2 个使用 VNC 桌面呈现可视化结果。你会编辑 Python 文件、从终端运行代码，并检查保存或显示的结果。
常见问题
需要摄像头或自己的图像数据集吗？
不需要。课程使用提供的本地图像和一个本地视频文件。视频实验从 video.mp4 读取帧，不采集实时摄像头输入。
可以在实验环境中播放生成的视频吗？
不能直接播放。视频实验会写入 output.avi，但实验说明指出当前环境不支持视频播放。你可以下载输出文件并使用本地播放器查看。
课程会训练目标检测或深度学习模型吗？
不会。课程会可视化已有边界框标注并创建图像增强，但不训练神经网络或检测模型；重点是传统图像处理和 OpenCV 操作。
所有项目都是入门难度吗？
不是。课程包含 5 个 Beginner 引导实验和 9 个 Intermediate 挑战。如果你刚接触 OpenCV，建议先完成图像、视频、算术运算与颜色空间实验，再尝试梯度、模板匹配、形态学、形状检测和增强。
