1️⃣ 什么是 OpenCV (cv2)
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，提供了图像处理、视频分析、机器视觉、特征识别等功能。
在 Python 中，使用 cv2 模块来调用 OpenCV 的各种函数。
特点：
- 强大：涵盖图像读取、编辑、特征检测、机器学习等。
- 跨平台：支持 Windows、Linux、macOS。
- 易用：与 NumPy 紧密结合，图像直接以 numpy.ndarray（数组/矩阵）形式存储。
2️⃣ 模板匹配案例
模板匹配是一种在大图中寻找小图的经典方法。
我们的目标是：给定一张模板图（template），在目标图像（image）中找到它出现的位置，并用绿色矩形标记出来。
完整代码（详细注释版）
python
import cv2 # 导入 OpenCV 库，用于图像处理和计算机视觉
# 1. 读取原图像（待搜索的图像）
kele = cv2.imread('image.png') # 从文件读取图像，返回 NumPy 数组（BGR 格式）
cv2.imshow('kele', kele) # 显示原图
cv2.waitKey(0) # 等待用户按下任意键，按键后窗口才会响应
# 2. 读取模板图像（要找的小图）
template = cv2.imread('template.png')
cv2.imshow('template', template)
cv2.waitKey(0)
# 3. 获取模板的尺寸（高 h，宽 w）
h, w = template.shape[:2] # shape[0] 是高度，shape[1] 是宽度
# 4. 进行模板匹配
# TM_CCOEFF_NORMED：归一化相关系数匹配法，匹配度越高值越接近 1
res = cv2.matchTemplate(kele, template, cv2.TM_CCOEFF_NORMED)
# 5. 获取匹配结果中的最大值、最小值及对应的位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
# min_val：最小匹配值
# max_val：最大匹配值
# min_loc：最小值的位置 (x, y)
# max_loc：最大值的位置 (x, y)
# 6. 确定最佳匹配区域
top_left = max_loc # TM_CCOEFF_NORMED 是"值越大越相似"，所以取 max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
# 7. 在原图上绘制绿色矩形框
kele_template = cv2.rectangle(kele, top_left, bottom_right, (0, 255, 0), 2)
# 参数：
# - (0, 255, 0)：绿色 (BGR)
# - 2：线条宽度
# 8. 显示结果
cv2.imshow('kele_template', kele_template)
cv2.waitKey(0)运行效果：
程序会依次弹出三个窗口：
- 显示原图 kele
- 显示模板图 template
- 在原图中绘制绿色矩形框标记匹配区域
3️⃣ 核心函数讲解
图像读写与显示
| 函数 | 作用 | 常用参数 |
|---|---|---|
cv2.imread(path, flags) |
读取图像 | flags: cv2.IMREAD_COLOR(默认彩色)、cv2.IMREAD_GRAYSCALE(灰度) |
cv2.imwrite(path, img) |
保存图像 | 文件路径 |
cv2.imshow(winname, img) |
显示图像窗口 | winname 为窗口名 |
cv2.waitKey(delay) |
等待键盘事件 | delay=0 表示无限等待，单位：毫秒 |
cv2.destroyAllWindows() |
关闭所有窗口 | 无 |
图像属性
python
img.shape # (height, width, channels)
img.size # 图像像素总数
img.dtype # 图像数据类型（如 uint8）绘图函数
| 函数 | 作用 |
|---|---|
cv2.line(img, pt1, pt2, color, thickness) |
画线 |
cv2.rectangle(img, pt1, pt2, color, thickness) |
画矩形 |
cv2.circle(img, center, radius, color, thickness) |
画圆 |
cv2.putText(img, text, org, font, scale, color, thickness) |
绘制文字 |
模板匹配
| 函数 | 作用 |
|---|---|
cv2.matchTemplate(image, templ, method) |
计算模板在图像中每个位置的匹配度 |
cv2.minMaxLoc(src) |
返回最小值、最大值及其坐标 |
常用匹配方法：
cv2.TM_SQDIFF：平方差匹配（越小越相似）cv2.TM_CCORR_NORMED：归一化相关匹配（越大越相似）cv2.TM_CCOEFF_NORMED：归一化相关系数匹配（越大越相似）
4️⃣ OpenCV 与 NumPy 的关系
OpenCV 中的图像对象是一个 NumPy 数组：
可以用数组切片直接操作像素：
python
pixel = img[100, 200] # 获取 (y=100, x=200) 像素 [B, G, R]
blue_channel = img[:, :, 0] # 获取蓝色通道可以直接使用 NumPy 的数学运算，如平均值、标准差：
python
import numpy as np
mean_brightness = np.mean(img)5️⃣ 经验总结
cv2.imshow()只是提交图像数据，必须配合cv2.waitKey()才能真正显示。- 读取彩色图像时，OpenCV 默认是 BGR 而不是 RGB。
- 模板匹配适合小目标、光照变化不大的场景；更复杂的情况建议使用特征匹配（如 SIFT、ORB）。