opencv环境搭建-python

简介: 本文介绍了如何在Python环境中安装OpenCV库及其相关扩展库,包括numpy和matplotlib,并提供了基础的图像读取和显示代码示例,同时强调了使用Python虚拟环境的重要性和基本操作。

最近遇到了一些图像处理的需求,所以需要学习一下opencv,来记录一下我的学习历程。

  1. 安装numpy
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  numpy
  1. 安装matplotlib
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  matplotlib
  1. 安装opencv
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  opencv-python

扩展库

pip install opencv-python==3.4.2.17
pip install opencv-contrib-python==3.4.2.17
  1. 安装jupyter
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  jupyter notebook

基础环境搭建完毕,使用opencv来牛刀小试一把!(读取显示一张图片)

import cv2 as cv
import numpy as np

src_img = cv.imread("./ikun.jpg")
cv.imshow("ikun",src_img)
cv.waitKey(0)
cv.destoryAllWindows()

image.png

虚拟环境:使用Python虚拟环境很重要,它可以确保项目的隔离性、可维护性和稳定性。无论是在Web开发、数据科学、机器学习还是其他领域,使用虚拟环境都是一个有益的最佳实践。

  1. 隔离项目依赖,避免全局影响
  2. 易于复制和安装或共享项目
  3. 利于项目兼容性测试
python -m venv cv # 创建虚拟环境,名为cv

.\cv\Scripts\activate  # 激活虚拟环境 

deactivate # 退出虚拟环境

rm -r cv # 删除虚拟环境
相关文章
|
3月前
|
机器学习/深度学习 人工智能 算法
Python在计算机视觉(CV)中扮演重要角色,得益于其丰富的库如OpenCV、Pillow和Scikit-image。
【7月更文挑战第5天】Python在计算机视觉(CV)中扮演重要角色,得益于其丰富的库如OpenCV、Pillow和Scikit-image。CV涉及图像处理、模式识别和机器学习,用于图像理解和生成。Python的跨平台特性和活跃社区使其成为CV的理想工具。基本流程包括图像获取、预处理、特征提取、分类识别及图像生成。例如,面部识别通过预处理图像,使用如`cv2.CascadeClassifier`进行检测;物体检测类似,但需适应不同目标;图像生成则利用GAN创造新图像。
55 4
|
8天前
|
Java 编译器 Go
Python学习笔记--- day01计算机基础和环境搭建(一)
Python学习笔记--- day01计算机基础和环境搭建(一)
24 2
|
8天前
|
程序员 编译器 Python
Python学习笔记--- day01计算机基础和环境搭建(二)
Python学习笔记--- day01计算机基础和环境搭建(二)
16 1
|
2月前
|
数据可视化 安全 数据挖掘
streamlit (python构建web)之环境搭建
在微信订阅号中发现了一篇关于Streamlit的文章,激发了我的兴趣。Streamlit是一款专为数据科学家设计的开源Python库,能迅速将数据分析脚本转变为功能完备的Web应用。它简化了开发流程,支持轻松添加交互组件及动态展示图表、图像等,非常适合开发安全扫描工具。Streamlit基于Jupyter Notebook原理,通过Python脚本创建可视化和交互式的Web应用,易于部署分享。安装方法多样,可通过`pip install streamlit`快速安装,或通过Anaconda环境管理依赖。启动示例应用只需运行简单命令,即可体验自带的动画、绘图和数据展示等功能。
streamlit (python构建web)之环境搭建
|
2月前
|
Java 缓存 数据库连接
揭秘!Struts 2性能翻倍的秘诀:不可思议的优化技巧大公开
【8月更文挑战第31天】《Struts 2性能优化技巧》介绍了提升Struts 2 Web应用响应速度的关键策略,包括减少配置开销、优化Action处理、合理使用拦截器、精简标签库使用、改进数据访问方式、利用缓存机制以及浏览器与网络层面的优化。通过实施这些技巧,如懒加载配置、异步请求处理、高效数据库连接管理和启用GZIP压缩等,可显著提高应用性能,为用户提供更快的体验。性能优化需根据实际场景持续调整。
58 0
|
2月前
|
JSON API 数据库
探索FastAPI:不仅仅是一个Python Web框架,更是助力开发者高效构建现代化RESTful API服务的神器——从环境搭建到CRUD应用实战全面解析
【8月更文挑战第31天】FastAPI 是一个基于 Python 3.6+ 类型提示标准的现代 Web 框架,以其高性能、易用性和现代化设计而备受青睐。本文通过示例介绍了 FastAPI 的优势及其在构建高效 Web 应用中的强大功能。首先,通过安装 FastAPI 和 Uvicorn 并创建简单的“Hello, World!”应用入门;接着展示了如何处理路径参数和查询参数,并利用类型提示进行数据验证和转换。
52 0
|
3月前
|
机器学习/深度学习 数据采集 算法
Python基于OpenCV和卷积神经网络CNN进行车牌号码识别项目实战
Python基于OpenCV和卷积神经网络CNN进行车牌号码识别项目实战
150 19
|
3月前
|
Python
Python:Python环境搭建
搭建Python 3.8.5环境,下载amd64安装包,选择自定义安装,添加环境变量。安装完成后,通过Win+R打开CMD输入`python`验证安装,或用`python -V`查看版本。Python运行包括交互式和文件式。初学者可尝试在IDLE中打印"Hello, World!",或进行人名对话练习,输入姓名后输出欢迎语。
55 1
Python:Python环境搭建
|
2月前
|
Unix 程序员 C++
Day 1/100:Python 环境搭建!
Day 1/100:Python 环境搭建!
32 0
|
2月前
|
Linux Python Windows
超详细!新手友好Python+Django环境搭建
很高兴在这里陪您开始新的Python和Django学习之旅。下面是一个简单的指南,将引导您完成Python环境的安装、虚拟环境的创建、以及如何使用Django搭建一个基本的Web项目。