要开始尝试计算机视觉,你需要一个编写和运行代码的地方。这包括在你的计算机上搭建开发环境。可以把这看作是准备好你的数字工作台和所需工具。Python编程语言和一些专用库在计算机视觉的许多方面都会被使用。Python因其可读性、丰富的库集合和强大的社区支持而成为一个常用选择。库是预先编写好的代码集合,提供我们能直接使用的功能,省去我们从头编写一切的麻烦。为何使用专用环境?在安装任何东西之前,强烈建议为你的项目创建一个隔离环境。为何如此?不同的项目可能需要同一库的不同版本。全局安装所有东西(直接安装到你的主Python中)之后可能导致冲突。虚拟环境就像一个自给自足的工作区,为每个项目使其依赖项彼此分开。必要工具我们将需要以下组成部分:Python: 核心编程语言。我们假定你已安装Python 3。如果没有,可以从Python官方网站(python.org)下载。在Windows上安装时,请确保勾选“将Python添加到PATH”选项。pip: Python的包安装器。它通常随Python 3一同提供。我们将使用pip来安装所需库。虚拟环境工具: Python自带venv模块用于创建虚拟环境。OpenCV: 计算机视觉任务的主要库。它提供了一系列图像和视频分析功能。NumPy: Python中用于数值运算的基本库。图像本质上是数值数据(像素值数组),NumPy提供处理这些数组的有效方法。OpenCV很大程度上依赖于NumPy。Matplotlib: 一个用于创建图表和可视化内容的库。我们将偶尔用它来显示图像或直方图等图表。工作区搭建步骤让我们通过命令行或终端逐步完成搭建过程。打开终端或命令提示符:在 Windows 上,搜索 cmd 或 PowerShell。在 macOS 上,打开 终端 应用程序(位于“应用程序”>“实用工具”中)。在 Linux 上,打开你常用的终端模拟器(例如,gnome-terminal、konsole)。创建项目目录: 为你的课程学习准备一个专用文件夹是个良好习惯。# 创建一个目录(例如'cv_intro')并进入该目录 mkdir cv_intro cd cv_intro创建虚拟环境: 我们将使用Python内置的venv模块。我们将环境命名为env(一种常见做法)。# 在macOS/Linux上 python3 -m venv env # 在Windows上 python -m venv env此命令会创建一个名为env的新目录,其中包含Python解释器副本和用于安装库的地方。激活虚拟环境: 每次在新的终端会话中处理项目时,你都需要激活环境。# 在macOS/Linux上 (bash/zsh) source env/bin/activate # 在Windows上 (命令提示符) .\env\Scripts\activate.bat # 在Windows上 (PowerShell) .\env\Scripts\Activate.ps1激活后,你的终端提示符通常会改变以显示环境名称(例如,(env) Your-Computer:cv_intro user$)。这表示python和pip命令现在将使用此隔离环境中的版本。安装库: 现在,使用pip安装OpenCV、NumPy和Matplotlib。我们将安装主要的OpenCV模块(opencv-python),它将NumPy作为依赖项,同时也会安装Matplotlib。pip install opencv-python matplotlibpip将下载并安装指定的包及其依赖项到你当前激活的虚拟环境中。验证安装: 快速检查是否一切安装正确的方法是启动Python解释器并尝试导入库。在已激活的终端中输入python(或某些系统上的python3)并按回车键。你应该会看到Python提示符(>>>)。尝试导入库:>>> import cv2 >>> import numpy >>> import matplotlib >>> print(cv2.__version__) # 预期输出:版本号,例如 4.9.0(或类似) >>> exit()如果没有收到任何ModuleNotFoundError消息,并且cv2.__version__命令打印出版本号,则你的环境已准备好!输入exit()退出Python解释器。关于OpenCV包的说明: 你可能会看到通过pip可用的不同OpenCV包(例如,opencv-contrib-python)。对于本入门课程,opencv-python包含我们所需的核心功能。contrib包包含附加的、通常是实验性的模块。替代方案:使用Anaconda数据科学和机器学习领域的许多人倾向于使用Anaconda,它是Python和R的一个发行版,包含其自己的包管理器(conda)和环境管理系统。如果你已经使用Anaconda,可以使用以下方式创建环境并安装包:# 使用Python创建一个名为'cv_intro_env'的新环境 conda create --name cv_intro_env python=3.9 # 或你偏好的Python 3版本 # 激活环境 conda activate cv_intro_env # 安装库(通常使用不同的通道配置) conda install -c conda-forge opencv numpy matplotlib虽然Anaconda功能强大,但为保持简洁和符合标准Python习惯,本课程将主要采用pip和venv方法。选择你最习惯的方法。现在你已经拥有一个可用的Python环境,并配备了计算机视觉的必要工具。在下一节中,我们将使用此搭建来加载和显示我们的第一张数字图像。请记住,每当你启动新的终端会话来完成课程练习时,都要激活你的虚拟环境(source env/bin/activate 或 .\env\Scripts\activate)。