一、背景介绍

OpenCV主要在视频，图像人工智能识别领域应用很普遍，当下人工智能的发展是前所未有的迅猛，而计算机视觉(Computer Vision)无疑是人工智能一个非常重要的分支，计算机视觉的发展也成为了很多科研人员和业界开发人员聚焦的热点。我们常说的无人驾驶、智能安防、人脸识别、文字识别、以图搜图、VR/AR、3D重构等等都是以计算机视觉做为技术基础的应用实践。

在计算机视觉项目的开发中，OpenCV作为最大众的开源库，拥有了丰富的常用图像处理函数库，采用C/C++语言编写，可以运行在Linux/Windows/Mac等操作系统上，能够快速的实现一些图像处理和识别的任务。此外，OpenCV还提供了java、python、cuda等的使用接口、机器学习的基础算法调用，从而使得图像处理和图像分析变得更加易于上手，让开发人员更多的精力花在算法的设计上。

OpenCV是一个用于图像处理、分析、机器视觉方面的开源函数库。无论你是做科学研究，还是商业应用，OpenCV都可以作为你理想的工具库，因为对于这两者，它完全是免费的。

同时，由于计算机视觉与机器学习密不可分，该库也包含了比较常用的一些机器学习算法，比如图像识别、机器视觉在安防领域有广泛的应用。但很少有人知道，在航拍图片、街道图片（例如google street view）中，要严重依赖于机器视觉的摄像头标定、图像融合等技术。

近年来，在入侵检测、特定目标跟踪、目标检测、人脸检测、人脸识别、人脸跟踪等领域，OpenCV可谓大显身手，而这些，仅仅是其应用的冰山一角。

如今，来自世界各地的各大公司、科研机构的研究人员，共同维护支持着OpenCV的开源库开发。这些公司和机构包括：微软，IBM，索尼、西门子、google、intel、斯坦福、MIT、CMU、剑桥。

二、图像、像素

可以说，OpenCV所应用场景都离不开图像的处理，那么接下来我来整理基于python的OpenCV处理处理的常用功能。

图像在计算机中是用数字表示，每一幅数字图像都是用M行N列的像素组成的，其中每一个像素都存储一个像素值，计算机通常把像素值处理为256个灰度级别，这256个灰度级别分别用区间[0,255]中的数值表示，其中0 表示纯黑色，255表示纯白色

像素是构成数字图像的基本单位，把图像无限放大就会发现图像是由许多个小方块组成的，通常把一个小方块称作一个像素，因此，一个像素是一个具有一定面积的一个小块，而不是一个点，需要注意的是，像素的形状是不固定的，大多数情况下，像素被认为是方形的，但有时也可能是圆形或者其它形状。