了解安装OpenCV-Python
1、简介
（了解安装OpenCV-Python）相信大部分人知道的OpenCV都是用C++来开发的，那为什么我推荐使用Python呢？
本教程翻译自OpenCV官方英文教程，按照使用度和难易度翻译，重新编写了大量原创内容，将不常用和较难的部分写成番外篇，浅显易懂，很easy的辣~每节的源码、图片和练习题答案均可在引用处找到噢
2、Python照样快！
众所周知，虽然Python语法简洁，编写高效，但相比C/C++运行慢很多。然而Python还有个重要的特性：它是一门胶水语言！Python可以很容易地扩展C/C++。OpenCV-Python就是用Python包装了C++的实现，背后实际就是C++的代码在跑，所以代码的运行速度跟原生C/C++速度一样快。
举两个简单的例子就一目了然了：一个是读入图片，另一个是调整图片的对比度和亮度：
可以看到某些情况下Python的运行速度甚至好于C++，代码行数也直接少一半多！另外，图像是矩阵数据，OpenCV-Python原生支持Numpy，相当于Python中的Matlab，为矩阵运算、科学计算提供了极大的便利性。
3、人工智能浪潮
近些年，人工智能相关技术的快速发展大家有目共睹，不必多说。在编程语言方面，更多人希望的是具备高效开发效率、跨平台、高度扩展性的语言，尤其是一些AI巨头优先推出支持Python语言的深度学习框架，如Facebook的PyTorch、Google的Tensorflow等，可以说Python是名副其实的“网红语言”了。
从TIOBE编程语言排行榜也可以看到，Python发展迅猛，已经逼近C++的份额。这个排行榜每月更新，我就不截图了，编写时TOP5：Java/C/C++/Python/C#。
4、人生苦短，我用Python
如果你搞科研用，果断放弃C++（Matlab？出门左拐）
如果你是快速原型开发，验证方案，果断放弃C++
如果你懒的配置OpenCV环境，果断放弃C++
如果你的程序是在支持Python的较高硬件环境下运行，果断放弃C++
如果你担心Python写不了界面，那是你的问题o_o ….
除非你的程序是MFC或已经用C++编写其他模块或是嵌入式设备，那就用C++吧
“人生苦短，我用Python！！！”
5、安装
本教程编写时使用的软件版本是：OpenCV 3.x，Python 3.x。
要安装OpenCV，只需cmd下的一条指令：
pip install opencv-python
pip是Python的包管理器，如果你还没安装Python，强烈推荐安装Anaconda，它包含了大量的科学计算包，不用后期一个个安装。即使你已经装了Python也没有影响，Anaconda相当于虚拟环境，互不干扰。
安装步骤
进入Anaconda官网，下载最新版本的安装文件，速度比较慢的话，可以去清华开源镜像站。
Windows版下载的是exe文件，双击可以直接安装，安装时记得勾选 Add Anaconda to my PATH environment variable，添加到环境变量中。
Linux版下载的是sh文件，下载完成后，终端切换到下载目录，执行bash Anaconda3-xx.sh，Linux版也会提示添加环境变量，记得输yes就行。
6、安装测试
Python安装好之后，可以在cmd中输入python --version来查看Python的版本信息。对于OpenCV，打开Python的开发环境，输入import cv2，运行没有报错说明一切正常。要查看OpenCV的版本，可以：
print(cv2.__version__) # '3.4.1'
Python开发环境我用的是Visual Studio Code，也可以用PyCharm/Atom/Jupyter Notebook(Anaconda自带)，或者直接在命令行里敲，自己习惯就行。
7、常见问题
pip识别不了：环境变量中没有pip的目录，找到pip目录，添加到用户（或系统）变量的path中。
下载速度很慢：可到此处下载离线版。下载完成后，cmd切换到下载目录，输入 pip install 文件名 安装。
8、学习软件
为了便于学习OpenCV，我写了一个教学款软件LearnOpenCVEdu，目前只开发了一部分功能，有兴趣的童鞋可以支持一下噢
引用
本节源码 http://t.cn/EqNCWbb
网络资料
OpenCV Docs官方文档 https://docs.opencv.org/
OpenCV 官方Github https://github.com/opencv/opencv
官方英文教程：OpenCV-Python Tutorials http://t.cn/R5nr2Ip
LearnOpenCV、LearnOpenCV Github http://t.cn/Rfr0E5c
Numpy Quickstart Tutorial https://docs.scipy.org/doc/
OpenCV 中文教程 http://t.cn/zOvAjYG
书籍
Programming Computer Vision with Python、中文书
https://www.pyimagesearch.com/practical-python-opencv/
名校视觉研究所/课程
卡内基梅隆大学
多伦多大学
番外篇1：代码性能优化
学习如何评估和优化代码性能。
完成一项任务很重要，高效地完成更重要。图像处理是对矩阵的操作，数据量巨大。如果代码写的不好，性能差距将很大，所以这节我们来了解下如何评估和提升代码性能。
1、评估代码运行时间
这段代码就是用来测量程序运行时间的（单位：s），其中cv2.getTickCount()函数得到电脑启动以来的时钟周期数，cv2.getTickFrequency()返回你电脑的主频，前后相减再除以主频就是你代码的运行时间（这样解释并不完全准确，但能理解就行）。另外，也可以用Python中的time模块计时：
经验之谈：如果你使用的是IPython或Jupyter Notebook开发环境，性能分析将会非常方便，详情请参考：Timing and Profiling in IPython
2、优化原则
数据元素少时用Python语法，数据元素多时用Numpy
所以Numpy的运行速度并不一定比Python本身语法快，元素数量较少时，请用Python本身格式。
- 尽量避免使用循环，尤其嵌套循环，因为极其慢！！！
- 优先使用OpenCV/Numpy中封装好的函数
- 尽量将数据向量化，变成Numpy的数据格式
- 尽量避免数组的复制操作
引用
- 本节源码 http://t.cn/EqNpImZ
- Python Optimization Techniques http://t.cn/8kk3LIU
- Timing and Profiling in IPython http://t.cn/EqNpmmX
- Advanced Numpy http://t.cn/EqN0zhX
