OpenCV (Open Source Computer Vision Library) 是一个开源的计算机视觉和机器学习库，由 Intel 在 1999 年建立。这个库包含了大量用于计算机视觉任务的算法，包括特征检测、图像分割、对象识别、人脸识别、图像恢复、相机校准、双目视觉、运动分析和 3D 重建等。

1. 跨平台：支持 Windows、Linux、Mac OS、Android 和 iOS 等操作系统。
2. 丰富的功能：包括图像和视频处理、特征检测、目标跟踪、机器学习等。
3. 高性能：用 C++ 编写，并且提供了 Python、Java、MATLAB 和其他语言的接口。
4. 免费且开源：基于 BSD 许可，允许在商业产品中使用。
5. 活跃的社区：拥有大量的用户和开发者，不断贡献新的算法和修复 bug。

1. 图像处理：图像滤波、边缘检测、直方图均衡化、图像变换等。
2. 目标检测：使用 Haar、LBP 或 HOG 特征进行人脸或物体检测。
3. 特征提取：使用 SIFT、SURF、ORB 等算法提取图像中的关键点。
4. 目标跟踪：使用 KLT、MIL、BOOSTING、TLD 等算法进行目标跟踪。
5. 机器学习：支持 SVM、KNN、决策树、随机森林等机器学习算法。
6. 三维重建：通过双目视觉或其他方法从多张图像中重建三维场景。

2.安装和使用OpenCV：

OpenCV依赖一些库，比如Numpy，先安装上。

pip install numpy

主模块包的安装命令，由于OpenCV是一个较大的库，安装可能需要一些时间。

pip install opencv-python

如果你需要OpenCV的完整功能（包括一些非免费的算法），可以选择这个安装命令。

pip install opencv-contrib-python

3.OpenCV的主要模块

请注意，OpenCV库的具体模块和功能可能会随着版本的更新而有所变化。以上信息基于当前OpenCV库的一般结构和功能描述。在使用时，建议查阅OpenCV的官方文档以获取最准确和最新的信息，以下是OpenCV在Python中的主要模块及其简要说明：

1. core模块：
   • 核心模块，包含了OpenCV库的核心功能，如数据类型、矩阵操作、数组操作、图像处理等。
   • 实现了最核心的数据结构及基本算法，如绘图函数、数组操作相关函数等。
2. imgproc模块：
   • 图像处理模块，包含了图像处理函数，如阈值处理、滤波、边缘检测、形态学操作、直方图处理等。
   • 实现了图像处理的基础方法，包括图像滤波、图像的几何变换、平滑、阈值分割、形态学处理、边缘检测、目标检测、运动分析和对象跟踪等。
3. highgui模块：
   • 图形用户界面模块，提供了图像的图形窗口操作功能，如创建窗口显示图像或者视频、命令窗口响应键盘和鼠标事件、操作窗口中图像的某个区域等。
   • 实现了视频与图像的提取、显示和存储等功能。
4. video模块：
   • 视频分析模块，提供了视频分析功能，如分析视频中连续帧之间的运动、跟踪视频中的目标等。
5. features2D模块：
   • 特征提取模块，提供了特征提取功能，可以从2D图像中检测和提取对象的特征。
6. objdetect模块：
   • 对象检测模块，实现了一些目标检测的功能，如经典的基于Haar、LBP特征的人脸检测，基于HOG的行人、汽车等目标检测。
7. ml模块：
   • 机器学习模块，提供了各种机器学习算法，如k邻近、k均值聚类、支持向量机、神经网络等。
8. videoio模块：
   • 视频输入输出模块，提供了一些视频处理相关的函数，如视频的读取和保存、视频的帧率、分辨率等。
9. calib3d模块：
   • 3D重建模块，提供了3D重建功能，可根据2D图像创建3D场景。
10. stitching模块：
    • 图片拼接模块，实现了图片的拼接功能，如遥感影像拼接。
11. FLANN模块：
    • 包含了快速近似最近邻搜素FLANN算法和聚类Clustering算法。
12. photo模块：
    • 包含图像修复和图像去噪两部分。
13. optflow模块：
    • 提供了与光流操作相关的算法。
14. videostab模块：
    • 提供了视频稳定处理功能，可解决拍摄视频时的抖动问题。
15. nonfree模块（非免费模块，某些版本可能不包含）：
    • 实现了一些专利算法，如SIFT特征。

import cv2  
# 读取图像  img = cv2.imread('example.jpg')  
# 显示图像  cv2.imshow('Image', img)  
# 等待按键，然后关闭窗口  cv2.waitKey(0)  cv2.destroyAllWindows()