本文共 1396 字，大约阅读时间需要 4 分钟。

在Google Colab中使用OpenCV时，确保已安装OpenCV库是关键。安装过程相对简单，只需通过以下步骤即可完成。

打开代码单元格，输入以下命令安装OpenCV：

!pip install opencv-python

安装完成后，可以验证OpenCV的版本号。新开一个单元格，运行以下代码：

import cv2
print(cv2.__version__)

如果版本显示正常，说明OpenCV已成功安装。接下来，可以尝试读取并处理图像。假设你有个名为"test.jpg"的图像文件，可以运行以下代码：

import cv2
# 读取图像
img = cv2.imread('test.jpg')
# 检查读取结果
if img is None:
    print('无法读取图像')
else:
    # 显示原图
    cv2.imshow('原始图像', img)
    
    # 等待用户按键后关闭窗口
    cv2.waitKey(0)
    cv2.destroyAllWindows()

这段代码会打开一个窗口，显示你指定的图像。如果图像无法加载，程序会提示相应的错误信息。

在OpenCV中，你还可以进行各种图像处理操作。例如，使用resize方法调整图像大小：

# 缩放图像到200x150的尺寸
resized_img = cv2.resize(img, (200, 150))
cv2.imshow('缩放后的图像', resized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

OpenCV支持多种图像格式，适用于各种应用场景。它在人工智能领域也有广泛应用，常用于图像识别任务。以下是一个简单的人脸检测示例：

import cv2
# 读取图像
img = cv2.imread('test.jpg')
# 检查读取结果
if img is None:
    print('无法读取图像')
else:
    # 转换为灰度图像
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 加载人脸检测模型
    face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
    faces = face_cascade.detectMultiScale(gray_img, scaleFactor=1.3, minNeighbors=5)
    
    # 在原图上标记人脸
    for (x, y, w, h) in faces:
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
    
    # 显示检测结果
    cv2.imshow('人脸检测', img)
    
    # 等待用户按键后关闭窗口
    cv2.waitKey(0)
    cv2.destroyAllWindows()

这个示例展示了如何使用OpenCV进行基本图像处理和人脸检测。通过这些功能，你可以轻松实现多种图像处理任务，适用于开发和研究需求。

转载地址：http://jgsfk.baihongyu.com/