这篇文章整理了 Ubuntu 下从源码安装 OpenCV 的基本流程，包括下载 `opencv` 与 `opencv_contrib`、安装依赖、执行 `cmake`/`make`、补齐库路径与 `pkg-config` 环境变量，最后用官方示例验证是否安装成功。 在 Ubuntu 上源码安装 OpenCV，看起来只是几条 `cmake` 和 `make` 命令，但真正容易出问题的通常是依赖没装全、`opencv_contrib` 版本不匹配，或者装完后系统仍找不到库文件。
本文详细介绍OpenCV中HoughLines()函数的使用方法。该函数需配合二值化或Canny边缘检测结果使用，通过设置极径和极角精度及累加阈值来检测直线。文中提供了完整的Python代码示例，展示如何从读取图像、边缘检测到绘制检测结果的全过程，并解析了关键参数的物理意义与代码实现细节。
本文详细解析OpenCV中图像轮廓的提取、绘制及特征计算方法。涵盖findContours函数的检索模式与逼近方法，演示如何绘制指定索引轮廓，并深入讲解面积、周长、边界矩形及外接圆等几何特征的获取与计算，提供完整的Python代码示例。
本文介绍利用OpenCV和Python对倾斜拍摄的文本图像进行自动矫正的方法。通过高斯模糊、Canny边缘检测及形态学膨胀提取文本区域轮廓，筛选最大面积轮廓并计算最小外接矩形，获取旋转角度后执行仿射变换完成校正，有效提升OCR识别准确率。
本文详细解析OpenCV中Hough直线检测算法的核心原理，从笛卡尔坐标到极坐标参数空间的转换，以及累加器投票机制。通过cv.HoughLines函数原型分析rho、theta、threshold等关键参数，并结合Python代码示例展示如何结合Canny边缘检测实现直线提取与图像矫正。
本文深入解析OpenCV中的图像标注技术，涵盖边界框、多边形分割及语义分割等核心方法。通过Python代码示例，详细演示如何使用cv2模块手动绘制直线、圆形和矩形边界框，并基于K近邻（KNN）算法实现图像颜色分割，为机器学习模型训练提供高质量标注数据。
本文详细介绍OpenCV中cv2.cvtColor()函数的使用方法，涵盖RGB、HSV等8种常见色彩空间。重点讲解因OpenCV默认BGR格式导致的BGR2HSV转换细节，并通过示例展示其在生成Mask图及图像预处理中的应用，帮助开发者掌握色彩空间转换的核心技巧。
本文介绍如何使用OpenCV从图像中提取颜色和形状特征。通过转换至HSV、LAB、YCrCb等色彩空间，利用cv2.inRange进行颜色屏蔽，并结合cv2.findContours提取形状轮廓。内容涵盖色彩空间原理及具体代码实现，帮助开发者掌握基础特征提取技术。
本文详细介绍OpenCV-Python中图像的基本操作，包括使用cv2.imread读取不同格式图像、cv2.imshow配合waitKey显示图像以及cv2.imwrite保存图像。重点解析读入标志、保存质量参数及图像翻转、复制和颜色空间转换等常用技巧，帮助开发者快速掌握基础图像处理流程。
本文介绍如何使用Python和OpenCV实现动态瞄准星功能，通过鼠标回调函数控制圆圈与十字线的绘制。支持滚轮调整半径、加减号调节变化量，旨在提升关键点标注的精准度，特别适用于回归任务及人脸关键点定位场景。
本文详解Python OpenCV中图像阈值化的五种核心算法：二进制、反二进制、截断、反阈值化为0及阈值化为0。通过公式解析与完整代码示例，展示cv2.threshold函数的参数应用及不同阈值处理对图像像素值的具体影响，帮助开发者掌握图像分割与特征提取技术。
本文详解Python OpenCV中cv2.rectangle()函数的参数用法，包括坐标、颜色及线宽设置。同时介绍利用cv2.addWeighted()结合透明通道实现半透明矩形框的绘制原理，涵盖前景后景处理及透明度控制，提供完整代码示例与参数解析。
