OpenCV
OpenCV（Open Source Computer Vision Library）是一个开源的跨平台计算机视觉与机器学习软件库，由Intel发起并持续由社区维护。库底层以C++实现，同时提供Python、Java等多语言接口。OpenCV涵盖图像处理、视频分析、目标检测、特征提取、三维重建等数百种算法，广泛应用于工业检测、机器人、医学影像及增强现实等领域。
核心事实
时间轴 (近 90 天)
LabelImg 是经典的矩形框标注工具，输出 Pascal VOC 和 YOLO 两种格式；CVAT 由 OpenCV 团队维护，支持多边形、关键点、属性标注以及多人协作与任务分配。
归一化（如OpenCV的normalize、PIL的ImageOps.autocontrast）将图像灰度范围线性拉伸到0-255，压缩过渡带，使阈值选择不再敏感。但对局部光照不均效果有限，应先做背景减除。
一位开发者在 Reddit 上分享了基于 Python、YOLOv8 和 OpenCV 构建的实时目标检测系统
基于成熟框架二次封装（如 OpenCV、Pillow、WASM 图像处理栈）可快速获得稳定基础能力，但架构灵活性受限更多
随着开源计算机视觉库（如OpenCV）和廉价边缘计算设备（如树莓派、Jetson系列）的普及，个人开发者能够复刻功能近似的车牌识别系统
Anthropic 推荐为 Agent 配备 PIL 和 OpenCV 等免费 Python 库，让其对高密度图像进行裁剪缩放，以聚焦关键部分并降低 token 消耗
FireFly 在感知层集成了 OpenCV、YOLO 目标检测、U-Net 分割、模板追踪和游戏内存/Lua 状态读取等多种方案
《MOTH》的技术实现基于Python生态开源工具链：Pillow负责图像绘制与合成，OpenCV处理图像变换，NumPy进行数值与矩阵运算，FFmpeg完成音视频编码合成与输出
OpenCV内置的模板匹配cv2.matchTemplate在目标图像上滑动模板逐位置计算相似度，对缩放和旋转几乎没有容忍度
OpenCV 帧差法将连续两帧转灰度图后逐像素做差值，统计超过亮度阈值的像素占比来量化变化程度，完全在本地CPU完成，延迟通常在几十毫秒内
还有 18 条时间轴事件
全部知识事实 (20)
OpenCV自2000年由Intel发起，已成为全球计算机视觉开发者最重要的基础工具库
75%已验证系统使用OpenCV负责图像处理、轨迹绘制和角度可视化
65%已验证cv2.waitKey()的参数单位为毫秒，传入0表示无限等待直到用户按下键盘任意键
65%已验证OpenCV彩色图片的3个通道顺序是BGR（蓝-绿-红）而非RGB
65%已验证在Python中导入OpenCV时使用的模块名是cv2而非opencv
65%待验证OpenCV的底层由C++编写，Python通过调用C++接口来使用其功能
95%待验证OpenCV的matchTemplate()函数提供了六种匹配算法
95%待验证OpenCV已经可靠运行超过25年，是计算机视觉领域的基石
90%待验证OpenCV窗口和底层资源由C++运行时直接管理，不在Python垃圾回收机制的管辖范围内
90%待验证cv2.waitKey()实际上驱动着OpenCV的GUI事件循环，处理窗口重绘、鼠标事件、键盘事件等系统消息
90%待验证OpenCV的imread()读取图片时路径中不能包含中文字符，否则会导致图片加载失败返回None
85%待验证OpenCV由英特尔公司于1999年发起，2000年正式开源发布
85%待验证PyAutoGUI可以与Selenium、OpenCV、Schedule等库组合使用构建更复杂的自动化工作流
85%待验证TM_CCOEFF_NORMED（归一化相关系数法）是游戏自动化场景中最常用的模板匹配算法选择，将匹配结果归一化到[-1, 1]区间
85%待验证OpenCV被谷歌、微软、英特尔、IBM等科技巨头广泛采用
80%待验证OpenCV支持多尺度模板匹配，可在不同缩放比例下分别执行匹配取最高置信度结果
80%待验证PnP问题指已知n个三维空间点及其对应二维图像投影点求解摄像头位姿，常用EPnP或迭代LM算法结合RANSAC求解
70%待验证透视校正利用OpenCV的cv2.getPerspectiveTransform()和cv2.warpPerspective()函数，通过识别棋盘四角点映射到标准矩形坐标消除几何畸变
60%待验证video-use 作为 Python 项目可与 FFmpeg、MoviePy 等成熟视频处理生态结合，并嵌入 CI/CD 流程或自动化脚本
60%待验证OpenCV默认使用BGR色彩空间而MediaPipe需要RGB输入，如果忘记转换会导致检测失败
60%