Python 机器视觉入门：第1-5章完整学习指南（博客版）

欢迎来到Python机器视觉的世界！本系列教程专门为像你这样有C#开发经验、希望快速入门Python及机器视觉基础的朋友设计。我们将用5章的篇幅，从零搭建Python知识体系，为后续的OpenCV学习打下坚实基础。

---

第1章：Python 环境搭建与基础语法

1.1 Python安装与环境配置

重点：下载Python 3.8+（推荐3.8或3.9，对机器视觉库兼容性最好），安装时务必勾选“Add Python to PATH”。

验证安装：打开命令行（cmd），输入：

python --version

若显示版本号，则安装成功。

推荐IDE：VS Code（安装Python插件）或 PyCharm Community Edition。

1.2 第一个Python程序

# 使用 print() 输出内容
print("Hello, 机器视觉！")  # 输出：Hello, 机器视觉！

重点：print() 是最常用的输出函数；字符串用引号包围。

1.3 变量与数据类型

Python变量不需要声明类型，直接赋值即可。

# 整数
age = 25
print(age, type(age))  # 输出：25 <class 'int'>

# 浮点数
price = 19.99
print(price, type(price))  # 输出：19.99 <class 'float'>

# 字符串
name = "硅片检测"
print(name, type(name))  # 输出：硅片检测 <class 'str'>

# 布尔值
is_ok = True
print(is_ok, type(is_ok))  # 输出：True <class 'bool'>

重点：type() 函数可查看变量类型；布尔值首字母大写 True/False。

1.4 基本运算符

a = 10
b = 3

# 算术运算
print(a + b)   # 13
print(a - b)   # 7
print(a * b)   # 30
print(a / b)   # 3.333...
print(a // b)  # 3 (整除)
print(a % b)   # 1 (取余)
print(a ** b)  # 1000 (幂)

# 比较运算
print(a > b)   # True
print(a == b)  # False

# 逻辑运算
x = True
y = False
print(x and y) # False
print(x or y)  # True
print(not x)   # False

重点：// 整除，% 取余，** 幂；逻辑运算符 and/or/not。

1.5 字符串操作

s = "opencv learning"

# 拼接
s2 = s + " is fun"
print(s2)  # opencv learning is fun

# 索引与切片（索引从0开始）
print(s[0])      # 'o'
print(s[-1])     # 'g' (倒数第一个)
print(s[7:13])   # 'learn' (切片 7~12)

# 常用方法
print(s.upper())          # OPENCV LEARNING
print(s.replace("learning", "tutorial"))  # opencv tutorial
print(s.split(" "))       # ['opencv', 'learning']
print(len(s))             # 16

重点：字符串是不可变对象；切片 [start:end:step] 非常重要；常用方法如 split, replace, upper, len。

1.6 列表（list）—— 最常用容器

# 创建列表
fruits = ["apple", "banana", "cherry"]
numbers = [1, 2, 3, 4, 5]
mixed = [1, "hello", 3.14, True]

# 增删改查
fruits.append("orange")      # 尾部添加
fruits.insert(1, "grape")    # 指定位置插入
fruits.remove("banana")      # 删除第一个匹配项
popped = fruits.pop()        # 弹出最后一个元素
fruits[0] = "watermelon"     # 修改

# 列表推导式（快速生成列表）
squares = [x**2 for x in range(5)]   # [0, 1, 4, 9, 16]

print(fruits)   # ['watermelon', 'grape', 'cherry']
print(squares)  # [0, 1, 4, 9, 16]

重点：列表是可变有序集合；常用方法 append, insert, remove, pop, index, sort；列表推导式是 Python 特色。

1.7 元组与字典

# 元组 (tuple) —— 不可变列表
point = (10, 20)
print(point[0])      # 10
# point[0] = 5       # 错误，元组不能修改

# 字典 (dict) —— 键值对
person = {
    "name": "张三",
    "age": 30,
    "skill": "机器视觉"
}
print(person["name"])          # 通过键访问
person["company"] = "科技公司"  # 添加新键值对
print(person.keys())           # 所有键
print(person.values())         # 所有值

# 遍历字典
for key, value in person.items():
    print(f"{key}: {value}")

重点：元组常用于表示不变数据；字典通过键快速查找，键必须是不可变类型（如字符串、数字、元组）。

1.8 条件判断（if-elif-else）

score = 85

if score >= 90:
    grade = "A"
elif score >= 80:
    grade = "B"      # 条件成立，执行此分支
elif score >= 70:
    grade = "C"
else:
    grade = "D"

print(f"成绩等级：{grade}")  # 成绩等级：B

# 条件表达式（三元运算符）
age = 20
status = "成年人" if age >= 18 else "未成年人"
print(status)  # 成年人

重点：缩进决定代码块；elif 是 else if 的缩写；三元运算符用于简单条件赋值。

1.9 循环（for / while）

# for 循环遍历可迭代对象
fruits = ["apple", "banana", "cherry"]
for fruit in fruits:
    print(fruit)

# 配合 range() 生成数字序列
for i in range(5):      # 0,1,2,3,4
    print(i)

for i in range(2, 8, 2): # 2,4,6 (起始2，结束8前，步长2)
    print(i)

# while 循环
count = 0
while count < 5:
    print(f"count = {count}")
    count += 1

# break 退出循环，continue 跳过本次循环
for i in range(10):
    if i == 3:
        continue        # 跳过3
    if i == 8:
        break           # 遇到8退出循环
    print(i)  # 输出：0,1,2,4,5,6,7

重点：for...in 遍历列表、字符串、字典等；range(start, stop, step)；break 彻底退出循环，continue 结束本次迭代进入下一次。

---

第2章：函数与模块

2.1 函数的定义与调用

# 定义简单函数
def greet():
    print("Hello, 欢迎学习OpenCV!")

# 调用函数
greet()  # Hello, 欢迎学习OpenCV!

# 带参数的函数
def add(a, b):
    result = a + b
    print(f"{a} + {b} = {result}")

add(5, 3)  # 5 + 3 = 8

重点：使用 def 关键字定义函数；函数必须先定义后调用。

2.2 参数传递

# 位置参数（按顺序传递）
def introduce(name, age):
    print(f"我是{name}，今年{age}岁")

introduce("李四", 28)  # 我是李四，今年28岁

# 默认参数（有默认值的参数放在后面）
def power(base, exponent=2):
    return base ** exponent

print(power(3))      # 3^2 = 9
print(power(3, 3))   # 3^3 = 27

# 关键字参数（调用时指定参数名）
introduce(age=30, name="王五")   # 我是王五，今年30岁

# 可变参数（*args 收集为元组）
def sum_all(*numbers):
    total = 0
    for n in numbers:
        total += n
    return total

print(sum_all(1, 2, 3, 4))   # 10

# 关键字可变参数（**kwargs 收集为字典）
def print_info(**info):
    for key, value in info.items():
        print(f"{key}: {value}")

print_info(name="赵六", age=25, city="北京")
# 输出：
# name: 赵六
# age: 25
# city: 北京

重点：区分位置参数、默认参数、关键字参数；*args 和 **kwargs 用于处理可变数量的参数。

2.3 返回值（return）

def multiply(a, b):
    return a * b

result = multiply(4, 5)
print(result)        # 20

# 返回多个值（实际返回元组）
def get_min_max(numbers):
    return min(numbers), max(numbers)

min_val, max_val = get_min_max([3, 7, 2, 9, 5])
print(f"最小值：{min_val}，最大值：{max_val}")  # 最小值：2，最大值：9

重点：return 可返回任意类型；没有 return 则返回 None；返回多个值实际是返回元组。

2.4 变量作用域

# 全局变量
global_var = "全局变量"

def test_scope():
    # 局部变量
    local_var = "局部变量"
    print(local_var)          # 可以访问局部
    print(global_var)         # 可以访问全局

test_scope()
# print(local_var)   # 错误，局部变量在函数外不可访问

# 在函数内修改全局变量需要使用 global 关键字
counter = 0
def increment():
    global counter
    counter += 1

increment()
increment()
print(counter)       # 2

重点：函数内部可以读取全局变量，但修改全局变量必须用 global 声明；函数内定义的变量默认为局部。

2.5 模块的导入（import）

# 导入整个模块
import math
print(math.sqrt(16))      # 4.0

# 导入特定函数/变量
from math import pi, sin
print(pi)                 # 3.14159...
print(sin(pi/2))          # 1.0

# 导入并起别名
import numpy as np        # 后面学 NumPy 时常用

重点：import 语句放在文件顶部；from...import... 可直接引入名称；as 起别名简化。

2.6 常用内置模块示例

# os 模块：与操作系统交互
import os
print(os.getcwd())               # 当前工作目录
print(os.listdir('.'))            # 当前目录下的文件和文件夹

# sys 模块：Python 解释器信息
import sys
print(sys.version)                # Python 版本
print(sys.argv)                   # 命令行参数（列表）

# random 模块：生成随机数
import random
print(random.random())            # 0~1 随机浮点数
print(random.randint(1, 10))      # 1~10 随机整数
print(random.choice(['a','b','c'])) # 随机选择一个元素

# datetime 模块：处理日期时间
from datetime import datetime
now = datetime.now()
print(now.strftime("%Y-%m-%d %H:%M:%S"))  # 格式化输出

重点：这些内置模块在文件操作、日志、随机数生成等场景非常常用。

---

第3章：文件与异常处理

3.1 文件的读写

# 写入文件
file = open('test.txt', 'w', encoding='utf-8')
file.write('Hello, 机器视觉！\n')
file.write('这是第二行')
file.close()  # 记得关闭文件

# 读取文件
file = open('test.txt', 'r', encoding='utf-8')
content = file.read()
print(content)
file.close()

重点：open(filename, mode, encoding)；模式 'w' 写入（覆盖），'r' 读取，'a' 追加；必须调用 close() 释放资源。

3.2 使用 with 语句自动管理文件

# with 语句会自动关闭文件，更安全、更简洁
with open('test.txt', 'r', encoding='utf-8') as file:
    content = file.read()
    print(content)
# 文件在此处自动关闭

重点：with 语句是 Python 推荐的文件操作方式，确保即使发生异常也能正确关闭文件 。

3.3 异常处理（try-except-else-finally）

try:
    # 可能会出错的代码
    num = int(input("请输入一个数字: "))
    result = 10 / num
    print(f"结果是: {result}")
except ValueError:
    # 处理值错误（比如输入了字母）
    print("输入的不是有效数字！")
except ZeroDivisionError as e:
    # 处理除以零错误，并获取异常信息
    print(f"数学错误: {e}")
except Exception as e:
    # 捕获其他所有异常（不推荐滥用）
    print(f"发生未知错误: {e}")
else:
    # 没有异常时执行
    print("计算成功完成！")
finally:
    # 无论是否异常都会执行
    print("程序执行结束")

重点：try 块放可能出错的代码；except 捕获特定异常；else 在没有异常时执行；finally 总是执行，适合资源清理 。

3.4 文件操作的异常处理

try:
    with open('不存在.txt', 'r', encoding='utf-8') as f:
        content = f.read()
except FileNotFoundError:
    print("文件不存在，请检查路径！")
except IOError as e:
    print(f"文件读写错误: {e}")

重点：文件操作常见的异常有 FileNotFoundError（文件不存在）、PermissionError（权限不足）、IOError（其他I/O错误）。

---

第4章：NumPy 基础（OpenCV 的基石）

4.1 NumPy 的安装与导入

pip install numpy

import numpy as np  # 约定俗成的别名

4.2 创建数组

# 从列表创建
arr1 = np.array([1, 2, 3, 4])
print(arr1)  # [1 2 3 4]

# 创建全0数组
zeros = np.zeros((3, 3))  # 3x3矩阵，元素全0
print(zeros)

# 创建全1数组
ones = np.ones((2, 4))    # 2行4列，元素全1
print(ones)

# 创建指定范围的数组
range_arr = np.arange(0, 10, 2)  # 从0开始，10结束，步长2
print(range_arr)  # [0 2 4 6 8]

# 创建等间隔数组
lin_arr = np.linspace(0, 1, 5)  # 0到1之间均匀取5个数
print(lin_arr)  # [0.   0.25 0.5  0.75 1.  ]

重点：np.array() 从列表创建；np.zeros()、np.ones() 创建特殊数组；np.arange() 类似 Python 的 range()；np.linspace() 生成等间隔数列 。

4.3 数组属性

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(f"形状: {arr.shape}")    # (2, 3) - 2行3列
print(f"维度: {arr.ndim}")     # 2
print(f"元素个数: {arr.size}") # 6
print(f"数据类型: {arr.dtype}") # int64

重点：shape 返回元组表示各维度大小；ndim 返回维度数；size 返回总元素数；dtype 返回数据类型 。

4.4 索引与切片

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 索引
print(arr[0, 1])     # 第一行第二列：2

# 切片
print(arr[0:2, 1:3]) # 前两行，后两列
# [[2 3]
#  [5 6]]

# 花式索引
print(arr[[0, 2], :])  # 第0行和第2行，所有列
# [[1 2 3]
#  [7 8 9]]

重点：NumPy 切片语法 [行起始:行结束, 列起始:列结束]；可以用列表进行花式索引 。

4.5 数组运算

arr = np.array([1, 2, 3, 4])

# 标量运算
print(arr + 10)  # [11 12 13 14]
print(arr * 2)   # [2 4 6 8]

# 数组间运算
arr2 = np.array([5, 6, 7, 8])
print(arr + arr2)  # [ 6  8 10 12]
print(arr * arr2)  # [ 5 12 21 32]

# 广播机制（不同形状数组运算）
arr3 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr3 + 10)  # 每个元素都加10
# [[11 12 13]
#  [14 15 16]]

重点：NumPy 支持向量化运算，无需显式循环；广播机制允许不同形状的数组进行运算 。

4.6 常用函数

arr = np.array([[1, 2, 3], [4, 5, 6]])

# 改变形状
reshaped = arr.reshape(3, 2)
print(reshaped)
# [[1 2]
#  [3 4]
#  [5 6]]

# 转置
transposed = arr.T
print(transposed)
# [[1 4]
#  [2 5]
#  [3 6]]

# 拼接
arr_a = np.array([1, 2, 3])
arr_b = np.array([4, 5, 6])
concat = np.concatenate([arr_a, arr_b])
print(concat)  # [1 2 3 4 5 6]

# 条件筛选
print(arr[arr > 3])  # 筛选大于3的元素：[4 5 6]

重点：reshape() 改变形状；T 转置；concatenate() 拼接数组；布尔索引直接筛选满足条件的元素 。

4.7 随机数生成

# 设置随机种子（保证结果可复现）
np.random.seed(42)

# 均匀分布 [0,1)
rand_arr = np.random.rand(3, 3)
print(rand_arr)

# 标准正态分布
randn_arr = np.random.randn(3, 3)
print(randn_arr)

# 随机整数
randint_arr = np.random.randint(0, 10, size=(2, 3))  # 0~9的整数，2行3列
print(randint_arr)

重点：np.random.rand() 生成 [0,1) 均匀分布；np.random.randn() 生成标准正态分布；np.random.randint() 生成随机整数；seed() 保证随机数可重现 。

4.8 图像在 NumPy 中的表示

# 模拟一张彩色图像：高度100，宽度200，3通道（RGB）
image = np.random.randint(0, 256, size=(100, 200, 3), dtype=np.uint8)
print(f"图像形状: {image.shape}")  # (100, 200, 3)
print(f"数据类型: {image.dtype}")  # uint8 (0-255)
print(f"第一个像素的RGB值: {image[0, 0]}")  # [R, G, B]

# 提取红色通道
red_channel = image[:, :, 0]
print(f"红色通道形状: {red_channel.shape}")  # (100, 200)

重点：OpenCV 中图像用 NumPy 数组表示，形状为 (height, width, channels)，数据类型通常是 uint8 。

---

第5章：Matplotlib 基础（可视化）

5.1 Matplotlib 的安装

pip install matplotlib

import matplotlib.pyplot as plt  # 常用别名

5.2 基本绘图

# 折线图
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y, 'b-')  # 'b-' 表示蓝色实线
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('简单折线图')
plt.show()

# 散点图
x = np.random.rand(50)
y = np.random.rand(50)
plt.scatter(x, y, c='red', alpha=0.5)  # alpha透明度
plt.title('散点图示例')
plt.show()

# 柱状图
categories = ['A', 'B', 'C', 'D']
values = [10, 20, 15, 25]
plt.bar(categories, values, color='green')
plt.title('柱状图示例')
plt.show()

# 直方图
data = np.random.randn(1000)  # 1000个正态分布随机数
plt.hist(data, bins=20, edgecolor='black')
plt.title('直方图示例')
plt.show()

重点：plt.plot() 折线图；plt.scatter() 散点图；plt.bar() 柱状图；plt.hist() 直方图；plt.xlabel/ylabel/title 添加标签和标题；plt.show() 显示图形 。

5.3 显示图像

# 创建模拟图像（随机噪点）
image = np.random.randint(0, 256, size=(100, 100, 3), dtype=np.uint8)

plt.imshow(image)
plt.title('随机图像')
plt.axis('off')  # 关闭坐标轴
plt.show()

# 显示灰度图
gray_image = np.random.randint(0, 256, size=(100, 100), dtype=np.uint8)
plt.imshow(gray_image, cmap='gray')  # 使用灰度颜色映射
plt.title('灰度图像')
plt.colorbar()  # 显示颜色条
plt.show()

重点：plt.imshow() 显示图像；彩色图像默认用 RGB 顺序；灰度图需指定 cmap='gray'；plt.colorbar() 添加颜色条 。

5.4 图像显示调整

# 子图显示
plt.figure(figsize=(12, 4))  # 设置画布大小

plt.subplot(1, 3, 1)  # 1行3列，第1个
plt.imshow(image)
plt.title('原图')
plt.axis('off')

plt.subplot(1, 3, 2)  # 1行3列，第2个
plt.imshow(gray_image, cmap='gray')
plt.title('灰度图')
plt.axis('off')

plt.subplot(1, 3, 3)  # 1行3列，第3个
plt.imshow(image[:, :, 0], cmap='Reds')  # 红色通道
plt.title('红色通道')
plt.axis('off')

plt.tight_layout()  # 自动调整子图间距
plt.show()

重点：plt.figure() 创建画布；plt.subplot(rows, cols, index) 创建子图；plt.tight_layout() 防止重叠 。

---

参考文档与扩展阅读

1. Python 官方文档：https://docs.python.org/3/
2. NumPy 官方快速入门：https://numpy.org/doc/stable/user/quickstart.html
3. Matplotlib 官方教程：https://matplotlib.org/stable/tutorials/index.html
4. 异常处理最佳实践：Python 官方教程 - Errors and Exceptions

---

学习建议

1. 边学边练：每学完一个小节，立即在 Python 交互环境或脚本中运行代码示例，观察输出结果。
2. 修改参数：尝试修改代码中的参数（如 bins=20 改成 bins=50），观察变化，加深理解。
3. 结合机器视觉目标：在学习过程中，多思考这些知识点如何应用到图像处理中（例如 NumPy 数组操作就是图像像素操作的基础）。
4. 遇到问题善用文档：Python、NumPy、Matplotlib 的官方文档都非常完善，遇到函数用法不熟时，养成查文档的习惯。

下一阶段，我们将进入 OpenCV 的学习，届时你会惊喜地发现，前面学的 NumPy 和 Matplotlib 知识会大量派上用场！祝学习顺利！