计算机视觉学习笔记P1-行走的小部落

计算机视觉是一门涉及图像处理、机器学习和深度学习的交叉学科，其目标是使机器能够理解并解释视觉世界。这篇学习笔记主要关注的是在Python环境中设置和管理虚拟环境，以及安装计算机视觉相关的库，如OpenCV和Mediapipe。 创建Python虚拟环境是管理不同项目依赖的好方法，可以避免版本冲突。通过Anaconda工具，你可以轻松地创建、激活和删除环境。例如，列出所有环境的命令是`conda env list`，创建新环境的命令是`conda create --name 环境名称`，进入环境使用`conda activate 环境名称`，退出环境则使用`conda deactivate`，而删除环境的命令是`conda remove --name 环境名称 --all`。你可以根据需要指定Python版本，比如创建一个Python 3.7的环境，命令是`conda create --name 环境名称 python=3.7`。 在Python环境中安装第三方包，如OpenCV和Mediapipe，通常使用conda或pip。对于在中国的用户，为了避免网络延迟和下载速度问题，可以切换到国内的镜像源，如清华大学开源软件镜像站。对于conda，可以通过配置文件`.condarc`来设置显示渠道URL，确保使用的是清华镜像；对于pip，可以在用户目录下创建`pip.ini`文件来永久更改源。Windows用户需要在`C:\Users\Administrator`目录下操作，MacOS用户则在个人目录(`~`)下进行。安装完成后，可以使用`conda install opencv`和`conda install mediapipe`尝试安装这两个库。 如果conda安装不成功，可以使用pip进行尝试。例如，安装Mediapipe的命令是`pip install mediapipe`。在设置了清华镜像源之后，安装速度会更快。一旦OpenCV和Mediapipe都安装成功，你就可以在Python代码中导入它们并开始进行计算机视觉相关的编程。 在提供的示例代码中，可以看到一个简单的Demo，它使用OpenCV和Mediapipe来捕捉和识别人的手掌关节。`cv2`用于图像处理，`numpy`用于数组操作，而`math`用于数学计算。Mediapipe是一个强大的框架，特别适合实时的手部和面部追踪。在这个Demo中，程序会检测并显示手掌的27个关节位置，用户可以通过按q键退出程序。 这个学习笔记介绍了如何在Python环境中搭建计算机视觉开发的环境，并通过实际例子展示了如何利用OpenCV和Mediapipe进行手部关节追踪。这些知识对于进一步学习计算机视觉，尤其是涉及到人体姿态估计和交互式应用的领域，是非常基础且重要的。