用途：OpenCV 是计算机视觉任务的事实标准库，提供2500+优化算法，覆盖从图像读写到人脸识别、3D重建等任务。适用于实时图像与视频处理、图像预处理、边缘检测、特征检测与匹配、目标检测、人脸检测与识别、图像分割、视频分析、相机标定与3D重建、图像拼接与全景、需要快速性能的实时应用。
主要能力：以NumPy数组表示图像，形状为（高、宽、通道），默认使用BGR色彩空间而非RGB。可读取、写入、显示图像与视频，支持灰度、Alpha通道读取及JPEG/PNG质量参数；支持视频捕获与逐帧处理、视频写入；提供缩放、裁剪、旋转、翻转、颜色空间转换、模糊与平滑、Canny/Sobel/Laplacian/Scharr边缘检测、形态学操作、阈值化（含Otsu与自适应）、轮廓查找与绘制、形状近似与轮廓特征（矩、最小外接圆、拟合椭圆、凸包）等。
使用方式：安装命令为 pip install opencv-python；含contrib模块用 pip install opencv-contrib-python；服务器无GUI用 pip install opencv-python-headless。标准导入为 import cv2、import numpy as np、import matplotlib.pyplot as plt。基本流程为读取（cv2.imread）、处理（如cv2.cvtColor转灰度）、显示（cv2.imshow、cv2.waitKey、cv2.destroyAllWindows）；视频用 cv2.VideoCapture 逐帧读取并在结束后 release 释放。
限制与注意事项：读图后需检查是否为 None；默认BGR，用matplotlib显示前需转RGB；忘记waitKey窗口无法正常显示；视频须逐帧处理并释放资源；避免Python像素循环，应使用向量化操作；路径避免硬编码；处理大视频不宜整体载入内存。官方文档 https://docs.opencv.org/4.x/ ，GitHub https://github.com/opencv/opencv ，教程 https://docs.opencv.org/4.x/d9/df8/tutorial_root.html 。