目标

在本教程中我们将学习在你的Fedora系统中设置OpenCV-Python。针对Fedora 18（64位）和Fedora 19（32位）进行以下步骤。

介绍

可以通过两种方式在Fedora中安装OpenCV-Python：1）从fedora存储库中可用的预构建二进制文件安装，2）从源代码进行编译。在本节中，我们将同时看到这两种方法。

目标

在本章中，您将学习

• 使用模板匹配在图像中查找对象
• 你将看到以下功能：cv.matchTemplate()，cv.minMaxLoc

目标检测是图像处理的重要组成部分。自动驾驶汽车必须检测车道，路面，其他车辆，人，标志和信号等。我们生活在一个动态的世界中，一切都在不断变化。对象检测的应用无处不在。

当今时代最令人头疼的事情就是找不到停车位，尤其是找20分钟还没有找到停车位。

根据复杂性和效率的不同，任何问题都具有一个或多个解决方案。目前智能停车系统的解决方案，主要包括基于深度学习实现，以及基于重量传感器、光传感器实现等。

本期我们将一起通过使用摄像头和少量代码来实现最简单的智能停车系统。该解决方案所使用的概念非常简单。它由具有以下两个脚本组成：

图像分割是计算机视觉和图像处理中的一个重要任务，它用于将图像分割成不同的区域或对象。OpenCV是一个广泛使用的计算机视觉库，提供了多种图像分割算法和接口。本文将介绍OpenCV中的几种常见图像分割技术。

使用OpenCV做商业软件是否存在法律风险，主要取决于几个关键因素，包括OpenCV的许可证类型、商业软件的具体使用方式以及是否遵守了相应的许可协议。

一、OpenCV的许可证类型

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它提供了大量的视觉处理算法，被广泛应用于各种视觉任务中。关于OpenCV的许可证，需要注意的是，OpenCV本身可能采用多种许可证，但常见的许可证类型是BSD许可证。

最近有小伙伴推荐，希望可以将经典的项目整理一下，集成手册，便于小伙伴在日常的学习中使用。于是小编挑选了# OpenCV 的应用#专栏中的 20 篇经典内容，集结成册，便于小伙伴们阅读和学习。

本手册中主要涉及以下几部分，首先是对 OpenCV 中自带的基本函数进行介绍。其次是 OpenCV的实战项目，一方面是基于实际项目利用 OpenCV 实现特定对象的检测，例如车道线检测、路面的坑洼检测、等；另一方面是基于 OpenCV 实现图像增强，例如利用 OpenCV 消除运动所引起的图像模糊等。最后是 OpenCV 与深度学习等其他相结合实现图像分割、人脸检测、运动检测等难度较大的问题。

目标

在本章中，我们将学习

• 凸性缺陷以及如何找到它们
• 查找点到多边形的最短距离
• 匹配不同的形状

理论和代码