要说树莓派最惊艳的能力，图像识别（机器视觉）当仁不让——让小车"看懂"前方是路还是障碍、是红色还是蓝色。而这一切的起点，是 OpenCV 这个图像处理标准库。这篇把 OpenCV 在树莓派上的安装和第一个程序讲明白，为后面真正的人脸/物体识别铺路。

图像识别先别想太玄，就是"读图+算图"

　　图像识别听起来高大上，本质就两步：读进来一张图（像素矩阵）→ 用算法在里面找特征（颜色、边缘、轮廓、有没有人脸）。OpenCV 就是帮你干这件事的瑞士军刀，全世界最流行的开源计算机视觉库，树莓派上跑得动。

在树莓派安装 OpenCV

　　推荐直接用系统的 apt 安装（对编译不熟的话，apt 最省心，避免自己编译踩坑）。如果网络慢，可以先设好国内镜像源提速：

sudo apt install libopencv-dev cmake

　　装好后，Python 里直接 import cv2 就能用。C++ 开发则用 apt 装 libopencv-dev。官方已证明在 Raspberry Pi OS Bookworm 12 上测试通过，所以用最新官方系统最省事。

Python 第一个程序：读图并显示

　　OpenCV 的 "Hello World" 就是读一张图、显示出来、按键关闭。Python 版只要几行：

import cv2 as cv # 引用 OpenCV 库

img = cv.imread("/path/to/image") # 读图片

cv.imshow("Display window", img) # 显示图片

cv.waitKey(0) # 等待按键后关闭窗口

　　cv.imread() 读图、cv.imshow() 显示、cv.waitKey(0) 让窗口等你按任意键。这就是图像处理的"入口"——所有更高级的操作（灰度化、边缘检测、识别）都是在 img 这个像素矩阵上继续算。

C++ 也可以用（入门选 Python 更顺）

　　官方也给了 C++ 版本，本质一样：imread 读 → imshow 显示 → waitKey 等待。C++ 性能更好，适合做实时处理的上层应用；但入门做小车、验证想法，Python 更简单直接，代码量少一大半，改起来也快。

　　注意 C++ 时要加好 OpenCV 的 include 目录（/usr/include/opencv4/），或在 CMake 里用 find_package(OpenCV REQUIRED)，否则会报一堆头文件找不到的错。

下一步：从"看图"到"认出东西"

　　会读图、显示图之后，就能往上加了：颜色追踪（找红球）、轮廓检测、人脸/物体识别。放到智能小车上，最典型的就是摄像头循迹 / 追球 / 避障——这就是"智能小车智能化"路线的核心：用视觉代替纯开关传感器，让车"看懂"环境再决策。

　　跑跑啦的全自动智能小车整机走的就是"传感器感知 + 编码器精准控制 + 智能体决策"的路子，摄像头/视觉模块可以扩展。想从"看懂一张图"进阶到让车自己找路，欢迎看看我们传感器模块和智能小车产品。淘宝店：paopaola.taobao.com。

小提示：OpenCV 用 apt 安装最省心；Python 的 import cv2 是"看图"第一步，之后的识别都建立在读到的像素矩阵上。

（本文整理自 Raspberry Pi 树莓派官方文档《Hello World》OpenCV 示例，CC BY-SA 4.0，来源：https://shumeipai.nxez.com/doc-zhcn/docs/program/opencv/hello_world）