简介：面向高校计算机视觉课程学习、实验复现与考前梳理的配套资料包，汇集浙江大学2020—2021秋冬课程六次实验、复习资料和OpenCV学习内容，适合修读相关课程、准备实验报告或希望补齐传统视觉与深度学习基础的学习者。包内共1319个文件，整体约72.75MB，以jpg、pgm图像样本和txt说明为主，辅以pdf复习材料、py脚本、html页面以及TensorFlow checkpoint等模型文件，覆盖数据、代码、文档和训练产物，便于分模块检索。实验主题包括无声小短片制作、圆形与直线检测、Harris角点检测、Eigenface人脸识别和CNN训练，既能帮助理解OpenCV的调用方式，也便于对照复习图像处理流程、特征提取思路与模型训练细节。目前已有333人学习，适合按作业要求复现结果、整理实验报告，并借助复习资料搭建课程知识框架。

1. 一套 CV 课程包拆开看：6 次实验、一套复习资料和 OpenCV 底子能补什么

计算机视觉这门课最容易出现一种割裂：黑板上推得头头是道，打开编辑器写 OpenCV 却不知道ksize该填 3 还是 5、Canny 的两个阈值凭什么定成 100 和 200。这套资源正好卡在这个缝上——某高校 2020-2021 秋冬学期计算机视觉课程的完整产出，包含 6 次递进式实验的代码与报告、一份期末复习资料，以及配套的 OpenCV 学习笔记。6 次实验的主线从像素与颜色空间起步，经滤波与边缘、形态学与轮廓，走到特征点匹配与全景拼接，最后落在相机标定和双目视差，是一条很典型的传统 CV 知识链。它适合三类人：正在赶课程实验、需要可直接对照的参考实现；做工程但底子全押在深度学习框架上、想补传统几何这一块；以及面试前要把相机模型、单应矩阵、特征描述子重新捋一遍的人。下面按「环境怎么钉住 → 每一步参数怎么定 → 哪里会翻车」的顺序拆。

2. 先把环境钉死：OpenCV 版本、目录骨架和第一次跑通

拿到这类课程包，第一件不该是点开某个exp4.py就跑，而是把解释器和依赖版本钉住。CV 代码对版本极其敏感，同一个cv2.findContours在 OpenCV 3 和 4 里返回值个数都不一样，更别说 SIFT 在 4.4.0 之后从 contrib 回到了主模块。版本漂移带来的报错会被误判成代码写错，这是最常见的无谓消耗。

2.1 依赖版本：为什么建议锁在 4.5.x

这套实验写于 2020 年底，对应的 OpenCV 是 4.5 系列。往后到 4.8 大部分 API 兼容，但有两个点会咬人：一是cv2.SIFT_create在 4.4 之前的包里根本不存在，只能走cv2.xfeatures2d.SIFT_create；二是 numpy 上到 2.x 之后，部分老代码里的np.float、np.int别名会直接抛AttributeError。所以稳妥做法是建独立虚拟环境，把 numpy 压在 1.2x。

# 建一个只给这套实验用的环境，避免污染主环境 python -m venv cvlab source cvlab/bin/activate # Windows 用 cvlab\Scripts\activate # 主包 + contrib 一起装，版本必须一致 pip install "opencv-python==4.5.5.64" \ "opencv-contrib-python==4.5.5.64" \ "numpy==1.23.5" \ "matplotlib==3.6.2"

装完立刻做一次能力自检，别等到写特征匹配那一步才发现 SIFT 不可用：

import cv2 import numpy as np print("OpenCV:", cv2.__version__) # 期望 4.5.5 print("NumPy :", np.__version__) # 期望 1.2x print("SIFT :", hasattr(cv2, "SIFT_create")) print("SGBM :", hasattr(cv2, "StereoSGBM_create")) print("buildInfo:", "nonfree" in cv2.getBuildInformation().lower())

这里的判断逻辑很直白：hasattr为 False 说明装的是精简包，SIFT/SURF 这类需要 contrib 的算子会整段缺席；getBuildInformation里能搜到 nonfree 字样，才说明这版编译时带上了专利算法。参数上唯一需要留意的就是两个 opencv 包版本号必须完全一致，否则 Python 会加载到两个不同 ABI 的.so，症状是cv2.error里出现一堆看不懂的符号缺失。至于装在哪个盘、要不要用 conda，无所谓，关键是隔离。

2.2 目录骨架与六次实验的数据流

这类课程包的目录通常按exp1到exp6平铺，每个目录里塞代码、输入图片和一份报告。真正值得先花十分钟做的是把数据流画清楚：哪一次实验的输出正好是下一次的输入。梳理完会发现链路是连续的，实验一产出的灰度图和掩膜会被滤波那一章复用，特征匹配用的两张实拍图在拼接实验里又出现一次。

这份表格的价值不在记忆，而在排错定位：当第 5 次实验的拼接结果歪掉，问题大概率不在单应矩阵本身，而是第 4 次实验的匹配点里混了太多外点；当第 6 次实验的重投影误差大得离谱，要回溯的是棋盘格图像数量与拍摄角度是否够分散，而不是去调calibrateCamera的参数。实验报告和笔记在这套资源里整理成了静态 HTML 页面，好处是断网也能直接在浏览器里翻公式推导和实验现象截图，不用再开一堆 PDF 阅读器。

2.3 第一次跑通：读图、颜色空间与直方图均衡

第一个脚本不要写复杂逻辑，把「读图 → 转灰度 → 增强 → 保存」这条最小闭环跑通就够了。它能一次性暴露三个问题：路径对不对、通道顺序理解没理解、增强参数是不是拍脑袋。

import cv2 import numpy as np # OpenCV 读图失败不抛异常，只返回 None，必须手动判空 img = cv2.imread("data/exp1/scene.png", cv2.IMREAD_COLOR) if img is None: raise FileNotFoundError("路径错了或格式不支持，cv2.imread 只会静默返回 None") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 全局均衡：整幅图共用一个映射表，光照均匀时够用 eq_global = cv2.equalizeHist(gray) # 局部均衡：按 tile 分块统计直方图，光照不均时明显更好 clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) eq_local = clahe.apply(gray) # 只对 HSV 的 V 通道做增强，避免整体偏色 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv) v_eq = clahe.apply(v) balanced = cv2.cvtColor(cv2.merge([h, s, v_eq]), cv2.COLOR_HSV2BGR) cv2.imwrite("out_exp1_balanced.png", balanced)

逐段说明逻辑：imread返回 None 而不是抛异常，是这套代码里第一个坑，判空这行能省掉后面半小时的「为什么 imshow 没反应」。equalizeHist只接受单通道，所以必须先转灰度，直接喂彩色图会报CV_8UC1相关的断言失败。createCLAHE的两个参数里，clipLimit是对比度增强的上限，数值越大越容易把噪声一起放大，2.0 是通用起点；tileGridSize是分块粒度，8×8 表示把图切成 8 行 8 列共 64 个块各自统计，块太小会放大噪点，块太大就退化成全局均衡。最后走 HSV 分通道这条路，是因为彩色图直接均衡会把三个通道的亮度关系打乱，结果是肤色偏绿、天空偏紫这类“看着就不对”的效果。

3. 滤波、边缘与形态学：卷积核和阈值靠什么定，而不是靠试

中间三次实验的核心全是局部算子，而局部算子最容易变成玄学——同一张图换个人跑，阈值差一倍，结果看着都“还行”。要摆脱试参数，得先想清楚每个参数在物理上对应什么：核大小对应空间尺度，sigma 对应频率截断，Canny 的双阈值对应梯度幅值的分位。

3.1 三种线性滤波和高斯核的 sigma 怎么配

均值滤波、高斯滤波、中值滤波经常被并列着讲，但它们解决的问题不一样。均值滤波是矩形窗内取平均，速度快但没有权重概念，边缘会被整体糊掉；高斯滤波按距离加权，中心权重大，保边能力好于均值；中值滤波取窗口内中位数，对椒盐噪声几乎是碾压式有效，但它不是线性算子，不能靠卷积核实现。

高斯核的经验关系是ksize ≈ 6*sigma + 1（取最近的奇数）。也就是说 sigma 取 1.0 时核用 7×7 左右，取 2.0 时用 13×13。写代码时如果只给ksize不给sigmaX，OpenCV 会按sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8反推，很多时候这不一定是你要的值。我一般会显式把 sigma 写出来，让参数可读：

# 显式指定 sigma，避免 OpenCV 反推出来的值和你预期不符 g1 = cv2.GaussianBlur(gray, (5, 5), sigmaX=1.0) # 轻平滑，保留细节 g2 = cv2.GaussianBlur(gray, (11, 11), sigmaX=3.0) # 强平滑，用于粗尺度检测 # 椒盐噪声用中值，ksize 取奇数，3 或 5 覆盖绝大多数场景 salt = gray.copy() noise_mask = np.random.rand(*gray.shape) < 0.02 salt[noise_mask] = 255 denoised = cv2.medianBlur(salt, 3)

参数含义就三条：ksize决定感受野大小，越大越模糊；sigmaX决定权重衰减速度，和ksize不匹配时会出现截断误差，表现为滤波后出现轻微的振铃；medianBlur的ksize上限受图像位深限制，8 位图最大 5，超过会抛异常。选型上的判断标准是：先看噪声类型（脉冲还是连续），再看你是否需要保边，最后才考虑性能——一张 1080p 图跑 11×11 高斯在普通笔记本上是毫秒级，没必要为这点开销纠结。

3.2 Canny 双阈值：用梯度幅值分位数定，不要盲目调

Canny 的两个阈值是最容易被瞎调的参数。它们的作用是双阈值滞后判定：梯度大于高阈值的点直接确认为边缘，介于低阈值和高阈值之间的点只有连到强边缘上才保留。这意味着高阈值决定“边缘从哪儿开始”，低阈值决定“边缘能延伸多远”。固定写 100 和 200，在光照差异大的图上必然一半过检一半漏检。

更稳的做法是先算梯度幅值分布，用分位数反推阈值：

# 先平滑，抑制噪声引起的伪梯度 blurred = cv2.GaussianBlur(gray, (5, 5), sigmaX=1.2) # 用 32 位浮点算梯度，避免 8 位截断丢精度 gx = cv2.Sobel(blurred, cv2.CV_32F, 1, 0, ksize=3) gy = cv2.Sobel(blurred, cv2.CV_32F, 0, 1, ksize=3) mag = cv2.magnitude(gx, gy) # 用梯度幅值的高分位数定阈值，而不是拍一个常数 high = np.percentile(mag, 90) # 前 10% 强梯度点 low = 0.4 * high # 低阈值取高阈值的 40% edges = cv2.Canny(blurred, low, high, L2gradient=True) print(f"low={low:.1f}, high={high:.1f}, edge_pixels={int(edges.sum()/255)}")

逻辑链条是：Sobel用CV_32F输出，因为 8 位无符号在梯度为负时会截断成 0，边缘方向信息直接丢失；magnitude做的是sqrt(gx²+gy²)，比手动abs(gx)+abs(gy)更接近真实梯度模长；L2gradient=True让 Canny 内部也用 L2 范数，代价是慢一点，换来的是斜向边缘定位更准。阈值比例的取法，低高比放在 0.3~0.5 之间比较稳，比例太小会让边缘碎成点，太大则整片区域被连成一块。分位数取多少取决于场景：纹理丰富的图取 92~95，干净的人造物体图取 85 就够。这套思路的价值在于，换一张图时阈值会跟着梯度分布自动走，不用每次重调。

3.3 形态学结构元素与轮廓面积过滤

到了第 3 次实验，输入从灰度图变成了二值掩膜，问题也从“怎么提边缘”变成“怎么把碎块收拾成目标”。形态学的四个基本操作里，开运算（先腐蚀后膨胀）去小噪点，闭运算（先膨胀后腐蚀）补内部空洞，这两个组合覆盖了八成的清理需求。关键参数是结构元素的形状和尺寸，而尺寸不该拍脑袋，应该和目标与噪声的像素尺度挂钩。

# 结构元素用椭圆，比矩形更贴近大多数自然目标的轮廓 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 去孤立小点 mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) # 补孔洞 # OpenCV 4.x 返回两个值，第二个才是层级信息，别照抄 3.x 的写法 contours, hierarchy = cv2.findContours( mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) boxes = [] for c in contours: area = cv2.contourArea(c) if area < 200: # 面积阈值按目标最小像素面积估，不是越小越好 continue x, y, w, h = cv2.boundingRect(c) if w / h > 6 or h / w > 6: # 长宽比过滤掉细长条纹噪声 continue boxes.append((x, y, w, h))

参数上的判断依据：结构元素边长应该略大于噪点的典型直径，噪点是 3~4 像素的点，5×5 就够；如果目标本身只有十几个像素，核再大就会把目标一起腐蚀掉。RETR_EXTERNAL只取最外层轮廓，适合目标互不嵌套的场景，如果要做孔洞分析就得换成RETR_TREE。面积阈值 200 是个占位，实际要按图像分辨率换算——1080p 图里一个真实目标通常不会小于几千像素，而噪点连通域往往在几十以内，两者之间留出的空档就是阈值的可选区间。长宽比过滤属于加分项，能挡掉因为光照形成的细长条纹，这类条纹面积可能不小，但形状明显不像目标。

4. 特征匹配到相机标定：内点率和重投影误差是两次自检

后三次实验从二维像素走到了三维几何，抽象程度陡增，但自检手段反而更明确：拼接看内点率，标定看重投影误差。这两个数字只要在合理范围内，中间过程基本不会错得太离谱；反过来，如果数字不对还硬往下做，后面每一步都是在错误的基础上叠加。

4.1 特征检测器选型：Harris、SIFT、ORB 各自的位置

课程实验里三种检测器大概率都会出现，但它们的定位完全不同。Harris 只做角点响应，不带描述子，适合讲清楚“什么叫角点”这个原理；SIFT 有尺度不变性和旋转不变性，匹配质量最好，代价是慢；ORB 是 FAST 加 BRIEF 的组合，速度快一个量级，代价是对大尺度变化和视角变化敏感。

选型的实际判断是：如果实验重点是单应矩阵和拼接流程，用 ORB 就够，速度快、调试周期短；如果重点是匹配鲁棒性对比，SIFT 更能拉开差距。有一个细节经常被忽略——ORB 的描述子是二进制串，必须用汉明距离匹配，拿NORM_L2去配会得到一堆看似有值实则无意义的距离。这套资源里的 OpenCV 笔记对这一点标注得挺清楚，属于少见的“把坑写在明面上”的部分。

4.2 匹配与 RANSAC 单应：内点率是唯一可信的自检

匹配阶段的标准流程是：检测特征点 → 双向或 KNN 匹配 → 比值检验筛点 → RANSAC 估单应。四步里最容易偷懒的是第三步，很多人直接把match的结果全丢给findHomography，指望 RANSAC 兜底。RANSAC 确实能剔除外点，但外点比例超过一半时它的采样效率会崩，结果时好时坏。

orb = cv2.ORB_create(nfeatures=2000, scaleFactor=1.2, nlevels=8) kp1, des1 = orb.detectAndCompute(img_left, None) kp2, des2 = orb.detectAndCompute(img_right, None) # 二进制描述子必须用汉明距离 bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=False) knn = bf.knnMatch(des1, des2, k=2) # Lowe 比值检验：最近邻距离要明显小于次近邻，否则视为歧义匹配 good = [m for m, n in knn if m.distance < 0.75 * n.distance] src = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1, 1, 2) dst = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1, 1, 2) # 5.0 是重投影容差，单位像素；内点率低于 0.3 基本可以判定匹配失败 H, inlier_mask = cv2.findHomography(src, dst, cv2.RANSAC, 5.0) inlier_ratio = float(inlier_mask.mean()) print(f"good={len(good)}, inlier_ratio={inlier_ratio:.3f}") if inlier_ratio > 0.5 and len(good) > 30: h, w = img_left.shape[:2] canvas = cv2.warpPerspective(img_right, H, (w * 2, h)) canvas[0:h, 0:w] = img_left

参数逐个说清：nfeatures=2000是保留的角点上限，纹理丰富的场景可以提到 5000，但要配合比值检验一起用，否则匹配阶段会变慢；scaleFactor=1.2是金字塔每层的缩放比，越小层数越多、尺度覆盖越细，1.2 是通用值；比值检验的 0.75 是 Lowe 论文里的经验值，场景重复纹理多时降到 0.7 更保险；findHomography的 5.0 是 RANSAC 判定内点的重投影误差阈值，单位像素，图像分辨率高时可以适当放大到 8~10。内点率这个指标比任何肉眼观察都可靠，低于 0.3 说明匹配点里噪声占主导，此时该回去查特征点数量、图像重叠比例，或者干脆换 SIFT 重来，而不是调 RANSAC 阈值硬凑。拼接画布尺寸也要注意，warpPerspective的第二参数是输出尺寸，直接把宽度翻倍是最省事的做法，代价是右侧可能出现大片黑边，需要后续裁剪。

4.3 相机标定：重投影误差怎么读，什么结果该重做

标定实验的产出是一组内参和畸变系数，但真正需要判断的是结果的可靠性。calibrateCamera返回的第一个值是整体重投影误差，单位是像素，含义是把三维角点按估出来的参数投回图像后，与检测到的角点之间的平均距离。

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 1e-3) # 棋盘格内角点数：9 列 6 行，注意不是方格数 pattern = (9, 6) objp = np.zeros((pattern[0] * pattern[1], 3), np.float32) objp[:, :2] = np.mgrid[0:pattern[0], 0:pattern[1]].T.reshape(-1, 2) obj_points, img_points = [], [] for f in sorted(glob.glob("calib/*.jpg")): img = cv2.imread(f) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ok, corners = cv2.findChessboardCorners(gray, pattern, None) if not ok: print("跳过，未检出角点:", f) continue # 亚像素细化，窗口 11x11，零区 -1 表示不设死区 corners = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria) obj_points.append(objp) img_points.append(corners) ret, K, dist, rvecs, tvecs = cv2.calibrateCamera( obj_points, img_points, gray.shape[::-1], None, None) print(f"重投影误差 = {ret:.3f} px") print("内参矩阵:\n", K)

这里有几个必须对齐的点。objp的生成顺序是mgrid[0:列, 0:行]，与pattern=(列, 行)严格对应，顺序写反会导致标定出来的内参完全离谱却不报错。cornerSubPix的winSize是搜索窗口半径，11×11 对常规棋盘格够用，图像分辨率很高时可以放大到 15。calibrateCamera的imageSize参数是(width, height)，用gray.shape[::-1]转换，这一步写错会让主点坐标整体偏移。

判读标准上，重投影误差在 0.1~0.5 像素属于正常，0.5~1.0 要检查图像数量和姿态覆盖，超过 1.0 基本可以判定这批数据有问题，常见原因是棋盘格图像少于 10 张、所有图都在同一角度拍摄、或者角点检测有误但没被过滤掉。这时候正确的动作是补拍不同倾角和距离的图重跑，而不是去调calibrateCamera的迭代终止条件——那个参数只影响收敛速度，不影响能不能收敛到正确解。

5. 避坑与排查：五个把实验卡到凌晨的现场

这一章按「现象 → 原因 → 解决」记录五类高频故障，都是我在跑这类课程代码时真金白银踩过的。

5.1 现象：findChessboardCorners 一直返回 False

调用后ok恒为 False，换几张图也一样，控制台刷满“未检出角点”。原因通常不是图像质量，而是patternSize填的是方格数量而不是内角点数量。9×6 的棋盘格，方格数是 9×6，内角点数是 8×5，两者差一。另一个常见原因是图像被缩放后角点模糊到无法定位。解决方式：先用imshow看一眼原图，把棋盘格按列数和行数数一遍内角点，把pattern改对；若图像过大，先resize到长边 1000 像素左右，再跑检测，检出的角点按缩放比例还原坐标即可。

5.2 现象：拼接结果出现撕裂和鬼影

两张图叠在一起时，建筑物边缘出现重影，或者接缝处明显错位。原因是单应矩阵估得不准，而估不准的根源往往在匹配点：外点没被清干净，或者两张图的拍摄中心差异太大，单应模型本身就不成立（单应只适用于平面场景或纯旋转）。解决办法是先打印内点率，低于 0.4 就回退到匹配阶段，把比值检验收紧到 0.7，或者换 SIFT 重新提点；同时在warpPerspective之前对H做一次归一化H /= H[2, 2]，避免数值量级差异导致变换失真。如果两张图确实不是平面场景，那再好的匹配也救不回来，这个边界要认。

5.3 现象：Canny 出来一片全黑或者满屏白噪

输出图要么全黑，要么密密麻麻全是白点，调阈值怎么调都不对。全黑的典型原因是输入不是单通道——把三通道图直接喂给Canny时，某些版本会逐通道处理后取交，结果是几乎全黑；满屏白噪的原因通常是没做前置平滑，噪声梯度全部越过低阈值。解决方式是先cvtColor转灰度，再跑一次GaussianBlur，然后用梯度分位数定阈值而不是硬编码，跑完打印边缘像素占比，正常场景下这个比例应该在 2%~10% 之间，超出范围说明阈值或预处理有问题。

5.4 现象：SIFT_create 报 AttributeError

报错信息是module 'cv2' has no attribute 'SIFT_create'或者module 'cv2.cv2' has no attribute 'xfeatures2d'。原因是装的是opencv-python而不是opencv-contrib-python，且版本低于 4.4。解决方式是先pip uninstall opencv-python opencv-contrib-python全部卸干净，再按同一版本号重装两个包；如果环境不允许升级，退化方案是改用 ORB，匹配流程完全一致，只需要把距离度量换成NORM_HAMMING，比值检验阈值略收紧到 0.7。

5.5 现象：标定后 undistort 边缘拉出黑边和扭曲

畸变校正后的图像四周出现大片黑边，或者边缘被拉伸成弧形。这是正常现象：校正会把原本落在画面外的像素“拉进来”，画面边角自然没有数据。解决办法是在undistort之后按有效区域裁剪，或者用getOptimalNewCameraMatrix重新计算一个更紧凑的内参矩阵：

# alpha=0 保留全部有效像素但裁掉黑边，alpha=1 保留全部视野但留黑边 newK, roi = cv2.getOptimalNewCameraMatrix(K, dist, (w, h), alpha=0, newImgSize=(w, h)) undistorted = cv2.undistort(img, K, dist, None, newK) x, y, rw, rh = roi undistorted = undistorted[y:y+rh, x:x+rw] # 按 ROI 裁掉无效区域

如果扭曲不是黑边而是整体形状异常（比如直线被弯成 S 形），那问题出在畸变系数本身，要回去检查标定图的姿态覆盖是否均匀，尤其是画面四角有没有拍到棋盘格——四角缺样本时径向畸变的高阶项估不准，表现就是边缘畸变校正过度。

6. 复习资料别背：把每个考点写成十行验证脚本

复习资料的正确用法不是从头读到尾，而是当成一张待验证清单。里面每一个知识点，我一般都会逼自己写成十行以内的脚本，让它跑出数字，再和 OpenCV 的现成实现对比。对上了，这个知识点才算真懂；对不上，差异本身就是最好的笔记。

最值得做对拍的有三类。第一类是成像模型：手写针孔投影x = fx * X/Z + cx，用cv2.projectPoints的结果做参照，误差应该在小数点后好几位；这一步能彻底搞清内参矩阵里每个元素的物理意义，而不是死记[[fx,0,cx],[0,fy,cy],[0,0,1]]。第二类是直方图均衡：手写累积分布映射，和cv2.equalizeHist逐像素比。第三类是卷积定理：用np.fft做频域相乘，和cv2.filter2D的空域结果比，能直观看到边界填充方式带来的差异。

# 手写直方图均衡，与 OpenCV 实现逐像素对拍 hist, _ = np.histogram(gray.flatten(), 256, [0, 256]) cdf = hist.cumsum() cdf_min = cdf[cdf > 0].min() lut = ((cdf - cdf_min) / (gray.size - cdf_min) * 255).clip(0, 255).astype(np.uint8) manual = lut[gray] auto = cv2.equalizeHist(gray) diff = np.abs(manual.astype(int) - auto.astype(int)) print("最大差异:", diff.max(), "平均差异:", diff.mean())

这段代码的关键在cdf_min那一行：标准的均衡公式要用“第一个非零累积值”做偏移，直接除以总像素数会整体偏暗，这是很多人手写实现和 OpenCV 结果对不上却找不到原因的地方。clip是为了处理浮点转整型时的越界。跑出来最大差异为 0 或者 1，说明公式理解到位；差异达到几十，八成是漏了偏移或者用错了分母。

对相机模型这类没法一眼看出对错的，我会额外做一个反向验证：把projectPoints得到的三维点再投回平面，看能不能还原原始像素坐标，这个往返误差应该接近零。这个习惯是从一次标定实验翻车里留下的——当时重投影误差只有 0.3 像素，看着很漂亮，但用标定结果做三角测量时深度全乱，后来才发现是图像尺寸参数传错了，主点整体偏了半个画面。从那以后，我每次跑完标定都会强制走一遍“投影 → 反投影 → 比坐标”的往返校验，不管那个误差数字多好看。这套课程包里的复习资料只是给了知识点清单，真正把清单变成能力的，还是这十行二十行的验证代码。希望帮到你。

本文还有配套的精品资源，点击获取