3. 实战环境搭建：OpenCV安装、Python环境配置、测试图像数据集准备

说实话，很多同学做算法研究，理论背得滚瓜烂熟，一到动手就卡在环境上。我见过太多人花了两天装OpenCV，结果发现版本不对，白平衡算法跑出来全是花的。这一章，咱们就把地基打牢。

环境搭建这件事，说白了就三步：Python环境、OpenCV库、测试图片。每一步都有坑，我一个个说。

3.1 Python虚拟环境：别偷懒，这一步省不了

我个人习惯，每个项目都建独立的虚拟环境。为什么？你想想看，今天做白平衡用OpenCV 4.5，明天做目标检测用OpenCV 4.8，两个项目依赖打架怎么办？

我推荐用 conda 或者 venv。这里用 conda 举例：

# 创建Python 3.8环境，我给这个环境起名叫awb_lab
conda create -n awb_lab python=3.8

# 激活环境
conda activate awb_lab

# 检查Python版本
python --version

激活后，终端前面会出现 (awb_lab) 字样。看到这个，说明环境生效了。嗯，这里要注意：每次打开新终端，都要重新 conda activate，不然你装的包全跑基环境里去了。

3.2 OpenCV安装：版本选对，少走弯路

OpenCV的安装，我踩过最大的坑就是——装成了 opencv-python-headless，结果 cv2.imshow() 弹不出窗口。白平衡算法调试时，你得实时看效果啊，没窗口怎么调？

正确的安装命令：

# 标准版，带GUI支持
pip install opencv-python==4.5.5.64

# 如果需要额外contrib模块（比如高级白平衡算法）
pip install opencv-contrib-python==4.5.5.64

装完后，验证一下：

import cv2
print(cv2.__version__)
# 应该输出：4.5.5

如果报错 No module named 'cv2'，八成是pip安装到了别的环境。检查一下当前终端是不是在 awb_lab 环境里。

3.3 测试图像数据集：自己拍不如用现成的

做白平衡算法，你需要三类图片：

• 标准色卡图：用来做ground truth对比
• 不同色温场景图：日光、阴天、白炽灯、荧光灯
• 极端偏色图：比如纯蓝场景、纯红场景，考验算法鲁棒性

我整理了一个小数据集，结构如下：

你可以从 这里 下载（课程配套资源包里有）。或者自己拍也行，但记住：一定要拍RAW格式，因为JPEG已经做过白平衡了，你拿它做测试，结果不准。

3.4 整体环境结构一览

我把整个项目结构画了张图，你照着搭就行：

3.5 快速验证脚本

环境搭完，跑个脚本验证一下。我习惯写一个最小化测试：

import cv2
import numpy as np
import os

# 1. 检查OpenCV版本
print(f"OpenCV版本: {cv2.__version__}")

# 2. 读取一张测试图
img_path = "dataset/color_checker/DSC_0001.jpg"
if not os.path.exists(img_path):
    print(f"错误：找不到图片 {img_path}")
    exit()

img = cv2.imread(img_path)
if img is None:
    print("错误：图片读取失败，可能是路径或格式问题")
    exit()

print(f"图片尺寸: {img.shape}")  # (高, 宽, 通道数)

# 3. 显示图片（按任意键关闭）
cv2.imshow("Test Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

print("环境验证通过！")

3.6 常见问题速查