1. ¿Qué es OpenCV y para qué sirve?

OpenCV (Open Source Computer Vision Library) es una potente biblioteca de código abierto diseñada para resolver problemas de visión artificial y procesamiento de imágenes. Escrita en C++ con soporte para Python, Java y otros lenguajes, ofrece más de 2500 algoritmos optimizados para analizar, filtrar, transformar y reconocer información visual. OpenCV se utiliza activamente en robótica, sistemas de videovigilancia, imágenes médicas, realidad aumentada y vehículos autónomos.

¿Para qué sirve? En el mundo actual, enormes volúmenes de datos llegan en forma de imágenes y videos. El procesamiento manual de este flujo es imposible. OpenCV permite automatizar tareas como la detección de rostros, el seguimiento de objetos, la calibración de cámaras, la construcción de mapas de profundidad, la segmentación de imágenes e incluso el entrenamiento de redes neuronales para el reconocimiento de patrones. La biblioteca proporciona herramientas listas para usar y de alto rendimiento, liberando al desarrollador de la necesidad de implementar complejos algoritmos matemáticos desde cero.

Para C++, OpenCV es el estándar de facto de la industria. Gracias al trabajo directo con la memoria y el acceso de bajo nivel a los píxeles, la versión en C++ garantiza la máxima velocidad de ejecución, algo crítico para aplicaciones en tiempo real (por ejemplo, procesamiento de video de una cámara a 60 FPS). La biblioteca es desarrollada activamente por la comunidad y empresas (Intel, Willow Garage, Itseez), y su arquitectura modular permite conectar solo los componentes necesarios, ahorrando recursos.

2. Instalación

La instalación de OpenCV para C++ requiere compilar el código fuente o usar un gestor de paquetes. A continuación se muestran los métodos principales.

2.1. Instalación mediante vcpkg (recomendado para Windows)

# Instala vcpkg si aún no lo tienes
git clone https://github.com/Microsoft/vcpkg.git
cd vcpkg
.\bootstrap-vcpkg.bat

# Instala OpenCV con soporte para módulos adicionales (contrib)
.\vcpkg install opencv4[contrib,nonfree]:x64-windows

# Integración con Visual Studio
.\vcpkg integrate install

2.2. Instalación mediante apt (Linux / Ubuntu / Debian)

sudo apt update
sudo apt install libopencv-dev

2.3. Instalación mediante brew (macOS)

brew install opencv

2.4. Compilación desde el código fuente (máxima flexibilidad)

git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git
cd opencv
mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \
      -D WITH_TBB=ON \
      -D WITH_V4L=ON \
      -D WITH_OPENGL=ON ..
make -j$(nproc)
sudo make install

Después de la instalación, no olvides indicar las rutas a los archivos de cabecera y bibliotecas en tu IDE (por ejemplo, Visual Studio, CLion, CMake). Ejemplo para CMakeLists.txt:

cmake_minimum_required(VERSION 3.10)
project(MyOpenCVProject)
find_package(OpenCV REQUIRED)
add_executable(main main.cpp)
target_link_libraries(main ${OpenCV_LIBS})

3. Inicio rápido — ejemplo mínimo funcional

El siguiente código carga una imagen, la convierte a escala de grises y guarda el resultado. Este es el clásico "¡Hola, mundo!" de la visión artificial.

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // Cargamos la imagen a color
    cv::Mat image = cv::imread("input.jpg");
    if (image.empty()) {
        std