1. 概要
この記事では，OpenCV C++版のPythonラッパー版である「OpenCVのPythonバインディング」の概要を，短めにまとめます．
2節で「バインディング」と名付けられたOpenCVの他言語ラッパー自動生成の仕組みについてまず述べたのち，3節では，C++版とPython版のインターフェースの違い＆共通点を整理します．そして4節では「Pythonで使えるので，科学技術計算・機械学習でインタラクティブに使用できる」という利点をまとめます．
2. Python版バインディングの自動生成
OpenCV は，バインディング(綴じ)」という，他言語ラッパー関数の自動生成機能が組み込まれています．このバイディング機能により，標準のC++版の(各クラスの)関数群を，コンパイル時に自動的にラッパーして，同じ関数名．引数・返り値のインターフェースを持ったPyhon版の関数を自動生成することで，Python版が提供されています．
(自動生成であるがゆえに)C++版での関数と書きごごちが同じであるOpenCV-Python版が提供されていることが，理解しておきたいポイントです．ただし，言語をまたぐと(文法や仕組みが違うので)完全に同じものにはなりません．
次の3節では，C++版とPython版の違いを，おさえておきましょう．
3. 「C++版との違い」と「Python版の書き方例」
Coreモジュ－ルの記事でも書いているように，C++版は画像/行列・多次元配列を「cv::Matクラス」というMatrixクラスに格納します．そしてcv::Matクラスには，①「画素値のfor操作」などの画像データの直接操作が提供されている一方で，「②numpyのarrayクラスで行なうような行列・線形代数計算」も，このMatクラスを引数にとるようなCoreモジュ－ルの各関数で実施するように(C++版では)なっています．
それに対して，OpenCV-Pythonバインディングでは，画像データや行列は，(pythonなので)numpy arrayオブジェクトを使用する仕組みになっています (つまり，cv::Matクラスは，Pythonインターフェースでは登場しません).
3.1 C++版とPythonバインディング版の関数の比較
ここまでをまとめると，Pythonバンディングでは，cv::Matであったところが，numpy arrayに替わるだけで，(自動生成であるがゆえ)関数のインターフェース感はC++版と同じままPythonの各関数が使えるという事です．これを具体的に「imread関数 」により，その違い＆共通点をみておきます．
例えば．画像を読むこみimread関数の場合，Python版では
filename = "input.png"
img = cv.imread(finename)という感じで，numpyのarrayをimreadの返り値にもらいますが，元のC++版では，
#include <opencv2/opencv.hpp>
int main() {
cv::Mat img = cv::imread ("sample.jpg", cv::IMREAD_COLOR)
return 0;
}というようなMatクラスで画像を受け取るコードを書きます．
imreadに限らず，C++で引数としてMatクラス(画像or行列データ)を使用している関数は，Python版ではnumpy arrayを引数に持つようになっています．
この仕組み・特性のおかげで，「OpenCV C++版のクラス・関数に，既に詳しい人」は，すぐPythonで各関数を馴染ある関数インターフェースのまま使えるし，「OpenCV-Python版に先になれていた人」も元のC++版や，他言語のOpenCVバインディングをつかう際にも楽に移行できる．
4. Pythonで使えるので「①インタラクティブに使える」＆「②科学技術計算・機械学習に強い」
Python版では，IPythonやJupyterNotebookなどの「科学計算的なインタラクティブ環境」上で，C++版のようなコンパイル作業を経ずに，「インンタラクティブに使うことができる」のは大きな利点である．元のC++だとリアルタイム計算には強いものの，インタラクティブに使えるスクリプト言語ではないので，実験的に「ああでもない，こうでもない」と沢山試すことができません (C++でソフトウェアをつくると，プログラムが大きくなってくるほど，コンパイルに相当な時間が必要になっていくので)．
みなさんもIPyhon上や Jupyter上で，OpenCV-Pythonをインタラクティブに使用していろんなを試すことができます．例えば，当サイトの用語Wiki記事の Cannyエッジ検出や，ハフ変換などの記事中の図の画像では，OpenCV-Python(もしくはscikit-image)を用いて作成してた．これらのコードは，管理人はJupyterNotebook上で，快適に作成したものです ．私はOpenCVに慣れているので，ああだこうだせずスラスラとつくっていますが，それでも，Pythonでできると，部分実行して試すこともできるし，デバッグや修正も楽であり，便利です．
加えて，OpenCV-Pythonは，科学計算分野の人間からすると元のC++版と違い，PyTorchなどのPythonに直接組み込めるのも，非常に便利です．OpenCV-Pythonバインディングは，「2000年代 当時の科学技術計算全般でのPythonの人気上昇 (※)」から追加された流れもあり，結果的にその後，組み込み環境や，ラズベリーパイなどのエッジ計算モジュールにおいても，OpenCV-Pythonの使用が増えることとなりました．
※ 参考になるQ&A記事→ Pythonはなぜ，ディープラーニング・機械学習向けの人気言語になったのか？【Q and A 記事】
また，OpenCVだけで完結するアプリなら「本番環境がC++ でも，Python版で先に色々と実験的に試したり，Pythonで事前検証しておく」という「別言語(Pythonやjavascript版)での事前実験」も可能で，これも役に立つことがあるはずです()．
参考記事
- OpenCV-Pythonの紐づけ(Bindings)がどのように動作するのか? （鳥取大のOpenCV3公式ドキュメントの日本語翻訳）