1. OpenCV 概念

图像处理( Image Processing )是用计算机对图像进行分析，以达到所需结果的技术，又称影像处理。

图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别 3 个部分。图像处理一般指数字图像处理（ Digital Image Processing )。其中，数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组。该数组的元素称为像素，其值称为灰度值。而数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

OpenCV 的全称是 Open Source Computer Vision Library , 直译就是“开源计算机视觉库”。取代表开源的单词“Open”、“Computer ” 的首字母“C” 以及“ Vision ”的首字母“V”，组合命名为 OpenCV 。

OpenCV 是一个基于开源发行的跨平台计算机视觉库，它实现了图像处理和计算机视觉方面的很多通用算法，已经成为了计算机视觉领域最有力的研究工具之一。

OpenCV 由一系列 C 函数和 C++ 类构成，拥有包括 500 多个 C 函数的跨平台的中高层 API。 OpenCV 的设计目标是执行速度尽量快，主要关注实时应用。它采用优化的 C/C++ 代码编写，能够充分利用多核处理器的优势，其主要目标是构建一个简单易用的计算机视觉框架，以帮助开发人员更便捷地设计更复杂的计算机视觉相关
应用程序。

OpenCV 还提供 MLL ( Machine Learning Library ) 机器学习库。该机器学习库主要用于统计方面的模式识别和聚类（ clustering )。

OpenCV 官方主页：http://opencv.org
OpenCV Github 主页：https://github.com/opencv/opencv
OpenCV 开发版 Wiki 主页：http://code.opencv.org

2. OpenCV 整体架构

在 /usr/local/include/opencv4/opencv2 目录下，会发现上述文件夹中有个名为 opencv_modules.hpp 的 hpp 文件，里面存放的是OpenCV 中与新模块构造相关的说明代码，打开可以发现其定义的是 OpenCV 所有组件的宏，具体如下。

wohu@wohu:/usr/local/include/opencv4/opencv2$ cat opencv_modules.hpp
/**      ** File generated automatically, do not modify **** This file defines the list of modules available in current build configuration**
*/// This definition means that OpenCV is built with enabled non-free code.
// For example, patented algorithms for non-profit/non-commercial use only.
/* #undef OPENCV_ENABLE_NONFREE */#define HAVE_OPENCV_CALIB3D
#define HAVE_OPENCV_CORE
#define HAVE_OPENCV_DNN
#define HAVE_OPENCV_FEATURES2D
#define HAVE_OPENCV_FLANN
#define HAVE_OPENCV_GAPI
#define HAVE_OPENCV_HIGHGUI
#define HAVE_OPENCV_IMGCODECS
#define HAVE_OPENCV_IMGPROC
#define HAVE_OPENCV_ML
#define HAVE_OPENCV_OBJDETECT
#define HAVE_OPENCV_PHOTO
#define HAVE_OPENCV_STITCHING
#define HAVE_OPENCV_VIDEO
#define HAVE_OPENCV_VIDEOIOwohu@wohu:/usr/local/include/opencv4/opencv2$

工程文件包含路径为 /usr/local/include/opencv4 ，该目录各个模块文件夹如下：

wohu@wohu:/usr/local/include/opencv4/opencv2$ ls
calib3d      features2d      highgui.hpp    objdetect           stitching.hpp
calib3d.hpp  features2d.hpp  imgcodecs      objdetect.hpp       video
core         flann           imgcodecs.hpp  opencv.hpp          video.hpp
core.hpp     flann.hpp       imgproc        opencv_modules.hpp  videoio
cvconfig.h   gapi            imgproc.hpp    photo               videoio.hpp
dnn          gapi.hpp        ml             photo.hpp
dnn.hpp      highgui         ml.hpp         stitching
wohu@wohu:/usr/local/include/opencv4/opencv2$

下面就是 OpenCV 的所有模块，按照宏定义的顺序依次介绍。

2.1 calib3d

Calibration (校准）和 3D 这两个词的组合缩写。这个模块主要是相机校准和三维重建相关的内容，包括基本的多视角几何算法、单个立体摄像头标定、物体姿态估计、立体相似性算法、3D 信息的重建等。

2.2 core

核心功能模块，包含如卜内容：

OpenCV 基本数据结构
动态数据结构
绘图函数
数组操作相关函数
辅助功能与系统函数和宏
与 OpenGL 的互操作

2.4 features2d

人类视觉系统倾向于从给定场景中提取主要特征，然后记住它，这样便于后续的检索。为了模仿这一点，人们开
始设计各种特征提取器，用于从给定的图像中提取出这些特征点。

流行的算法包括尺度不变特征变换（Scale Invariant Feature Transform，简称SIFT）、加速鲁棒特征（Speeded Up Robust Features，简称SURF）和加速分段测试特征（Features From Accelerated Segment Test，简称FAST）。

也就是 Features2D ，即 2D 功能框架，包含如下内容：

特征检测和描述
特征检测器（Feature Detectors) 通用接口
描述符提取器（Descriptor Extractors) 通用接口
描述符匹配器（Descriptor Matchers ) 通用接口
通用描述符（Generic Descriptor) 匹配器通用接口
关键点绘制函数和匹配功能绘制函数

2.5 flann

Fast Library for Approximate Nearest Neighbors ，高维的近似近邻快速搜索算法库，包含以下两个部分：

快速近似最近邻搜索
聚类

2.7 highgui

高层 GUI 图形用户界面，可用于处理所有高级用户界面操作，包含媒体的输入输出、视频捕捉、图像和视频的编码解码、图形交互界面的接口等内容。

它有一个等待功能，可以等你按下键盘上的一个键才进入下一步。还有一个可以检测鼠标事件的功能，在开发交互式应用程序时非常有用。

2.9 imgproc

Image 和 Process 这两个单词的缩写组合，图像处理模块。包含如下内容：

线性和非线性的图像滤波
图像的几何变换
其他图像转换
直方图相关
结构分析和形状描述
运动分析和对象跟踪
特征检测
目标检测等内容

可以执行诸如图像过滤、形态学操作、几何变换、颜色转换、图像绘制、直方图、形状分析、运动分析、特征检测等操作。

2.10 ml

Machine Learning ，机器学习模块，基本上是统计模型和分类算法，包含如下内容：

统计模型( Statistical Models)
一般贝叶斯分类器（Normal Bayes Classifier)
K-近邻（K-Nearest Neighbors)
支持向量机（Support Vector Machines)
决策树(DecisionTrees)
提升(Boosting)
梯度提高树（Gradient Boosted Trees)
随机树（Random Trees)
超随机树(Extremely randomized trees)
期望最大化（Expectation Maximization)
神经网络(Neural Networks)
MLData

它还有一个名为快速近似最近邻搜索库（Fast Approximate Nearest Neighbor Search Library，简称 FLANN）的模块，其中包含用于在大型数据集中进行快速最近邻搜索的算法。

2.11 objdetect

目标检测模块，包含 Cascade Classification (级联分类）和 Latent SVM 这两个部分。对象检测是指检测给定图像中对象的位置。此过程与对象类型无关。

如果你设计一个椅子检测器，它不会告诉你给定图像中的椅子是高靠背红色的，还是蓝色低靠背的，它只会告诉你椅子的位置。

2.12 photo

Computational Photography ，包含图像修复和图像去噪两部分。计算摄影是指使用先进的图像处理技术来改善相机捕获的图像。

计算摄影并不专注于光学过程和图像捕捉方法，而是使用软件来操纵视觉数据。其应用领域包括高动态范围成像，全景图像、图像补光和光场相机等。

2.13 stitching

images stitching ，图像拼接模块，包含如下部分：

拼接流水线
特点寻找和匹配图像
估计旋转
自动校准
图片歪斜
接缝估测
曝光补偿
图片混合

2.14 video

视频分析包括诸如分析视频中连续帧之间的运动、跟踪视频中的不同目标、创建视频监控模型等任务。该模块包括运动估计、背景分离、对象跟踪等视频处理相关内容。

2.15 videoio

videoio 模块可以处理与视频文件的输入和输出相关的所有操作。可以轻松地从网络摄像头捕获视频，或以多种不同格式读取视频文件。甚至可以通过设置诸如每秒帧数、帧大小等属性来将很多帧保存为视频文件。

2.16 人脸和对象识别

人脸识别是指识别给定图像中的人物。这与人脸检测不同，在人脸检测中，只需要识别给定图像中人脸的位置。
如果你想建立一个可以识别相机前面的人的实用的生物识别系统，首先需要运行一个人脸检测器来识别人脸的位置，然后运行一个单独的人脸识别器来识别该人是谁。有一个名为 face 的 OpenCV 模块用于处理人脸识别。

正如我们之前讨论的那样，计算机视觉试图按照人类感知视觉数据的方式对算法进行建模。因此，在图像中找到显著的区域和对象将是有帮助的，这可以帮助我们处理不同的应用，例如目标识别、目标检测和跟踪等。一个名为 saliency 的模块是专门为此目的而设计的。它提供的算法可以检测静态图像和视频中的显著区域。

2.17 表面匹配

Kinect 是捕获深度信息和视觉数据的一个很好的设备例子，它现在能够识别输入的3D对象，并将其与数据库中的模型匹配。如果我们有一个可以识别和定位对象的系统，那么它就可以用于许多不同的应用程序。

一个名为 surface_matching 的模块包含用于 3D 对象识别的算法，以及使用 3D 特征的姿势估计算法。

2.18 文本检测与识别

一个名为 text 的模块包含处理文本检测和识别的各种算法。

3. OpenCV 3 新版本改进

在 GitHub 中，除了存放着正式版 OpenCV 的主仓库和新增加的 opencv_extra 仓库以外， OpenCV 3.0 中还添加了一个名为 opencv_contrib 的全新仓库，这个新仓库中有很多让人兴奋的功能：包括脸部识别和文本探测，以及文本识别、新的边缘检测器、充满艺术感的图像修复、深度地图处理、新的光流和追踪算法等。

OpenCV 主仓库的地址：https://github.com/opencv/opencv
opencv_extra 仓库地址：https://github.com/opencv/opencv_extra
opencv contrib 仓库地址：https://github.com/opencv/opencv_contrib

正式版 opencv 与 opencv_contrib 之间的区别如下：

两者都由 OpenCV 官方幵发团队持续集成系统维护，虽然目前 opencv_contrib 仓库中的代码测试并没有完成，很多功能不稳定。
主体的 OpenCV 在 GitHub 中由 Itseez 提供，其有着非常稳定的 API 以及少部分的创新。
opencv_contrib 仓库是大多数实验性代码放置的地方，一些 API 可能会有改变，一直会欢迎广大开发者们贡献新的精彩算法。
opencv contrib 中的这些额外模块可以在 CMake 中用 OPENCV_EXTRA_MODULES_PATH=/modules 传递给 CMake 文件，和 OpenCV3 主体中的代码一起编译和运行。
opencv_contrib 的文档是自动生成的，可以在 http://docs.opencv.org/master/ 中找到，并会在随后的版本中更加完善。

OpenCV 笔记（01）— OpenCV 概念、整体架构、各模块主要功能相关推荐

HTML/CSS学习笔记01【概念介绍、基本标签】
w3cschool菜鸟教程.CHM(腾讯微云):https://share.weiyun.com/c1FaX6ZD HTML/CSS学习笔记01[概念介绍.基本标签.表单标签][day01] HTML ...
学习笔记(01):2019Java微服务架构2.0-Vue-通信1
立即学习:https://edu.csdn.net/course/play/25600/310625?utm_source=blogtoedu 保存笔记
Tomcat学习笔记（2）- 整体架构
文章目录 1. Server组件 2. Service组件 3. Connector组件 4. Engine组件 5. Host组件 6. Context组件 7. Wrapper组件 8. 处理请求 ...
华为fusionsphere整体架构及其各组件功能_华为数据之道：面向业务的信息架构建设...
华为的数字化转型已经成为行业公认的标杆,最近的畅销书<华为数据之道>对华为的数字化转型方法和经验进行了系统性地披露.企业的数字化转型,最重要的是数据治理,其次是信息架构的建设,本文将通过& ...
【Linux】Linux内核的整体架构简介
文章目录 0.前言 1.Linux 内核的核心功能 2.Linux内核的整体架构 3.Linux源代码目录结构参考 0.前言本文是笔者学习Linux系统的记录性文章故引用和参考较多,参考文章见文末 ...
opencv学习笔记01
原创博文地址:opencv学习笔记01 学习目标 1,opencv能做什么,不能做什么 2,阅读代码,知道某种func后图片怎么样了 3,在图片相关机器学习算法预处理阶段,希望通过对图片的简单处理,达 ...
OpenCV笔记-图像预处理1
OpenCV笔记一. 图像预处理 1. 图像显示与存储 1.1 颜色空间颜色空间(RGB) 加法混色三通道:RGB 一个像素的颜色值:(b,g,r) 取值范围:[0,255] or [0.0,1 ...
尚硅谷大数据技术Spark教程-笔记01【Spark(概述、快速上手、运行环境、运行架构)】
视频地址:尚硅谷大数据Spark教程从入门到精通_哔哩哔哩_bilibili 尚硅谷大数据技术Spark教程-笔记01[Spark(概述.快速上手.运行环境.运行架构)] 尚硅谷大数据技术Spark教 ...
Maven-学习笔记01【基础-Maven基本概念】
Java后端学习路线笔记汇总表[黑马程序员] 黑马程序员(腾讯微云)Maven基础讲义.pdf Maven-学习笔记01[基础-Maven基本概念] Maven-学习笔记02[基础-Maven的安 ...

OpenCV 笔记（01）— OpenCV 概念、整体架构、各模块主要功能