OpenCV库文件介绍

最新推荐文章于 2024-03-30 16:11:11 发布
最新推荐文章于 2024-03-30 16:11:11 发布
阅读量2.8w 收藏 194
点赞数 48
分类专栏： OpenCV
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/liuxiao214/article/details/77882282
版权

以前都是直接用opencv，都没有仔细研究过，这次把库文件都介绍一下。

1、build和source

当我们安装完opencv中，你会发现在opencv文件夹中有两个文件夹，build和source，那它们分别是干什么的呢。

这里写图片描述

首先说这两者的关系，sources放的是opencv中的cpp文件，相当于一个工厂，build放的是opencv中的h、hpp、lib文件，相当于一个工具，opencv的开发者（当然开源后的使用者也可以）通过sources中的源文件，构建出build中的库文件，然后使用者就可以链接这些库，include<头文件>。一般非开源的程序和库是不开放sources的，而opencv作为一个开源库，这些也是使用者可见的。

source里面是各种各样的函数实现，对于只想用opencv的人来说，只关心我怎么用，于是开发者就会使用这些源文件构建出库，这些库里面包含了函数实现。这些库就是各种lib，然后还有头文件。

build里面只有接口，没有cpp中的实现什么的，build是对使用者的，使用者只用知道接口就行了，不需要知道这个是怎么做到的。当然因为opencv开源，所以使用者也可以直接查看源文件。

具体来说，soucees里面放的是函数具体的实现，比如有gray方法，对一个mat的像素怎么使它变成灰度化。

使用者include<头文件>，头文件里面是各种接口，比如gray，就是一个gray（MAt img），使用者链接这些库，inluce<头文件>，然后在程序中调用gray，然后程序运行的时候会进行链接时，在各种依赖库中寻找gray的实现，因为我们连接了opencv的库，所以在opencv的lib中就找到了gray的实现，然后就调用这个实现，然后就灰度化了，就是这个么过程。

举个不是很恰当的例子，build就像是卖给用户的macbook，用户只用知道怎么用，这个操作系统很好用，不卡，不用知道这个操作系统怎么实现了。怎么实现的就在source里面，非开源的程序和库是不可能让你看到source的。

2、build

在build文件夹中，如下，

这里写图片描述
.

首先，doc文件夹下放的是各种关于opencv的文档；include文件夹下是所有的头文件；其余四个分别是：一个给java用的库、一个给python用、一个给x86win用、一个给x64win用。两个cmake文件都是cmake的一些配置，很强大的编译工具。

2.1 include

分为opencv和opencv2.

这里写图片描述

这里写图片描述
.

这里借用博客1和博客2的介绍。

1、opencv

其中cv.h中包含的头文件：

#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/video/tracking.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/flann/flann.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/legacy/compat.hpp"

cv.hpp中包含头文件：

#include <cv.h>

也就是说cv.hpp是包含cv.h的，程序中凡用到cv.h的地方都可以用cv.hpp 替换，那么为什么又要设置hpp文件呢？

hpp是Header Plus Plus的简写，与 .h 文件类似。但与之不同的是，.hpp将*.cpp中的实现代码也写入其中，使得定义与实现都包含在同一文件中。这样做带来的好处显而易见，无需再将cpp文件添加到项目中编译，减少了编译次数，也不用发布烦人的lib,dll 文件，因此非常适合用来编写公用的开源库。

文件夹opencv中的头文件都是类似的，均包含文件夹opencv2里的头文件。所以我们如果是从低版本的opencv学习过渡到高版本的opencv的话，如果不适应可以先以opencv文件夹里的文件调用为标准。如果熟悉opencv里的函数分布，也可以直接调用opencv2文件夹里的具体头文件，这样在头文件预编译提高效率。

2、opencv2

先看opencv.hpp文件：

#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
#include "opencv2/flann/miniflann.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/photo/photo.hpp"
#include "opencv2/video/video.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/ml/ml.hpp"
#include "opencv2/highgui/highgui_c.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/contrib/contrib.hpp"

很明显opencv.hpp的头文件包含了opencv库里的所有头文件。

接着看opencv_modules.hpp文件：

#define HAVE_OPENCV_CALIB3D
#define HAVE_OPENCV_CONTRIB
#define HAVE_OPENCV_CORE
#define HAVE_OPENCV_FEATURES2D
#define HAVE_OPENCV_FLANN
#define HAVE_OPENCV_GPU
#define HAVE_OPENCV_HIGHGUI
#define HAVE_OPENCV_IMGPROC
#define HAVE_OPENCV_LEGACY
#define HAVE_OPENCV_ML
#define HAVE_OPENCV_NONFREE
#define HAVE_OPENCV_OBJDETECT
#define HAVE_OPENCV_OCL
#define HAVE_OPENCV_PHOTO
#define HAVE_OPENCV_STITCHING
#define HAVE_OPENCV_SUPERRES
#define HAVE_OPENCV_TS
#define HAVE_OPENCV_VIDEO
#define HAVE_OPENCV_VIDEOSTAB

其解释如下：

【calib3d】：其实就是就是Calibration（校准）加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。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信息的重建等等。

【contrib】：也就是Contributed/Experimental Stuf的缩写， 该模块包含了一些最近添加的不太稳定的可选功能，不用去多管。2.4.8之后有新型人脸识别， 立体匹配 ，人工视网膜模型等技术。

【core】： 核心功能模块，尤其是底层数据结构和算法函数。包含如下内容：

  • 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

【imgproc】： Image和Processing这两个单词的缩写组合。图像处理模块，这个模块包含了如下内容：

  • 线性和非线性的图像滤波
  • 图像的几何变换
  • 其它（Miscellaneous）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

【features2】： d也就是Features2D， 2D功能框架 ，包含兴趣点检测子、描述子以及兴趣点匹配框架。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

【flann】： Fast Library for Approximate Nearest Neighbors，高维的近似近邻快速搜索算法库， 包含两个部分：快速近似最近邻搜索和聚类。

【gpu】： 运用GPU加速的计算机视觉模块。

【highgui】： 也就是high gui，高层GUI图形用户界面，包含媒体的I / O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。

【legacy】： 一些已经废弃的代码库，保留下来作为向下兼容，包含如下相关的内容。

  • 运动分析
  • 期望最大化
  • 直方图
  • 平面细分（C API）
  • 特征检测和描述（Feature Detection and Description）
  • 描述符提取器（Descriptor Extractors）的通用接口
  • 通用描述符（Generic Descriptor Matchers）的常用接口

【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-NearestNeighbors）
  • 支持向量机 （Support Vector Machines）
  • 决策树 （Decision Trees）
  • 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

【nonfree】： 也就是一些具有专利的算法模块 ，包含特征检测和GPU相关的内容。最好不要商用，可能会被告哦。

【objdetect】： 目标检测模块，包含Cascade Classification（级联分类）和Latent SVM这两个部分。

【ocl】： 即OpenCL-accelerated Computer Vision，运用OpenCL加速的计算机视觉组件模块。

【photo】： 也就是Computational Photography，包含图像修复和图像去噪两部分。

【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

【superres】： SuperResolution，超分辨率技术的相关功能模块。

【ts】： opencv测试相关代码，不用去管他。

【video】： 视频分析组件，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。

【Videostab】： Video stabilization，视频稳定相关的组件。

2.2 X64和X86

首先，这里面放的都是一些库文件，只不过X64面向64位，X86是32位的，然后以X64为例，

.
这里写图片描述
.

这是代表编译给不同版本的visual studio用的库，这里以vc12为例。

.
这里写图片描述
.

bin文件夹下：dll文件，动态链接库。具体实现的内容。计算机环境变量中，这个路径是要加到path中的。

lib文件夹下：配置opencv环境时，添加的lib库。用来链接。

staticlib文件夹下：静态库。

静态库是编译时就把整个函数加载进去，所以可执行文件会变大。动态库是编译时加进去的是一个函数表，运行时才会从dll里面加载对应的函数实现。

这里参考于博客给出一个关于dll和lib的解释。

共有两种库：

  • 一种是LIB包含了函数所在的DLL文件和文件中函数位置的信息（入口），代码由运行时加载在进程空间中的DLL提供，称为动态链接库dynamic link library。
  • 一种是LIB包含函数代码本身，在编译时直接将代码加入程序当中，称为静态链接库static link library。

共有两种链接方式：

  • 动态链接使用动态链接库，允许可执行模块（.dll文件或.exe文件）仅包含在运行时定位DLL函数的可执行代码所需的信息。
  • 静态链接使用静态链接库，链接器从静态链接库LIB获取所有被引用函数，并将库同代码一起放到可执行文件中。

关于lib和dll的区别如下：

  • lib是编译时用到的，dll是运行时用到的。如果要完成源代码的编译，只需要lib；如果要使动态链接的程序运行起来，只需要dll。

  • 如果有dll文件，那么lib一般是一些索引信息，记录了dll中函数的入口和位置，dll中是函数的具体内容；如果只有lib文件，那么这个lib文件是静态编译出来的，索引和实现都在其中。使用静态编译的lib文件，在运行程序时不需要再挂动态库，缺点是导致应用程序比较大，而且失去了动态库的灵活性，发布新版本时要发布新的应用程序才行。

  • 动态链接的情况下，有两个文件：一个是LIB文件，一个是DLL文件。LIB包含被DLL导出的函数名称和位置，DLL包含实际的函数和数据，应用程序使用LIB文件链接到DLL文件。在应用程序的可执行文件中，存放的不是被调用的函数代码，而是DLL中相应函数代码的地址，从而节省了内存资源。DLL和LIB文件必须随应用程序一起发行，否则应用程序会产生错误。如果不想用lib文件或者没有lib文件，可以用WIN32 API函数LoadLibrary、GetProcAddress装载。

3、sources

这里写图片描述
。

  • samples：是一些简短的学习用例。
  • modules：包含了所有的源文件。
  • doc：是一些文档，包含一些教程。
  • include：是所有的头文件。包含opencv和opencv2。
  • 3rdparty：第三方库，如ffmpeg视频编码等。
  • apps：一些应用，比如级联分类器，haar特征分类器。
  • cmake：编译相关。
  • data：级联分类器的一些数据。比如人脸检测、人眼检测等。
  • platform：平台相关，iOS、Android、Linux、script、win。
夏洛的网
关注
  • 48
    点赞
  • 踩
  • 194
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
opencv4.5.5 独立模块dll库文件
02-26
opencv4.5.5 独立模块dll库文件 默认下载的库文件是world整体一个dll，60多M 独立编译编译，可以按需添加dll，把软件安装包做到最小
opencv库文件
04-14
opencv所需要的库文件，包括cv200.lib、cvaux200.lib、cxcore200.lib、highgui200.lib、ml200.lib。
开源计算机视觉库OpenCV详解
weixin_39108752的博客
02-22 1378
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。OpenCV最初由Intel开发，目的是为了提供一个通用的基础设施，让计算机视觉应用更加容易地被开发出来。它现在拥有一个庞大的用户社区，并且被广泛用于学术和商业领域。OpenCV支持多种编程语言，包括C++、Python、Java等，并且可以在不同的平台上运行，如Windows、Linux、Mac OS等。以下举例介绍了常见的opencv的功能使用。
编译好的opencv 库文件
10-24
编译好的opencv 库分为include 和 lib
openCV库文件卷2
04-01
Windows下Qt使用openCV需要用到的库文件，使用方式在https://blog.csdn.net/u012902367中《Qt 使用openCV》一文中有介绍。
openCV库文件
04-01
Windows下Qt使用openCV需要用到的库文件，使用方式在https://blog.csdn.net/u012902367中《Qt 使用openCV》一文中有介绍。
【Python入门教程】OpenCV库简介
热门推荐
Remote Sensing迷途小书童
06-19 1万+
Opencv（Open Source Computer Vision Library）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，已成为计算机视觉领域最有力的研究工具。在这里我们要区分两个概念：图像处理和计算机视觉的区别：图像处理侧重于“处理”图像–如增强，还原，去噪，分割等等；而计算机视觉重点在于使用计算机来模拟人的视觉，因此模拟才是计算机视觉领域的最终目标。   OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Wi
OpenCV的前世和今生
努力中的老周的专栏
11-06 7630
OpenCV是什么 OpenCV是一个开源的计算机视觉库，可以从http://opencv.org获取。OpenCV库用C和C++编写，可以在Windows、Linux、Mac OS等系统运行。同时也开发Python、Java、Matlab以及其他语言的接口，将库导入安卓和iOS中为移动设备开发应用。 OpenCV包含一个完备的、具有通用性的机器学习库（ML模块，Machine Learnin...
查看openmv中“import time/pyb/sensor/image”各模块包含的函数
yyyyyyyyyysz的博客
08-04 5770
OpenMV Cam是一款小巧，低功耗的微控制器板(简称openmv)，可让您在现实世界中使用机器视觉轻松实现应用。 最近在学习openmv的过程中遇到些疑问，就是openmv的IDE给的例程中，一开始都会有“import time/pyb/sensor/image”等，这些是Python中引入模块的语法，方便调用其它模块的函数。然后，继续看下去的时候，下面就调用了各模块的函数，这个很正常。但是如...
Caffe框架下OPenMV的机器学习（六）训练神经网络
Jagaur_XY的博客
07-23 7524
1.准备prototxt文件 第一章中我们谈到，我们可以借助OPenMV的源码来进一步学习OPenMV神经网络的训练方法 我们打开OPenMV源码的文件夹（没有下载的小伙伴请点击 这里） cd openmv-master\ml\cmsisnn\models\lenet 进入lenet文件夹，可以看到该文件夹下有五个文件，分别为： lenet.network （适用于OPenMV的神经...
Windows系统下如何将自己的影像数据通过OpenMVG生成OpenMVS可以使用的.mvs格式数据
最新发布
m0_59534535的博客
03-30 283
由于OpenMVS进行密集匹配和Mesh重建都需要输入一个.mvs文件，而这个文件除了一些博文所提供的开源数据集的.mvs之外，没办法去用自己的数据运行OpenMVS建模，所以本文主要介绍如何将自己的影像数据生成.mvs并且在OpenMVS中使用。
Ubuntu 安装并使用OpenMVG和OpenMVS(保姆级教程)
weixin_61265732的博客
07-20 4987
Ubuntu环境下通过OpenMVG和OpenMVS实现精度较高的三维重建
Caffe框架下OPenMV的机器学习（五）制作数据标签
Jagaur_XY的博客
07-22 2069
1. 概述 1.1什么是数据标签？ 数据标签就是图像数据在训练模型中的一个标志，设置标签有利于Caffe读取的时候提高速度也便于训练模型的标准化。 1.2常用的数据标签类型 lmdb HDF5 LMDB是一个闪电般的内存映射型数据库管理器，在Caffe中的作用主要是提供数据管理，将形形色色的原始数据转换为统一的Key-Value存储，便于Caffe的DataLa...
openmv串口数据 串口助手_第十四课python来写串口助手-程序打包
weixin_39775106的博客
11-21 176
1、使用pyinstaller来编译程序，先安装pip install pyinstaller，如下所示：2、我们切换到CMD中，输入：pyinstaller main.py,等待运行结束，一般会有杀毒软件提示，给权限就好了，等待运行完毕，我们在目录下会存在一个dlist的文件夹，点击进去会有一个main的文件夹，如下所示：我们可以点击右键，看看文件夹的大小：虽然我们的功能很简单，但是pyinst...
OpenMVS配置注意事项
renye_lpl的博客
02-01 2503
配置OpenMvs++OpenMvg中额外注意事项 参考OpenMVS配置方法final（存于百度云盘/AR组/） 1.vs2015使用with updat3版本，在安装后，需要保证项目编译器中包含了visual c++，否则cmake在编译的时候会提示找不到编译器 2.QT的安装需要使用5.6.9，因为这个在QT官网可以下载到，需要使用win64版本，不能用x86 3.尽
python之opencv库
陌北v1的博客
12-26 4188
OpenCV 的主要功能包括： 图像处理：包括缩放、裁剪、旋转、颜色转换等。 视频分析：包括运动检测、跟踪、分类等。 图像分类：包括人脸识别、文本识别等。 图像识别：包括物体识别、模式识别等。 3D 重建：包括立体视觉、点云生成等。 OpenCV 可以用于很多不同的领域，例如： 机器人：OpenCV 可以用于机器人的视觉感知、定位和导航。 自动驾驶：OpenCV 可以用于自动驾驶汽车的道路检测、车道线检测和车辆检测等。 安防：OpenCV 可以用于监控系统的人脸检测、人体检测和行为分析等。
OpenMV入门教程（非常详细）从零基础入门到精通，看完这一篇就够了
xnxqwzy的博客
08-20 3291
OpenMV 是一个开源，低成本，功能强大的 机器视觉模块。OpenMV上的机器视觉算法包括 寻找色块、人脸检测、眼球跟踪、边缘检测、标志跟踪 等。以STM32F427CPU为核心，集成了OV7725摄像头芯片，在小巧的硬件模块上，用C语言高效地实现了核心机器视觉算法，提供Python编程接口。（这也就意味着，我们可以通过python来对他进行编程，所以我们就需要学习一点基础的python知识）上面是我们下载完 IDE 后进入的界面中间的这一块是我们的代码编辑框，我们可以在这里写代码。
静态编译含有opencv库文件的程序
12-08
静态编译含有OpenCV库文件的程序的步骤如下： 1.下载并安装CMake和MinGW-w64，确保它们都已添加到系统环境变量中。 2.下载OpenCV源代码并解压缩。 3.使用CMake生成MinGW Makefiles。在CMake GUI中，设置源代码路径和构建路径，然后点击“Configure”按钮。选择“MinGW Makefiles”作为生成器，选择“Specify native compilers”选项，并设置C和C++编译器路径。点击“Finish”按钮。 4.在CMake GUI中，设置以下选项： - BUILD_SHARED_LIBS：关闭 - CMAKE_BUILD_TYPE：Release - CMAKE_INSTALL_PREFIX：选择一个目录，例如C:/opencv 5.点击“Configure”按钮，然后点击“Generate”按钮。 6.打开命令提示符并导航到构建目录。运行以下命令编译和安装OpenCV库： ``` mingw32-make mingw32-make install ``` 7.创建一个新的C++项目并将以下代码复制到main.cpp文件中： ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { cv::Mat image = cv::imread("test.jpg"); if (image.empty()) { std::cout << "Could not open or find the image" << std::endl; return -1; } cv::namedWindow("Display window", cv::WINDOW_NORMAL); cv::imshow("Display window", image); cv::waitKey(0); return 0; } ``` 8.在项目文件夹中创建一个名为“build”的新文件夹，并在命令提示符中导航到该文件夹。 9.运行以下命令生成Makefile： ``` cmake -G "MinGW Makefiles" -DCMAKE_PREFIX_PATH=C:/opencv .. ``` 10.运行以下命令编译程序： ``` mingw32-make ``` 11.将以下代码添加到项目文件夹中的.bat文件中，以将OpenCV库文件链接到可执行文件中： ``` g++ -static main.cpp -o main.exe -IC:/opencv/include -LC:/opencv/lib -lopencv_core452 -lopencv_highgui452 -lopencv_imgcodecs452 -lopencv_imgproc452 ``` 12.运行.bat文件以生成可执行文件。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值