2024年最全能用OpenCV做的15大计算机视觉任务，2024年最新C C++程序员最大的悲哀是什么

本文链接：https://blog.csdn.net/2401_84976691/article/details/138825787

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

在这里插入图片描述

1　内置数据结构和输入/输出

OpenCV的最大优点之一是它提供了许多内置基元来处理与图像处理和计算机视觉相关的操作。如果你必须从零开始编程，就必须定义Image、Point、Rectangle等。这些几乎是任何计算机视觉算法的基础。
OpenCV自带所有这些基本结构，它们包含在核心模块中。另一个优点是这些结构已经针对速度和内存进行了优化，因此你不必担心其实现细节。
imgcodecs模块可以处理图像文件的读取和写入。当你对输入图像进行操作并创建输出图像时，可以使用简单的命令将其另存为.jpg或.png文件。
使用摄像机时，你将会处理大量的视频文件。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。你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。你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　图像处理操作

在编写计算机视觉算法时，会有很多基本的图像处理操作，你将反复使用它们。大多数这些函数都在imgproc模块中。你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。
让我们来看看图1-3。
在这里插入图片描述

右图是左侧图像的旋转版本，我们在OpenCV中用一行代码就可以实现这种转换。
还有另一个名为ximgproc的模块，它包含高级图像处理算法，可以用于诸如结构化森林的边缘检测、域变换滤波器、自适应流形滤波器等处理。

3　GUI

OpenCV提供了一个名为highgui的模块，可用于处理所有高级用户界面操作。假设你正在解决一个问题，并且想要在继续下一步之前检查图像的外观，则可利用该模块具有的创建窗口以显示图像和视频的功能。
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。
使用这些功能，你可以在那些输入窗口上绘制矩形，然后根据所选区域进行处理，以图1-4为例。
如你所见，我们在窗口上画了一个绿色矩形。一旦得到这个矩形的坐标，就可以单独操作该区域。

4　视频分析

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。OpenCV提供了一个名为video的模块，可以处理所有这些任务。
还有一个名为videostab的模块，用来处理视频稳定的问题。视频稳定非常重要，因为当你通过手持摄像机拍摄视频时，通常会有很多抖动需要纠正。所有的现代设备都会使用视频稳定功能，以便在将视频呈现给最终用户之前对其进行处理。

5　3D重建

3D重建是计算机视觉中的一个重要课题。给定一组2D图像，我们可以使用相关算法重建3D场景。在calib3d模块中，OpenCV提供的算法可以找到这些2D图像中各种对象之间的关系，并计算其3D位置。
该模块还可以处理摄像机校准，这对于估计摄像机的参数至关重要。这些参数定义了摄像机如何看到它前面的场景。我们需要知道这些参数来设计算法，否则我们可能会得到意想不到的结果。
请看图1-5。
正如我们在这里看到的，相同的对象从多个位置被捕获。我们的工作是使用这些2D图像重建原始对象。

.6　特征提取

正如我们前面所讨论的，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）。
名为features2d的OpenCV模块提供了检测和提取所有这些特征的功能。另一个名为xfeatures2d的模块提供了更多的特征提取器，其中一些仍处于实验阶段。如果有机会，你可以尝试使用它们。
还有一个名为bioinspired的模块，可以为受到生物学启发的计算机视觉模型提供算法。

7　对象检测

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。
检测对象的位置是许多计算机视觉系统中的关键步骤。
以图1-6为例。
如果你在这幅图像上运行一个椅子检测器，它会在所有椅子的周围放置一个绿色框，但它不会告诉你椅子是什么样的。
由于在各种尺度下执行检测所需的计算次数不同，对象检测曾经是计算密集型任务。为了解决这个问题，Paul Viola和Michael Jones在2001年的开创性论文中提出了一个很好的算法（https://www.cs.cmu.edu/~efros/courses/LBMV07/Papers/viola-cvpr-01.pdf ），其中提出了一种为任何对象快速设计对象检测器的方法。

OpenCV自带名为objdetect和xobjdetect的模块，它们提供了设计对象检测器的框架，你可以使用它们来开发任何对象的探测器，比如太阳镜、靴子等。

8　机器学习

机器学习算法被广泛用于构建实现目标识别、图像分类、面部检测、视觉搜索等功能的计算机视觉系统。
OpenCV提供了一个名为ml的模块，该模块捆绑了许多机器学习算法，包括贝叶斯分类器（Bayes classifier）、k近邻（k-nearest neighbor，简称KNN），支持向量机（support vector machine，简称SVM）、决策树（decision tree）、神经网络（neural network）等。
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。

9　计算摄影

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。
以图1-7为例。
看看这些生动的色彩！这是高动态范围图像的例子，使用传统的图像捕获技术无法实现这种效果。必须在多次曝光中捕获相同的场景，相互寄存这些图像，然后将它们很好地混合，之后才能创建出这个图像。
photo和xphoto模块包含各种算法，提供与计算摄影有关的算法。还有一个称为stitching的模块，它提供创建全景图像的算法。