OpenCV是计算机视觉开源库,由一系列C、C++类构成,包含了大量的C++、Python接口,主要的算法包括图像处理、机器视觉等。
做计算机视觉、SLAM等方向必须要掌握opencv的使用。
使用OpenCV已经好久一段时间了,主要用到的就那几个主要的模块,现在对OpenCV的框架个各模块的功能做一个介绍。
主要模块介绍:
1.【core】核心模块
- 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.【imgproc】Imaging与Processing两个单词的缩写的组合。图像处理模块。
- 线性和非线性的图像滤波
- 图像的几何变换
- 其他(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
- 目标检测等内容
3.【features2d】2D功能框架
- 特征检测和描述
- 特征检测器(Feature Detectors)通用接口
- 描述符检测器(Descriptor Extrators)通用接口
- 描述匹配器(Descriptor Matches)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
4.【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
- 聚类
5.【gpu】——运用GPU加速的计算机视觉模块
6.【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
- 匹配器
7.【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
8.【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。其中SIFT特征点的检测和处理都在此模块中。
9.【objdetect】——目标检测模块,包含Cascade Classification(级联分类)和Latent SVM这两个部分。
10.【ocl】——即OpenCL-accelerated Computer Vision,运用OpenCL加速的计算机视觉组件模块
11.【photo】——也就是Computational Photography,包含图像修复和图像去噪两部分
12.【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
13.【superres】——SuperResolution,超分辨率技术的相关功能模块
14.【ts】——opencv测试相关代码,不用去管他
15.【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。
16.【Videostab】——Video stabilization,视频稳定相关的组件,官方文档中没有多作介绍,不管它了。
17. opencv3新增了shape模块!
【shape】--形状的匹配以及距离计算SHAPE
参考自:https://www.cnblogs.com/black-mamba/p/5924453.html