OpenCV修养（一）——引入

1 引入

1.1 OpenCV是啥

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令， 如今也提供对于C#、Ch、Ruby，GO的支持。

1.2 OpenCV——Python

OpenCV—python是一个python绑定库，旨在解决计算机视觉问题。

OpenCV-Python使用Numpy，这是一个高度优化的数据库操作库，具有MATLAB风格的语法，所有OpenCV数组结构都转换为Numpy数组，这也使得与使用Numpy的其他库集成更容易。

openCV-Python的部署十分简单，但需要在有Numpy和matplotlib的前提下才能进行安装。我们可以打开cmd或者anaconda prompt的shell命令窗口，输入以下：

pip install opencv-python==3.4.2.17 -i https://pypi.tuna.tsinghua.edu.cn/simple

即可完成安装。如果想要测试是否安装成功，则试着运行以下的代码。

import cv2
#读一个图片
lena = cv2.inread("1.jpg")
cv2.imshow("image",lena)
cv2.waitKey(0)

OpenCV-python主要的模块如下所示，在后面的学习中，我直接称OpenCV-python为OpenCV了。

其中core、highgui、imgproc是最基础的模块。

• core模块实现了最核心的数据结构及其基本运算，如绘图函数，数组操作相关函数等
• highgui模块实现了视频与图像的读取、显示、存储等接口
• imgproc模块实现了图像处理的基础方法，包括图像滤波、图像的几何变化、平滑、阈值分割、形态学处理、边缘检测、目标检测、运动分析和对象跟踪等

除了上述的三个最基本的模块，还有其他的一些模块也是用于图像处理。

• features2d模块用于提取图像特征以及特征匹配，nonfree模块实现了一些专利算法，如sift特征。
• objdetect模块实现了一些目标检测的功能，经典的基于Haar、LBP特征的人脸检测，基于HOG的行人、汽车等目标检测，分类器使用Cascade Classification（级联分类）和Latent SVM等。
• stitching模块实现了图像拼接功能。
• FLANN模块包含快速近似最近邻搜索FLANN和聚类Clustering算法。
• ml模块机器学习模块（SVM、决策树、Boosing等等）
• photo模块包含图像修复和图像去噪两部分
• video模块针对视频处理，如背景分离、前景检测、对象跟踪等。
• calib3d模块即Calibration3D，这个模块主要是相机校准和三维重叠相关的内容。包含了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信息的重建等待。
• G-API模块包含了超高效的图像处理pipeline引擎。