1-opencv基本介绍

    opencv是开源的图像算法库，包含几百种视觉相关的图像算法，Opencv2.x API是在C++上测试通过的api，并不像1.x是在C上测试通过的。

    opencv包含以下几个模块：

1）Core functionality (core) ：基础模块，主要定义包含数据基本存储单元的Mat等基本的数据类型，以及在其他模块中调用的基本函数

2）Image Processing (imgproc) ：图像处理模块，包含线性、非线性的图像滤波算法、图像几何变换（如缩放、仿射变换、透射变换、查表重组等）、颜色空间转换、直方图等。

3）Video Analysis (video)：视频分析模块：包含运动预估、背景提取以及目标跟踪算法等。

4）Camera Calibration and 3D Reconstruction (calib3d)：基本的多目几何算法，单独的和立体相机校准、目标姿态估计、立体匹配算法以及三维重建。

5）2D Features Framework (features2d) ：静态特征检测器、描述子以及特征匹配等。

6）Object Detection (objdetect)：对于预定义的目标或者实例（如人脸、眼睛、下巴、人、汽车等）进行检测。

7）High-level GUI (highgui) ：一个方便好用的UI接口。

8）Video I/O (videoio)：视频处理接口以及视频编解码相关。

    还有一些如dnn深度学习相关、ml机器学习相关、flann多维空间特征检测和匹配、Images stitching图像拼接相关等模块。下面先介绍一些opencv最基础的使用方法。

API Concepts

    cv命名空间：

    opencv所有相关的类、函数都是放置在cv命名空间下面，因此，要想在自己代码中使用opencv相关函数，必须使用cv::或者在cpp最开始定义命名空间using namespace cv;如下：

#include "opencv2/core.hpp"

...

cv::Mat H = cv::findHomography(points1, points2, cv::RANSAC, 5);

...

或者：

#include "opencv2/core.hpp"

using namespace cv;

...

Mat H = findHomography(points1, points2, RANSAC, 5 );

...

如果opencv目前或者将来有一些函数与STL或者其他模块冲突，在调用冲突函数时，加上其命名空间即可，如下：

Mat a(100, 100, CV_32F);

randu(a, Scalar::all(1), Scalar::all(std::rand()));

cv::log(a, a);

a /= std::log(2.);

内存自动分配：

    opencv处理自动处理所有与内存相关的操作（变量内存分配&释放）。

    首先，用在其他函数及方法中，类似于std::vector,cv::Mat等数据结构自己包含有析构函数，当被需要的时候（变量不再被使用的时候），自行释放之前分配的资源。这也意味着，在Mat类型中，析构函数并不是一直在释放内存，它要考虑数据共享机制。如果一个Mat型变量使用结束，也就是没有其他变量再与此变量相关，或者函数运行结束了，析构函数才去释放此Mat型变量占用的资源。

    如果拷贝一个Mat,（b = a.copy()）,数据并没有真正进行拷贝，只不过增加了一个新的变量，新变量仍然指向此位置，如果对a/b任何一个操作，另外一个也随之变化。但是Mat::clone，克隆的话，就是重新分配空间，定义一个全新的变量了（完全拷贝，深复制，两个变量不再关联）。例子如下：

// 创建一个8M大小的矩阵

Mat A(1000, 1000, CV_64F);

// 为此矩阵创建一个新的头信息，B与A相同，改变一个矩阵内部值，另外一个也随之变化;

Mat B = A;

// 为B矩阵的第三行创建一个头信息，此处并不进行数据拷贝

Mat C = B.row(3);

// clone是创建新的完全独立的矩阵，两个不相关

Mat D = B.clone();

//把B的第五行拷贝到C里面，也就是把A的第五行拷贝到A的第三行 

B.row(5).copyTo(C);

// 让A与D共享数据，修改之后，A同样与B和C静态关联

A = D;

// 释放B矩阵的内存信息，但是修改后的A仍然与C相关联，尽管C只是指向A的单独的一行,

B.release();

// 最终，将C自己进行深拷贝，就不再与A关联，此时A被完全释放

C = C.clone();

    opencv可以通过类似于python的try...except....机制使用try ...catch...捕捉异常

try

{

... // call OpenCV

}

catch (const cv::Exception& e)

{

const char* err_msg = e.what();

std::cout << "exception caught: " << err_msg << std::endl;

}

通过CV_Assert(condition)判断输入条件是否准确，异常则直接卡死返回。