图像处理2：模块介绍

opencv的每个模块介绍:

学习opencv进行图像处理要对每个模块有个大致的了解，这些文件在之前安装的opencv路径的build/include/opencv2里。

下面是对每个模块进行基本功能简介：

【calib3d】——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。

 

【core】——核心功能模块，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
• 与OpenGL的互操作

 

【features2d】 ——也就是Features2D， 2D功能框架 ，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
• 关键点绘制函数和匹配功能绘制函数

【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

【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

【imgcodecs】——   一个用于读写图像的易用接口

【imgproc】——Image和Processing这两个单词，图像处理模块，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
• 目标检测等内容

【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

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

 

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

【shape】——形状匹配算法模块。用于描述形状、比较形状。

 

【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

 

【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。

【videoio】——对于视频捕获和视频编码器是一个易用的接口

 

【videostab】——Video stabilization，视频稳定相关的组件，官方文档中没有多作介绍

有些模块是opencv不自带的，但是功能很强大，可以自己到github下载，如Contrib模块，包含人脸识别等功能

【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里的这个模块有新型人脸识别，立体匹配，人工视网膜模型等技术。