opencv -理解

定义（来源于百度百科）
OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，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，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python、Java and MATLAB/OCTAVE（版本2.5）的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#、Ch、Ruby,GO的支持。
所有新的开发和算法都是用C++接口。一个使用CUDA的GPU接口也于2010年9月开始实现。

功能
    图像数据操作（内存分配与释放，图像复制、设定和转换）
    Image data manipulation (allocation, release, copying, setting, conversion).
    图像/视频的输入输出（支持文件或摄像头的输入，图像/视频文件的输出）
    Image and video I/O (file and camera based input, image/video file output).
    矩阵/向量数据操作及线性代数运算（矩阵乘积、矩阵方程求解、特征值、奇异值分解）
    Matrix and vector manipulation and linear algebra routines (products, solvers, eigenvalues, SVD).
    支持多种动态数据结构（链表、队列、数据集、树、图）
     Various dynamic data structures (lists, queues, sets, trees, graphs).
    基本图像处理（去噪、边缘检测、角点检测、采样与插值、色彩变换、形态学处理、直方图、图像金字塔结构）
    Basic image processing (filtering, edge detection, corner detection, sampling and interpolation, color conversion, morphological operations, histograms, image pyramids).
    结构分析（连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化）
    Structural analysis (connected components, contour processing, distance transform, various moments, template matching, Hough transform, polygonal approximation, line fitting, ellipse fitting, Delaunay triangulation).
    摄像头定标（寻找和跟踪定标模式、参数定标、基本矩阵估计、单应矩阵估计、立体视觉匹配）
    Camera calibration (finding and tracking calibration patterns, calibration, fundamental matrix estimation, homography estimation, stereo correspondence).
    运动分析（光流、动作分割、目标跟踪）
    Motion analysis (optical flow, motion segmentation, tracking).
    目标识别（特征方法、HMM模型）
    Object recognition (eigen-methods, HMM).
    基本的GUI（显示图像/视频、键盘/鼠标操作、滑动条）
    Basic GUI (display image/video, keyboard and mouse handling, scroll-bars).
    图像标注（直线、曲线、多边形、文本标注）
    Image labeling (line, conic, polygon, text drawing)

OpenCV模块
    cv – 核心函数库
    cvaux – 辅助函数库
    cxcore – 数据结构与线性代数库
    highgui – GUI函数库 graphical user interface
    ml – 机器学习函数库 machine learing

应用领域
    1、人机互动
    2、物体识别
    3、图像分割
    4、人脸识别
    5、动作识别
    6、运动跟踪
    7、机器人
    8、运动分析
    9、机器视觉
    10、结构分析
    11、汽车安全驾驶