OpenCV学习笔记（二）——OpenCV简介

目录

图像基础和简介

OpenCV简介

OpenCV的发展历史

OpenCV的应用

OpenCV的核心模块

---

图像基础和简介

人们通过肉眼所看见的世界是通过图像来呈现的，那么什么是图像呢？在计算机里面，最基本的组成单元就是像素，图像是很多像素的集合，图像是由像素整齐地排列出来的，比如一个图像是1040px×960px的大小，那么这图象就是有1040列、960行，一共有998400个像素。在学习OpenCV过程中，我们主要了解RGB图像即可。

RGB色彩空间是通过R（red）、G（Green）和B（blue），通过红色、蓝色和绿色来组成所有颜色，其中R、G和B的值分别是在0~255之间的整数，一共有2的24次方（256 * 256 * 256 = 16777216）中颜色。

图像分为两类：模拟图形和数字图像（类似于电路中数字电路和模拟电路的关系）模拟图像的值域是连续的，而数字图像的值域是离散的，在学习OpenCV的过程中，我们主要研究的是数字图像。

OpenCV简介

OpenCV的发展历史

OpenCV的全称是Open Source Computer Vision（开源计算机视觉），是由Inter公司的Gary Bradski于1999年开始开发。

Gary Bradski图片

OpenCV第一版发行于2000年，最初的目标是创建一个开源的计算机视觉库，用于研究、教育和商业应用。OpenCV由于C/C++语言实现，提供了Python、Java和C++等接口，第一版包括了一些基本的计算机视觉算法和数据结构，为后续的发展奠定了基础。

随着开源社区的加入，OpenCV得到了快速的发展，OpenCV的算法逐渐演化并且更进。2014年8月，OpenCV 3.0 Alpha版本在发布，使得OpenCV变得更加稳定，并且部分支持OpenCL。

OpenCV的应用

OpenCV具有广泛的应用领域，主要包括以下这些内容：

• 计算机视觉：OpenCV的核心内容，包括目标检测、图像分类、人脸识别、姿态估计等。
• 机器学习：OpenCV集成了多种机器学习算法，如支持向量机（SVM）、随机森林、朴素贝叶斯等，这些算法可以应用于图像分类和目标检测任务中。
• 工业检测：penCV集成了多种机器学习算法，如支持向量机（SVM）、随机森林、朴素贝叶斯等，这些算法可以应用于图像分类和目标检测任务中。
• 游戏开发：OpenCV还可以用于游戏开发中的虚拟现实（VR）和增强现实（AR）技术，为玩家提供更加沉浸式的体验。

OpenCV的核心模块

OpenCV有多个核心模块，包括核心函数模块、图像处理模块、视频模块、3D校准模块、2D特征模块、目标检测模块。下面介绍各个模块的内容：

• 核心函数模块：主要定义的是高维矩阵基础数据结构以及相应的处理函数。
• 图像处理模块：包括线性和非线性滤波、几何变化、颜色空间转换以及像素统计的功能。
• 视频模块：主要是对于视频进行分析的功能。
• 3D校准模快：包含多三位重建、相机校准、姿态估计、3D视觉效果、深度感知以及增强现实等功能。
• 2D特征模块：最主要的就是显著特征检测、描述等。
• 目标检测模块：主要的作用就是识别和定位图像中的特定对象。