opencv 目录结构
- 通过opencv安装路径下 include目录(
/usr/local/include/opencv4/
)头文件的分类,来一窥OpenCV 组件架构 - 查看源码的目录层次
opencv 顶层目录结构:
$ tree opencv/ -L 1
opencv/
├── 3rdparty
├── apps
├── cmake
├── CMakeLists.txt
├── CONTRIBUTING.md
├── COPYRIGHT
├── data
├── doc
├── include
├── LICENSE
├── modules
├── platforms
├── README.md
├── samples
└── SECURITY.md
cmake: 包含生成工程项目
时cmake 的依赖文件
,只能用于搜索第三方库
,普通开发者不需要关心这个文件夹的内容。
3rdparty 目录
opencv/
├── 3rdparty
│ ├── carotene
│ ├── cpufeatures
│ ├── ffmpeg
│ ├── include
│ ├── ippicv
│ ├── ittnotify
│ ├── libjasper
│ ├── libjpeg
│ ├── libjpeg-turbo
│ ├── libpng
│ ├── libtengine
│ ├── libtiff
│ ├── libwebp
│ ├── openexr
│ ├── openjpeg
│ ├── openvx
│ ├── protobuf
│ ├── quirc
│ ├── readme.txt
│ ├── tbb
│ └── zlib
3rdparty: 包含第三方库,如:
- 视频解码用的 ffmpeg、
- jpg、png、tiff 等图片的解码库。
apps 目录
├── apps
│ ├── annotation
│ ├── CMakeLists.txt
│ ├── createsamples
│ ├── interactive-calibration
│ ├── traincascade
│ ├── version
│ └── visualisation
apps: 包含进行 Haar 分类器
训练的工具,
OpenCV 进行人脸检测
便是基于 Haar 分类器。如果你想检测人脸以外的图片,千万不要错过这几个工具。
data
├── data
│ ├── CMakeLists.txt
│ ├── haarcascades
│ ├── haarcascades_cuda
│ ├── hogcascades
│ ├── lbpcascades
│ ├── readme.txt
│ └── vec_files
data: 包含 OpenCV 库及范例
中用到的资源文件
doc
doc: 包含生成文档
所需的源文件
及辅助脚本
include
├── include
│ ├── CMakeLists.txt
│ └── opencv2
include: 包含入口头文件。
opencv2
子文件夹中只有一个 opencv.hpp
文件,这是OpenCV 2
及 OpenCV 3
推荐使用
modules
modules: 算法模块
的源代码。研究算法的同学学习重点。
├── modules
│ ├── calib3d
│ ├── CMakeLists.txt
│ ├── core
│ ├── dnn
│ ├── features2d
│ ├── flann
│ ├── gapi
│ ├── highgui
│ ├── imgcodecs
│ ├── imgproc
│ ├── java
│ ├── js
│ ├── ml
│ ├── objc
│ ├── objdetect
│ ├── photo
│ ├── python
│ ├── stitching
│ ├── ts
│ ├── video
│ ├── videoio
│ └── world
modules/calib3d
- Calibration(校准)加3D的组合缩写
- 相机标定和三维重建。
- 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
- 相机标定用于取出相机自身缺陷导致的画面形变,还原真实的场景,确保计算的准确性。
- 三维重建通常用在双目视觉(立体视觉),即两个标定后的摄像头观察同一个场景,通过计算两幅画面中的相关性来估计像素深度。
modules/core
核心功能模块,包含:
- 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
dnn
features2d
2D 特征值检测的框架 ,包含:
- 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
包含各种特征值检测器及描述子,如 FAST、MSER、OBRB、BRISK 等。各类特征值拥有统一的算法接口,因此在不影响程序逻辑的情况下可以替换替换。
flann
Fast Library for Approximate Nearest Neighbors,高维的近似近邻快速搜索算法库,包含:
- 快速近似最近邻搜索
- 聚类
用于在多维空间内聚类及搜索的近似算法,做图像检索的开发者对它不会陌生。
gapi
highgui
高级图形界面,包括用户界面、Qt
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
imgcodecs
对图像文件编解码、读写操作
imgproc
Image Processing(图像处理) 缩写
图像处理模块,包含:
- 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
图像处理是计算机视觉的重要工具。
java
js
ml
Machine Learning,机器学习模块, 基本上是统计模型和分类算法,包含:
- 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
objc
objdetect
目标检测模块,包含:
- Cascade Classification(级联分类)
- Latent SVM
包括 Haar 分类器、SVM 检测器及文字检测。
photo
计算摄影学,包括:
- 图像修补、
- 去噪、
- HDR 成像、
- 非真实感渲染等
实现 Photoshop 的高级功能,这个模块必不可少。
python
ocl
OpenCL-accelerated Computer Vision,运用OpenCL加速的计算机视觉组件模块
photo
Computational Photography,包含:
- 图像修复
- 图像去噪
stitching
images stitching,图像拼接模块,包含:
- 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
可用于制作全景图
ts
opencv测试相关代码
video
视频分析组件,包括:
- 运动估计,
- 背景分离,
- 对象跟踪
videoio
视频编解码、读写操作
world
platforms
platforms: 包含交叉编译
所需的工具链
及额外的代码
├── platforms
│ ├── android
│ ├── apple
│ ├── ios
│ ├── js
│ ├── linux
│ ├── maven
│ ├── osx
│ ├── readme.txt
│ ├── scripts
│ ├── wince
│ ├── winpack_dldt
│ └── winrt
samples
samples:算法用法示例
文件夹
├── samples
│ ├── android
│ ├── CMakeLists.example.in
│ ├── CMakeLists.txt
│ ├── cpp
│ ├── data
│ ├── directx
│ ├── dnn
│ ├── gpu
│ ├── hal
│ ├── install
│ ├── java
│ ├── opencl
│ ├── opengl
│ ├── openvx
│ ├── python
│ ├── samples_utils.cmake
│ ├── swift
│ ├── sycl
│ ├── tapi
│ ├── va_intel
│ ├── _winpack_build_sample.cmd
│ ├── _winpack_run_python_sample.cmd
│ ├── winrt
│ ├── winrt_universal
│ └── wp8
-
android: Android 平台的范例。含有
完全是 Java
的工程,完全是 C++
的工程,Java 与 C++ 共存
的工程。 -
cpp: 由于 OpenCV 是一款 C++ 库,因此 C++ 的范例是最多的
-
data: 示例程序要用到的数据
-
directx(d3d):
微软的私有三维图像 API
,范例覆盖了 d3d9、d3d10、d3d11. -
gpu: 利用
cuda 加速
的范例 -
java: OpenCV 3 官方支持
Java 语言绑定
,演示如何使用 Java 版本的 OpenCV。 -
python: OpenCV 3 官方支持
Python 语言绑定
,演示使用 Python 2 版本的范例。 -
tapi: OpenCV 3 的一个新特性,使用 cv::UMat 替代cv::Mat,实现 CPU 和 GPU 的运算使用统一的接口,不再需要显式地在 CPU 和 GPU 之间传递数据,方便开发人员。
-
winrt: Windows RT 平台的范例,开发语言是微软的 C++ “方言”.
samples/cpp
tutorial_code/: opencv教程代码
- 3calibration.cpp: 同时标定三台水平放置的相机。
- bagofwords_classification.cpp: 使用图像检测实现简易的图像搜索功能。
- bgfg_gmg.cpp: 演示GMG 背景检测算法的使用方式。
- bgfg_segm.cpp: 演示高斯混合背景检测算法的使用方式。
- brief_match_test.cpp: 使用 BRIEF 特征值来匹配两张图像。
- build3dmodel.cpp: 演示如何使用基础矩阵和特征值来创建三维模型。
- calibration.cpp: 完整的多用途标定程序。
- calibration_artificial.cpp: 在程序中生成一个虚拟的相机,并进行标定。
- camshiftdemo.cpp: 读取实时的摄像头数据,并演示基于均值偏移算法的视频跟踪。
- chamfer.cpp: 使用Chamfer 算法匹配两副边缘图像。
- cloning_demo.cpp: 命令行模式的图像克隆。
- cloning_gui.cpp: 图形界面交互的图像克隆。
- connected_components.cpp: 查找并绘制图像中的连通区域。
- contours2.cpp: 查找并绘制图像中的轮廓。
- convexhull.cpp: 查找并绘制由点的集合组成的凸包。
- cout_mat.cpp: 使用cout 来输出各种格式化的 Mat 对象。
- create_mask.cpp: 演示如何创建黑白掩码图像。
- dbt_face_detection.cpp: 基于检测的人脸跟踪代码。
- delaunay2.cpp: 通过鼠标交互式地生成 Delaunay 三角形。
- demhist.cpp: 演示直方图的用法。
- descriptor_extractor_matcher.cpp: 演示 features2d 检测框架的用法。
- detection_based_tracker_sample.cpp: 与 dbt_face_detection.cpp 类似。
- detector_descriptor_evaluation.cpp: 评估各种特征检测器和描述子。
- detector_descriptor_matcher_evaluation.cpp:评估各种特征检测器和匹配器。
- dft.cpp: 演示一幅图像的离散傅里叶变换。
- distrans.cpp: 显示边缘图像的距离变换值。
- drawing.cpp: 演示绘画和文字显示功能。
- edge.cpp: 演示Canny 边缘检测。
- em.cpp: 对随机生成的数据点进行 EM 聚类。
- fabmap_sample.cpp: 演示 FAB-MAP 图像检索算法。
- facerec_demo.cpp: 人脸识别。
- fback.cpp: 实时的Farneback 光流跟踪。
- ffilldemo.cpp: 演示 floodFill() 像素填充算法。
- filestorage.cpp: 演示序列化到外部文件,如yml、xml等。
- fitellipse.cpp: 将轮廓点匹配到椭圆。
- freak_demo.cpp: 演示 FREAK 特征值的用法。
- gencolors.cpp: 演示 generateColors()。
- generic_descriptor_match.cpp: 基于 SURF 的两幅图像间的匹配。
- grabcut.cpp: 演示GrabCut 分割算法。
- houghcircles.cpp: 用霍夫算法检测圆。
- houghlines.cpp: 用霍夫算法检测直线。
- hybridtrackingsample.cpp: 混合跟踪算法(Hybrid Tracker)的演示。
- image.cpp: 来回转换cv::Mat 和 IplImage。
- image_alignment.cpp: 演示 findTransformECC() 函数。
- image_sequence.cpp: 使用 VideoCapture 对象读取序列帧。
- imagelist_creator.cpp: 创建图像列表到 xml 文件。
- inpaint.cpp: 使用鼠标交互地进行图像修补。
- intelperc_capture.cpp: Intel 感知计算设备相关的函数。
- kalman.cpp: 使用卡尔曼滤波进行二维跟踪。
- kmeans.cpp: Kmeans 聚类算法的演示。
- laplace.cpp: 拉普拉斯边缘检测。
- latentsvm_multidetect.cpp: latentSVM 检测器。
- letter_recog.cpp: 字母识别。
- linemod.cpp: 基于OpenNI 的体感设备应用。
- lkdemo.cpp: 演示Lukas-Kanade光流法。
- logpolar_bsm.cpp: 演示 LogPolar 盲点模型。
- lsd_lines.cpp: LSD 线段检测。
- matcher_simple.cpp: SURF 特征检测。
- matching_to_many_images.cpp: 一对多的特征检测。
- meanshift_segmentation.cpp: 演示基于均值漂移的色彩分割函数——meanShiftSegmentation()
- minarea.cpp: 寻找最小包围盒、包围圆
- morphology2.cpp: 形态学图像处理
- npr_demo.cpp: 演示各种非真实感渲染效果
- opencv_version.cpp: 输出 OpenCV 库的版本号
- openni_capture.cpp: 演示 OpenNI 相关的体感设备
- pca.cpp: 基于 PCA 的人脸识别
- peopledetect.cpp: 基于 cascade 或 hog 进行物体(人)检测
- phase_corr.cpp: 演示 phaseCorrelate() 函数
- points_classifier.cpp: 演示各种机器学习算法
- segment_objects.cpp: 实时地在视频或相机画面中检测前景物体
- select3dobj.cpp:在一个有标定棋盘的桌子上,使用3D Box标记一个对象,在所有序列帧中,只要照相机可以看到棋盘,就可以跟踪对象,并用Box分割对象
- shape_example.cpp: 比较并检索形状
- shape_transformation.cpp: 用 SURF 特征值检测形状并进行变换
- squares.cpp: 检测图像中的方块形状。
- starter_imagelist.cpp: 加载一个ImageList(由imagelist_creator.cpp产生)
- stereo_calib.cpp: 双目视觉的标定
- stereo_match.cpp: 计算左右视觉的图像的差异,生成点云文件。
- stitching.cpp: 演示图像拼接算法。
- stitching_detailed.cpp: 演示更多参数的图像拼接算法。
- train_HOG.cpp: 训练 HOG 分类器
- tree_engine.cpp: 演示如何使用不同的决策树和森林包括Boosting和随机树
- videostab.cpp: 演示 videostab 中各个参数的用法。
- watershed.cpp: 演示著名的分水岭图像分割算法。