前言：
😊😊😊欢迎来到本博客😊😊😊
🌟🌟🌟 本专栏主要结合OpenCV和C++来实现一些基本的图像处理算法并详细解释各参数含义，适用于平时学习、工作快速查询等，随时更新。
😊😊😊 具体食用方式：可以点击本专栏【OpenCV快速查找(更新中)】–>搜索你要查询的算子名称或相关知识点，或者通过这篇博客👉通俗易懂OpenCV(C++版)详细教程——OpenCV函数快速查找(不断更新中)]查阅你想知道的知识，即可食用。
🎁🎁🎁支持：如果觉得博主的文章还不错或者您用得到的话，可以悄悄关注一下博主哈，如果三连收藏支持就更好啦！这就是给予我最大的支持！😙😙😙
文章目录
学习目标
一、 初识OpenCV
二、 OpenCV模块介绍
2.1 模块详解
2.2 OpenCV2.x & OpenCV3.x区别
2.3 使用方法
三、 总结
学习目标
初识OpenCV，了解OpenCV相关背景知识
了解OpenCV相关模块
一、 初识OpenCV
OpenCV(全称：Open Source Computer Vision Library)是开源的计算机视觉和机器学习库，提供了C++、C、Python、Java接口，并支持Windows、Linux、Android、Mac OS平台。OpenCV自1999年问世以来，就已经成为计算机视觉领域学者和开发人员的首选工具。
OpenCV是由Intel的小组进行开发的，在发布了一系列Beta版本后，1.0版本终于在2006年面市，2009年发布了重要的版本OpenCV 2.X，现在已经是2.4.13版本；从2014年开始，在继续更新OpenCV 2.X版本的同时，发布了OpenCV 3.X版本，现在已经更新到4.6版本了(截止2022.11)。
二、 OpenCV模块介绍
2.1 模块详解
这里以在Windows下OpenCV 2.x版本为例，介绍整个OpenCV开发包的构成。解压缩所下载的OpenCV压缩包主要有两个文件夹，分别为build和sources。
sources是用来存放源码的，在其子文件夹modules下列出了OpenCV实现的各个模块。
其中core、highgui和imgproc是最基础的模块，也是学习OpenCV的起点。
本专栏主要以这三个模块为基础，重点介绍图像处理基础方法的数学原理。对于其他更高层次的方向及应用也会有相关介绍。
具体模块如下：
模块名 注释 包含内容
core 是OpenCV的核心模块，包含了最基本的结构（矩阵，点线和形状等），以及相关的基础运算/操作。 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
imgproc 图像处理模块，包括图像相关的基础功能(滤波，梯度，改变大小等)和一些高级功能，即图像分割，直方图，形态分析和边缘/直线提取等。 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
highgui 提供了用户界面和文件读取的基本函数，比如图像显示窗口的生成和控制，图像/视频文件的IO等,，可认为是一个轻量级的Windows UI 工具。 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；关键点绘制函数和匹配功能绘制函数；关键点绘制函数和匹配功能绘制函数
video 用于视频分析的常用功能。 包含读取和写视频流函数、运动估计，背景分离，对象跟踪等视频处理相关内容。
calib3d 三维重建，立体视觉和相机标定等的相关功能，校准单个/多个/多目摄像头。 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。
features2d 二维特征相关的算法，包含检测、描述或匹配特征点等功能，比如ORB特征。 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
objdetect 目标检测模块，用来检测人脸、行人或者其他物体 包含Cascade Classification（级联分类）和Latent SVM这两个部分，如经典的基于Haar、LBP特征的人脸检测，基于HOG的行人、汽车等目标检测。
ml 机器学习算法模块，包含一些视觉中最常用的传统机器学习算法，且能够和OpenCV友好交互。 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 Tree；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
flann 最近邻算法库，用于在多维空间进行聚类和检索，经常和关键点匹配搭配使用，平时很少直接使用，但在其他模块函数中，会调用到该算法。 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和聚类
gpu 包含了一些gpu加速的接口，底层的加速是CUDA实现，前提是需要好的计算资源。 ————————————
photo 计算摄像学（Computational Photography）相关的接口，比较新的模块。 包括图像修复和降噪。
stitching 图像拼接模块，也是一个新的模块，不断更新中。 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
nonfree 受到专利保护的一些算法。 包含特征检测和GPU相关的内容。最好不要商用，可能会被告！！
contrib 一些实验性质的算法，新的算法，暂未加入OoenCV库中。 包含了一些最近添加的不太稳定的可选功能。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，opencv3.4版本已将此模块去掉。
legacy 一些被取消的接口，保留是考虑到向下兼容，OpenCV3.0已取消 运动分析；期望最大化；直方图；平面细分（C API）；特征检测和描述（Feature Detection and Description）；描述符提取器（Descriptor Extractors）的通用接口；通用描述符（Generic Descriptor Matchers）的常用接口；匹配器
ocl 利用OpenCL并行加速的一些接口，OpenCV3.0已取消，T-API取代。 ————————————
superres 超分辨率模块，用的不多。 ————————————
viz 基础的3D渲染模块，底层就是著名的3D工具包VTK(Visualization Toolkit)。 ————————————
build文件夹存放的是通过源码包编译好的文件。它也是以下部署OpenCV用到的主要文件夹，其中:
–>doc子文件夹：有两个最重要的学习OpenCV的文档(可能没有哦，但不影响)，即:
-->opencv2refman.pdf （函数手册，介绍了所有函数的声明及参数解释）;
-->opencv_tutorials.pdf（函数使用实例）；
–>include子文件夹：存放的是OpenCV的头文件；
–>x64和x86子文件夹：存放的是针对64位和32位Windows系统编译好的.dll和.lib文件；
–>python子文件夹：存放的是OpenCV Python API的动态模块；
–>java子文件夹：存放的是Java API的JAR包。
了解了整个开发包的构成后，就可以开始进行学习实操，要注意的是OpenCV不断迭代更新，算子一直在更新，我们先把基本的，也是比较重要的算子学通、学透，其他算子学习起来也不是很困难的。
2.2 OpenCV2.x & OpenCV3.x区别
2.3 使用方法
OpenCV将每个模块中的源文件编译成一个库文件 ，在使用时， 仅将所需的库文件添加到自己的项目中，与自己的源文件一起连接成可执行程序即可。
三、 总结
最后，长话短说，大家看完就好好动手实践一下，切记不能三分钟热度、三天打鱼，两天晒网。OpenCV是学习图像处理理论知识比较好的一个途径，大家也可以自己尝试写写博客，来记录大家平时学习的进度，可以和网上众多学者一起交流、探讨，有什么问题希望大家可以积极评论交流，我也会及时更新，来督促自己学习进度。希望大家觉得不错的可以点赞、关注、收藏。
————————————————
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
原文链接：https://blog.csdn.net/qq_41225961/article/details/127663424
扫一扫
121
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
