1.3OpenCV简介

本文简单介绍OpenCV库。

OpenCV

　　OpenCV（Open Source Computer Vision）是一个开发源代码的图像及视频分析库，包含很多优化过的算法。OpenCV最初是由Intel的一个小组进行开发的，1.0版本于2006面世。第二次重要的版本发布是2009年的OpenCV 2。

模块介绍

　　　我们以OpenCV3.4.0为例。进入到…\opencv\build\include目录下 ，可以看到有opencv和opencv2这两个文件夹。显然，opencv这个文件夹里面包含着旧版的头文件，而opencv2这个文件夹里面包含着具有划时代意义的新版Opencv2系列的文件。
　　opencv文件夹里面如下图所示，这里面大概就是opencv1.0最核心的，而且保留下来的内容的头文件。我们可以把它们整体理解为一个大组件。

opencv2文件夹里面如下图所示。

　　自版本2.2开始，OpenCV库被划分为多个模块。这些模块编译成库文件后，位于lib文件夹中。若仔细观察，会发现上述文件夹中有个名为opencv_modules.hpp的hpp头文件，里面存放的是OpenCV2中与新模块构造相关的说明代码，打开可以发现其定义的是OpenCV2所有组件的宏，具体如下：

#define HAVE_OPENCV_CALIB3D
#define HAVE_OPENCV_CORE
#define HAVE_OPENCV_DNN
#define HAVE_OPENCV_FEATURES2D
#define HAVE_OPENCV_FLANN
#define HAVE_OPENCV_HIGHGUI
#define HAVE_OPENCV_IMGCODECS
#define HAVE_OPENCV_IMGPROC
#define HAVE_OPENCV_ML
#define HAVE_OPENCV_OBJDETECT
#define HAVE_OPENCV_PHOTO
#define HAVE_OPENCV_SHAPE
#define HAVE_OPENCV_STITCHING
#define HAVE_OPENCV_SUPERRES
#define HAVE_OPENCV_VIDEO
#define HAVE_OPENCV_VIDEOIO
#define HAVE_OPENCV_VIDEOSTAB
#define HAVE_OPENCV_WORLD

• 【calib3d】
  Calibration（校准）和3D这两个词的组合缩写。这个模块主要是相机校准和三维重建相关的内容，包括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。
• 【core】
  核心功能模块，包含以下内容：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。
• 【DNN】
  DNN（Deep Neural Networks，深层神经网络），是目前深度学习概念中最基本的一种技术框架。
• 【features2d】
  也就是Features2D，即2D功能框架。包含以下内容：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，包含以下两个部分：快速近似最近邻搜索、聚类。
• 【highgui】
  高层GUI图形用户界面，包括媒体的输入输出、视频捕捉、图像和和视频的编码解码、图形交互界面的接口等内容。
• 【imgcodecs】
  图像文件的读写操作，还支持ios平台。
• 【imgproc】
  Image和Process这两个单词的缩写组合，图像处理模块，包含以下内容：线性和非线性的图像滤波、图像的几何变换、其他（Miscellaneous）图像变换、直方图相关、结构分析和形状描述、运动分析和对像跟踪、特征检测、目标检测等内容。
• 【ml】
  Machine Learning，机器学习模块，基本上统计模块和分类算法，包含以下内容：统计模型（Statistical Models）、一般贝叶斯分类器（Normal Bayes Classifier）、K-近邻（K-Nearest Neighbors）、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（Expection Maximization）、神经网络（Neural Networks）。
• 【objdetect】
  目标检测模块，包含Cascade Classification（级联分量）和Latent SVM这两个部分。
• 【photo】
  Computational Photograph，包含图像修复和图像去噪两部分。
• 【shape】
  Shape Distance and Matching，形状的距离及匹配。
• 【stitching】
  image stitching，图像拼接模块，包含以下内容：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】
  OpenCV3特有的仅用来读写视频的模块
• 【videostab】
  Video Stabilization，视频稳定相关的组件，包含以下内容：全局运动估计（Global Motion Estimation）、快速步进法（Fast Marching Method）。
• 【world】
  OpenCV3特有的，把所有东西打包在一个dll里，方便配置环境。

OpenCV3.x

　　OpenCV其实就是这么多模块作为代码容器组合起来的一个SDK（Software Development Kit， 软件开发工具包）。OpenCV在3.0中改变了项目架构的方式，之前OpenCV是一个相对于整体的项目，各个模块都是以整体的形式构建然后组合在一起的。然而随着功能的增加，OpenCV主体集成了各种各样的功能模块，变得越来越臃肿。OpenCV3决定像其他大项目一样，抛弃整体架构，使用内核+插件的架构形式。
在GitHub中，除了存放正式版OpenCV的主仓库和新增加的“opencv_extra”仓库外，还添加了一个名为“opencv_contrib”的全新仓库，这个仓库中有很多让人兴奋的功能，包括脸部识别和文本探测，以及文本识别、新的边缘检测器、充满艺术感的图像修复、深度地图处理、新的光流和追踪算法等。二者主要区别是opencv_contrib仓库中的代码测试并没有完成，很多功能不稳定。

其他

　　典型的OpenCV C++代码将包含所需的模块，声明方式如下：

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>

如果看到OpenCV代码以如下方式开始：

#include “cv.h”

这是因为它使用了旧的代码方式（OpenCV 1.0 C语言形式），那时库还没有被划分为模块。