## 关于OpenCV简介 ##
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。
在计算机视觉项目的开发中,OpenCV作为较大众的开源库,拥有了丰富的常用图像处理函数库,采用C/C++语言编写,可以运行在Linux/Windows/Mac等操作系统上,能够快速的实现一些图像处理和识别的任务。此外,OpenCV还提供了Java、python、cuda等的使用接口、机器学习的基础算法调用,从而使得图像处理和图像分析变得更加易于上手,让开发人员更多的精力花在算法的设计上。
## OpenCV应用领域 ##
### 1、计算机视觉领域方向 ###
* 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
### 2、计算机操作底层技术 ###
1. 图像数据的操作: 分配、释放、复制、设置和转换。 图像是视频的输入输出I/O ,文件与摄像头的输入、图像和视频文件输出)。
2. 矩阵和向量的操作以及线性代数的算法程序:矩阵积、解方程、特征值以及奇异值等。
3. 各种动态数据结构:列表、队列、集合、树、图等。
4. 基本的数字图像处理:滤波、边缘检测、角点检测、采样与差值、色彩转换、形态操作、直方图、图像金字塔等。
5. 结构分析:连接部件、轮廓处理、距离变换、各自距计算、模板匹配、Hough变换、多边形逼近、直线拟合、椭圆拟合、Delaunay 三角划分等。
6. 摄像头定标:发现与跟踪定标模式、定标、基本矩阵估计、齐次矩阵估计、立体对应。
7. 运动分析:光流、运动分割、跟踪。
8. 目标识别:特征法、隐马尔可夫模型:HMM。
9. 基本的GUI:图像与视频显示、键盘和鼠标事件处理、滚动条。
10. 图像标注:线、二次曲线、多边形、画文字。
## 安装OpenCV的的两种方法 ##
1、几点注意事项:
* 安装的时候是 opencv\_python,但在导入的时候采用 import cv2。
* 因为OpenCV依赖一些库,可以在本博客中查找一些依赖库的安装方法,例如安装Numpy方法等,本博客应有尽有!
### T1、使用whl文件法 ###
先去官网[https://www.lfd.uci.edu/~gohlke/pythonlibs/\#opencv][https_www.lfd.uci.edu_gohl