opencv4（一）基础理论

基础理论

计算机视觉（computer vision）与图像处理（image processing）之间没有明确的界限，但是通常将图像处理理解为计算机视觉的预处理过程。因此，在介绍计算机视觉之前，有必要先介绍图像处理。图像处理一般指数字图像处理{digital image processing），通过数学函数和图像变换等手段对二维数字图像进行分析，获取图像数据潜在信息，通常包括图像压缩，增强和复原，以及匹配、描述和识别3个部分，涵盖噪声去除、分割、特征提取等处理方法和技术。

opencv创建之初三大目标：
1.为基本的视觉应用提供开放且优化的源代码，以促进视觉研究的发展；
2.通过提供一个通用的构架来传播视觉知识，开发者可以在这个构架上继续开展工作；
3.不要求商业产品继续开源代码。

opencv的模块架构：
calib3d——这个模块名称是由calibration（校准）和3D两个术语的缩写组合而成的，顾名思义，这个模块主要包括相机标定与立体视觉等功能，例如物体位姿估计、三维重建、摄像机标定等。

core——核心功能模块。这个模块主要包含opencv库的基础结构以及基本操作，例如opencv基本数据结构、绘图函数、数组操作相关函数、动态数据结构等。

dnn——深度学习模块。这个是opencv4版的一个特色，其主要包括构建神经网络、加载序列化网络模型等。但是这一模块目前仅适用于正向传递计算（测试网络），原则上不支持反向计算（训练网络）。

features2d——这个模块名称是由features（特征）和2D两个术语的缩