专注于计算机视觉与机器学习知识分享
编者荐语
OpenCV用C++语言编写,由一系列C函数和少量C++类构成,同时提供了Python、C++、MATLAB等常用编程语言接口,该库具有2500多种优化算法,其中包括一整套经典和最新的计算机视觉和机器学习算法。
OpenCV具有模块化结构,主要包含以下几类模块:
1．核心功能(core):定义基本数据结构的紧凑模块,包括密集的多维数组Mat和所有其他模块使用的基本功能;
2．图像处理(imgproc):一种图像处理模块,包括线性和非线性图像过滤,几何图像转换(调整大小、仿射和透视变形、基于常规表的重新映射),颜色空间转换,直方图等;
3．视频分析(video):视频分析模块,包括运动估计,背景减法和对象跟踪算法;
4．摄像机校准和3D重建(calib3d):基本的多视图几何算法,单摄像机和立体摄像机校准,对象姿态估计,立体对应算法以及3D重构要素;
5．2D要素框架(features2d):显着特征检测器,描述符和描述符匹配器;
6．对象检测(objdetect):检测对象和预定义类的实例(例如:面孔、眼睛、杯子、人、汽车等);
7．高级GUI(highgui):简单的UI功能的易于使用的界面;
8．视频I/O(videoio):用于视频捕获和视频编解码器的易于使用的界面;
．．．其他一些帮助器模块,例如FLANN和Google测试包装器,Python绑定等。
应用领域
图像分类、图像分割、图像拼接、图像匹配、图像增强、目标检测、人脸识别、目标跟踪、异常行为监测与三维重建等。
OpenCV在计算机视觉的发展中发挥了重要的作用,使成千上万的人能够在视觉上做更多的工作。OpenCV允许学生,研究人员,专业人员和创业者高效地实施项目,并通过向他们提供可在多种平台上优化的计算机视觉架构。
OpenCV教程
OpenCV 2．x 自身就提供 PDF 格式的完整的引用手册以及丰富的教程,查看 opencv/dov 目录就可以得到。遗憾的是,从 OpenCV 3．x 开始,就不再提供离线的文档了。
总结
避免非必要的重复造轮子,利用好OpenCV
