Opencv学习笔记之OpenCV介绍

小鱼儿 2023-07-09 14:26 1阅读 0赞

# 一. OpenCV介绍 #

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][Link 1]，同时提供了Python、Ruby、MATLAB等语言的接口，实现了[图像处理][Link 2]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][Link 3]。该库也有大量的Python、Java and MATLAB/OCTAVE（版本2.5）的接口。这些语言的API接口函数可以通过在线[文档][Link 4]获得。如今也提供对于C\#、Ch、Ruby,GO的支持。

# 二. OpenCV发展历程 #

## 2.1 OpenCV 1.x ##

OpenCV 最初基于**C语言**开发，API也都是基于C的，面临内存管理、指针等C语言固有的麻烦。

**2006年10月1.0**发布时，部分使用了C++，同时支持Python，其中已经有了random trees、boosted trees、neural nets等机器学习方法，完善对图形界面的支持。

**2008年10月1.1pre1**发布，使用 VS2005构建，Python bindings支持**Python 2.6**，Linux下支持**Octave bindings**，在这一版本中加入了SURF、RANSAC、Fast approximate nearest neighbor search等，Face Detection (cvHaarDetectObjects)也变得更快。

## 2.2 OpenCV 2.x ##

当C++流行起来，OpenCV 2.x发布，其尽量使用C++而不是C，但是为了向前兼容，仍保留了对C API的支持。从2010年开始，2.x决定不再频繁支持和更新C API，而是focus在**C++ API**，C API仅作备份。

**2009年9月2.0 beta**发布，主要使用**CMake构建**，加入了很多新特征、描述子等，如FAST、LBP等。

**2010年4月2.1**版本，加入了Grabcut等，可以使用**SSE/SSE2…**指令集。

**2010年10月2.2**版本发布，OpenCV的模块变成了大家熟悉的模样，像**opencv\_imgproc**、**opencv\_features2d**等，同时有了**opencv\_contrib**用于放置尚未成熟的代码，**opencv\_gpu**放置使用CUDA加速的OpenCV函数。

**2011年6月起的2.3.x**版本、**2012年4月起的2.4.x**版本，一面增加新方法，一面修复bug，同时加强对GPU、Java for Android、 OpenCL、并行化的支持等等，OpenCV愈加稳定完善，值得注意的是 SIFT和SURF从2.4开始被放到了**nonfree** 模块（因为专利）。

考虑到过渡，OpenCV 2.4.x仍在维护，不过以后可能仅做bug修复和效率提升，不再增加新功能——鼓励向3.x迁移。

## 2.3 OpenCV 3.x ##

随着3.x的发布，1.x的C API将被淘汰不再被支持，以后C API可能通过C++源代码自动生成。3.x与2.x不完全兼容，与2.x相比，主要的不同之处在于OpenCV 3.x 的大部分方法都使用了**OpenCL加速**。

**2014年8月3.0 alpha**发布，除大部分方法都使用OpenCL加速外，3.x默认包含以及使用[IPP][]，同时，matlab bindings、Face Recognition、SIFT、SURF、 text detector、motion templates & simple flow 等都移到了**opencv\_contrib**下（opencv\_contrib不仅存放了尚未稳定的代码，同时也存放了涉及专利保护的技术实现），大量涌现的新方法也包含在其中。

**2017年8月3.3**版本，**2017年12月开始的3.4.x**版本，opencv\_dnn从opencv\_contrib移至opencv，同时OpenCV开始支持C++ 11构建，之后明显感到对**神经网络**的支持在加强，opencv\_dnn被持续改进和扩充。

## 2.4 OpenCV 4.0 ##

**2018年10月4.0.0**发布，OpenCV开始需要支持**C++11**的编译器才能编译，同时对几百个基础函数使用 **"wide universal intrinsics"**重写，这些内联函数可以根据目标平台和编译选项映射为SSE2、 SSE4、 AVX2、NEON 或者 VSX 内联函数，获得性能提升。此外，还加入了QR code的检测和识别，以及Kinect Fusion algorithm，DNN也在持续改善和扩充。

# 3. OpenCV架构 #

![20200229125701897.png][]

【calib3d】——这个模块名称是由calibration（校准）和3D这两个单词的缩写组合而成，通过名字我们可以知道，模块主要包含相机标定与立体视觉等功能，例如物体位姿估计、三维重建、摄像头标定等。

【core】——核心功能模块，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，这个模块是OpenCV 4版本的一个特色，其主要包括构建神经网络、加载序列化网络模型等。但是该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这两个单词的缩写组合而成，其功能主要为处理图像特征点，例如特征检测、描述与匹配等。

【flann】——这个模块名称是Fast Library for Approximate Nearest Neighbors（快速近似最近邻库）的缩写，这个模块是高维的近似近邻快速搜索算法库，主要包含快速近似最近邻搜索与聚类等。

【gapi】——这个模块是OpenCV 4.0中新增加的模块，旨在加速常规的图像处理，与其他模块相比，这个模块主要充当框架而不是某些特定的计算机视觉算法。

【highgui】——高层GUI图形用户界面，包含创建和操作显示图像的窗口、处理鼠标事件以及键盘命令、提供图形交互可视化界面等。

【imgcodecs】——图像文件读取与保存模块，主要用于图像文件读取与保存。

【imgproc】——这个模块名称是由image（图像）和process（处理）两个单词的缩写组和而成，是重要的图像处理模块，其主要包括图像滤波、几何变换、直方图、特征检测与目标检测等。

【ml】——机器学习模块，主要为统计分类、回归和数据聚类等。

【objdetect】——目标检测模块，主要用于图像目标检测，例如检测Haar特征。

【photo】——计算摄影模块，主要包含图像修复和去噪等。

【stitching】——图像拼接模块，主要包含特征点寻找与匹配图像、估计旋转、自动校准、接缝估计等图像拼接过程的相关内容。

【video】——视频分析模块，主要包含运动估计、背景分离、对象跟踪等视频处理相关内容。

【videoio】——视频输入输出模块，主要用于读取与写入视频或者图像序列。

通过对OpenCV 4.1的模块构架的介绍，相信读者已经对OpenCV 4.1整体架构有了一定的了解。其实简单来说OpenCV就是将众多图像处理模块集成在一起的软件开发包（Software Development Kit，SDK），其自身并不复杂，只要通过学习都可以轻松掌握其使用方式。

# 4. OpenCV相关学习网站 #

*  [官方网站][Link 5]
 *  [中文网站][Link 6]
 *  [github][]
 *  [OpenCV教程][OpenCV]
 *  [opencv中文教程][opencv]

# 参考资料： #

1. [OpenCV各版本差异与演化，从1.x到4.0][OpenCV_1.x_4.0]

[Link 1]: https://baike.baidu.com/item/%E6%9E%84%E6%88%90/103686
[Link 2]: https://baike.baidu.com/item/%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86/294902
[Link 3]: https://baike.baidu.com/item/%E6%8E%A5%E5%8F%A3/2886384
[Link 4]: https://baike.baidu.com/item/%E6%96%87%E6%A1%A3/1009768
[IPP]: https://wiki2.org/en/Integrated_Performance_Primitives
[20200229125701897.png]: https://img-blog.csdnimg.cn/20200229125701897.png
[Link 5]: https://opencv.org/about/
[Link 6]: http://wiki.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5
[github]: https://github.com/opencv
[OpenCV]: https://www.w3cschool.cn/opencv/opencv-2gnx28u3.html
[opencv]: http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.htm
[OpenCV_1.x_4.0]: https://www.cnblogs.com/shine-lee/p/9884551.html