opencv各个模块功能总结

OpenCV是计算机视觉开源库，由一系列C、C++类构成，包含了大量的C++、Python接口，主要的算法包括图像处理、机器视觉等。

做计算机视觉、SLAM等方向必须要掌握opencv的使用。

使用OpenCV已经好久一段时间了，主要用到的就那几个主要的模块，现在对OpenCV的框架个各模块的功能做一个介绍。

主要模块介绍：

1.【core】核心模块

• 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

2.【imgproc】Imaging与Processing两个单词的缩写的组合。图像处理模块。

• 线性和非线性的图像滤波
• 图像的几何变换
• 其他（Miscellaneous）图像转换
• 直方图相关
• 结构分析和形状描述
• 运动分析和对象跟踪
• 特征检测
• 目标检测等内容

3.【features2d】2D功能框架

• 特征检测和描述
• 特征检测器（Feature Detectors）通用接口
• 描述符检测器（Descriptor Extrators）通用接口
• 描述匹配器（Descriptor Matches）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

4.【flann】—— Fast Library for Approximate Nearest Neighbors，高维的近似近邻快速搜索算法库，包含两个部分：

• 快速近似最近邻搜索
• 聚类

5.【gpu】——运用GPU加速的计算机视觉模块

6.【legacy】——一些已经废弃的代码库，保留下来作为向下兼容，包含如下相关的内容：

• 运动分析
• 期望最大化
• 直方图
• 平面细分（C API）
• 特征检测和描述（Feature Detection and Description）
• 描述符提取器（Descriptor Extractors）的通用接口
• 通用描述符（Generic Descriptor Matchers）的常用接口
• 匹配器

7.【ml】——Machine Learning，机器学习模块， 基本上是统计模型和分类算法，包含如下内容：

• 统计模型 （Statistical Models）
• 一般贝叶斯分类器 （Normal Bayes Classifier）
• K-近邻 （K-NearestNeighbors）
• 支持向量机 （Support Vector Machines）
• 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 （Expectation Maximization）
• 神经网络 （Neural Networks）
• MLData

8.【nonfree】，也就是一些具有专利的算法模块 ，包含特征检测和GPU相关的内容。最好不要商用，可能会被告哦。其中SIFT特征点的检测和处理都在此模块中。

9.【objdetect】——目标检测模块，包含Cascade Classification（级联分类）和Latent SVM这两个部分。

10.【ocl】——即OpenCL-accelerated Computer Vision，运用OpenCL加速的计算机视觉组件模块

11.【photo】——也就是Computational Photography，包含图像修复和图像去噪两部分

12.【stitching】——images stitching，图像拼接模块，包含如下部分：

• 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

13.【superres】——SuperResolution，超分辨率技术的相关功能模块

14.【ts】——opencv测试相关代码，不用去管他

15.【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。

16.【Videostab】——Video stabilization，视频稳定相关的组件，官方文档中没有多作介绍，不管它了。

17. opencv3新增了shape模块！
【shape】--形状的匹配以及距离计算SHAPE

参考自：https://www.cnblogs.com/black-mamba/p/5924453.html