OpenCV 图像处理
1、图像相关知识
1.1、模拟图像和数字图像
模拟图像又称连续图像，它通过某种物理量（如光、电等）的强弱变化来记录图像亮度信息，所以是连续变换的，容易受干扰。
数字图像亮度用离散数值表示。
1.2、数字图像的表示
计算机采用0/1编码的系统，数字图像也是利用0/1来记录信息，我们平常接触的图像都是8位数图像，包含0～255灰度，其中0，代表最黑，1，表示最白。
1.3、数字图像分类
二值图像：
二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。
灰度图像：
在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。一般常用的是加权平均法来获取每个像素点的灰度值。
Gamma校正：人眼对亮度的感知和物理功率不成正比，而是幂函数的关系，这个函数的指数通常为2.2，称为Gamma值。
打个比方，功率为50%的灰色，人眼实际感知亮度为0.51/2.2X100%=72.97%;
而人眼认为的50%中灰色，实际功率为0.52.2X100%=21.76%。
所以RGB中的灰度值，为了考虑到较小的存储范围(0~255)和较平衡的亮暗部比例，所以需要进行Gamma校正，而不是直接对应功率值，因此RGB值RGB颜色值不能简单直接相加，而是必须用2.2次方换算成物理光功率后才能进行下一步计算。
Gamma校正算法：
2、OpenCV简介
OpenCV基于C++实现，同时提供python, Ruby, Matlab等语言的接口。OpenCV-Python是OpenCV的Python API，结合了OpenCV C++ API和Python语言的最佳特性。可以在不同的系统平台上使用，包括Windows，Linux，OS X，Android和iOS。
2.1、OpenCV-Python
OpenCV-Python是原始OpenCV C++实现的Python包装器。使用Python包装器使得代码编写更为容易且拥有和C++相同的运行速度。
OpenCV-Python使用Numpy，这是一个高度优化的数据库操作库，具有MATLAB风格的语法。所有OpenCV数组结构都转换为Numpy数组。这也使得与使用Numpy的其他库（如SciPy和Matplotlib）集成更容易。
2.2、OpenCV中的模块
其中core、highgui、imgproc是最基础的模块：
- core模块：实现了最核心的数据结构及其基本运算，如绘图函数、数组操作相关函数等；
- highgui模块：实现了视频与图像的读取、显示、存储等接口；
- imgproc模块：实现了图像处理的基础方法，包括图像滤波、图像的几何变换、平滑、阈值分割、形态学处理、边缘检测、目标检测、运动分析和对象跟踪等。
对于图像处理其他更高层次的方向及应用，OpenCV也有相关的模块实现：
- features2d模块：用于提取图像特征以及特征匹配，nonfree模块实现了一些专利算法，如sift特征；
- objdetect模块：实现了一些目标检测的功能，经典的基于Haar、LBP特征的人脸检测，基于HOG的行人、汽车等目标检测，分类器使用Cascade Classification（级联分类）和Latent SVM等；
- stitching模块：实现了图像拼接功能；
- FLANN模块：（Fast Library for Approximate Nearest Neighbors），包含快速近似最近邻搜索FLANN 和聚类Clustering算法；
- ml模块机器学习模块：（SVM，决策树，Boosting等等）；
- photo模块：包含图像修复和图像去噪两部分；
- video模块：针对视频处理，如背景分离，前景检测、对象跟踪等；
- calib3d模块：即Calibration（校准）3D，这个模块主要是相机校准和三维重建相关的内容。包含了基本的多视角几何算法，单个立体摄像头标定，物体姿态估计，立体相似性算法，3D信息的重建等等；
- G-API模块：包含超高效的图像处理pipeline引擎
在接下来详细介绍OpenCV的objdetect模块在C++中的使用。
