一.? OpenCV介紹

OpenCV是一個基于BSD許可（開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows、Android和Mac OS操作系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。

OpenCV用C++語言編寫，它的主要接口也是C++語言，但是依然保留了大量的C語言接口。該庫也有大量的Python、Java and MATLAB/OCTAVE（版本2.5）的接口。這些語言的API接口函數可以通過在線文檔獲得。如今也提供對于C#、Ch、Ruby,GO的支持。

二. OpenCV發展歷程

2.1 OpenCV 1.x

OpenCV 最初基于C語言開發，API也都是基于C的，面臨內存管理、指針等C語言固有的麻煩。

2006年10月1.0發布時，部分使用了C++，同時支持Python，其中已經有了random trees、boosted trees、neural nets等機器學習方法，完善對圖形界面的支持。

2008年10月1.1pre1發布，使用 VS2005構建，Python bindings支持Python 2.6，Linux下支持Octave bindings，在這一版本中加入了SURF、RANSAC、Fast approximate nearest neighbor search等，Face Detection (cvHaarDetectObjects)也變得更快。

2.2 OpenCV 2.x

當C++流行起來，OpenCV 2.x發布，其盡量使用C++而不是C，但是為了向前兼容，仍保留了對C API的支持。從2010年開始，2.x決定不再頻繁支持和更新C API，而是focus在C++ API，C API僅作備份。

2009年9月2.0 beta發布，主要使用CMake構建，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版本發布，OpenCV的模塊變成了大家熟悉的模樣，像opencv_imgproc、opencv_features2d等，同時有了opencv_contrib用于放置尚未成熟的代碼，opencv_gpu放置使用CUDA加速的OpenCV函數。

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，一面修復bug，同時加強對GPU、Java for Android、 OpenCL、并行化的支持等等，OpenCV愈加穩定完善，值得注意的是 SIFT和SURF從2.4開始被放到了nonfree 模塊（因為專利）。

考慮到過渡，OpenCV 2.4.x仍在維護，不過以后可能僅做bug修復和效率提升，不再增加新功能——鼓勵向3.x遷移。

2.3 OpenCV 3.x

隨著3.x的發布，1.x的C API將被淘汰不再被支持，以后C API可能通過C++源代碼自動生成。3.x與2.x不完全兼容，與2.x相比，主要的不同之處在于OpenCV 3.x 的大部分方法都使用了OpenCL加速。

2014年8月3.0 alpha發布，除大部分方法都使用OpenCL加速外，3.x默認包含以及使用IPP，同時，matlab bindings、Face Recognition、SIFT、SURF、 text detector、motion templates & simple flow 等都移到了opencv_contrib下（opencv_contrib不僅存放了尚未穩定的代碼，同時也存放了涉及專利保護的技術實現），大量涌現的新方法也包含在其中。

2017年8月3.3版本，2017年12月開始的3.4.x版本，opencv_dnn從opencv_contrib移至opencv，同時OpenCV開始支持C++ 11構建，之后明顯感到對神經網絡的支持在加強，opencv_dnn被持續改進和擴充。

2.4 OpenCV 4.0

2018年10月4.0.0發布，OpenCV開始需要支持C++11的編譯器才能編譯，同時對幾百個基礎函數使用 "wide universal intrinsics"重寫，這些內聯函數可以根據目標平臺和編譯選項映射為SSE2、 SSE4、 AVX2、NEON 或者 VSX 內聯函數，獲得性能提升。此外，還加入了QR code的檢測和識別，以及Kinect Fusion algorithm，DNN也在持續改善和擴充。

3. OpenCV架構

【calib3d】——這個模塊名稱是由calibration（校準）和3D這兩個單詞的縮寫組合而成，通過名字我們可以知道，模塊主要包含相機標定與立體視覺等功能，例如物體位姿估計、三維重建、攝像頭標定等。

【core】——核心功能模塊，模塊主要包含 OpenCV 庫的基礎結構以及基本操作，例如OpenCV基本數據結構、繪圖函數、數組操作相關函數、動態數據結構等。

【dnn】——深度學習模塊，這個模塊是OpenCV 4版本的一個特色，其主要包括構建神經網絡、加載序列化網絡模型等。但是該模塊目前僅適用于正向傳遞計算（測試網絡），原則上不支持反向計算（訓練網絡）。

【features2d】——這個模塊名稱是由features（特征）和2D這兩個單詞的縮寫組合而成，其功能主要為處理圖像特征點，例如特征檢測、描述與匹配等。

【flann】——這個模塊名稱是Fast Library for Approximate Nearest Neighbors（快速近似最近鄰庫）的縮寫，這個模塊是高維的近似近鄰快速搜索算法庫，主要包含快速近似最近鄰搜索與聚類等。

【gapi】——這個模塊是OpenCV 4.0中新增加的模塊，旨在加速常規的圖像處理，與其他模塊相比，這個模塊主要充當框架而不是某些特定的計算機視覺算法。

【highgui】——高層GUI圖形用戶界面，包含創建和操作顯示圖像的窗口、處理鼠標事件以及鍵盤命令、提供圖形交互可視化界面等。

【imgcodecs】——圖像文件讀取與保存模塊，主要用于圖像文件讀取與保存。

【imgproc】——這個模塊名稱是由image（圖像）和process（處理）兩個單詞的縮寫組和而成，是重要的圖像處理模塊，其主要包括圖像濾波、幾何變換、直方圖、特征檢測與目標檢測等。

【ml】——機器學習模塊，主要為統計分類、回歸和數據聚類等。

【objdetect】——目標檢測模塊，主要用于圖像目標檢測，例如檢測Haar特征。

【photo】——計算攝影模塊，主要包含圖像修復和去噪等。

【stitching】——圖像拼接模塊，主要包含特征點尋找與匹配圖像、估計旋轉、自動校準、接縫估計等圖像拼接過程的相關內容。

【video】——視頻分析模塊，主要包含運動估計、背景分離、對象跟蹤等視頻處理相關內容。

【videoio】——視頻輸入輸出模塊，主要用于讀取與寫入視頻或者圖像序列。

通過對OpenCV 4.1的模塊構架的介紹，相信讀者已經對OpenCV 4.1整體架構有了一定的了解。其實簡單來說OpenCV就是將眾多圖像處理模塊集成在一起的軟件開發包（Software Development Kit，SDK），其自身并不復雜，只要通過學習都可以輕松掌握其使用方式。

4. OpenCV相關學習網站

• ? 官方網站
• ??中文網站
• ??github
• ??OpenCV教程
• opencv中文教程

參考資料：

1.?OpenCV各版本差異與演化，從1.x到4.0?

總結

以上是生活随笔為你收集整理的Opencv学习笔记之OpenCV介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。