转载：【opencv入门教程之三】：组件结构
本系列文章由zhmxy555（毛星云）編寫(xiě)，轉(zhuǎn)載請(qǐng)注明出處。??
文章鏈接：?http://blog.csdn.net/poem_qianmo/article/details/19925819
作者：毛星云（淺墨）????郵箱：?happylifemxy@163.com?
寫(xiě)作當(dāng)前博文時(shí)配套使用OpenCV版本：2.4.8
?
?
之前啃了不少OpenCV的官方文檔，發(fā)現(xiàn)如果了解了一些OpenCV整體的模塊架構(gòu)后，再重點(diǎn)學(xué)習(xí)自己感興趣的部分的話，就會(huì)有一覽眾山小的感覺(jué)，于是，就決定寫(xiě)出這篇文章，作為啟程O(píng)penCV系列博文的第二篇。
?
至于OpenCV組件結(jié)構(gòu)的研究方法，我們不妨管中窺豹，通過(guò)opencv安裝路徑下include目錄里面頭文件的分類存放，來(lái)一窺OpenCV這些年迅猛發(fā)展起來(lái)的龐雜組件架構(gòu)。
我們進(jìn)入到D:\ProgramFiles\opencv\build\include目錄，可以看到有opencv和opencv2這兩個(gè)文件夾。顯然，opencv這個(gè)文件夾里面包含著舊版的頭文件。而opencv2這個(gè)文件夾里面包含著具有時(shí)代意義的新版OpenCV2系列的頭文件。
?
在opencv這個(gè)文件夾里面，也就是D:\Program Files\opencv\build\include\opencv目錄下，可以看到如下的各種頭文件。這里面大概就是opencv 1.0最核心的，而且保留下來(lái)的內(nèi)容的頭文件，可以把它們整體理解為一個(gè)組件。
?
?再來(lái)看看我們重點(diǎn)關(guān)注的opencv2這邊，在D:\ProgramFiles\opencv\build\include\opencv2目錄下，我們可以看到這些文件夾：
我們靈機(jī)一動(dòng)，發(fā)現(xiàn)下面有個(gè)叫opencv_modules.hpp的hpp文件，一看就知道里面存放的是opencv2中的新模塊構(gòu)造相關(guān)的說(shuō)明代碼，打開(kāi)一看，果不其然，定義的是OpenCV2所有組件的宏：
?
OK，就不多客套了，下面就是OpenCV的所有模塊介紹，按照順序來(lái)：
?
【calib3d】——其實(shí)就是就是Calibration（校準(zhǔn)）加3D這兩個(gè)詞的組合縮寫(xiě)。這個(gè)模塊主要是相機(jī)校準(zhǔn)和三維重建相關(guān)的內(nèi)容。基本的多視角幾何算法，單個(gè)立體攝像頭標(biāo)定，物體姿態(tài)估計(jì)，立體相似性算法，3D信息的重建等等。
?
【contrib】——也就是Contributed/Experimental Stuf的縮寫(xiě)， 該模塊包含了一些最近添加的不太穩(wěn)定的可選功能，不用去多管。2.4.8里的這個(gè)模塊有新型人臉識(shí)別，立體匹配，人工視網(wǎng)膜模型等技術(shù)。
?
【core】——核心功能模塊，包含如下內(nèi)容：
- OpenCV基本數(shù)據(jù)結(jié)構(gòu)
- 動(dòng)態(tài)數(shù)據(jù)結(jié)構(gòu)
- 繪圖函數(shù)
- 數(shù)組操作相關(guān)函數(shù)
- 輔助功能與系統(tǒng)函數(shù)和宏
- 與OpenGL的互操作
?【imgproc】——Image和Processing這兩個(gè)單詞的縮寫(xiě)組合。圖像處理模塊，這個(gè)模塊包含了如下內(nèi)容：
- 線性和非線性的圖像濾波
- 圖像的幾何變換
- 其它（Miscellaneous）圖像轉(zhuǎn)換
- 直方圖相關(guān)
- 結(jié)構(gòu)分析和形狀描述
- 運(yùn)動(dòng)分析和對(duì)象跟蹤
- 特征檢測(cè)
- 目標(biāo)檢測(cè)等內(nèi)容
?
【features2d】?——也就是Features2D， 2D功能框架 ，包含如下內(nèi)容：
- 特征檢測(cè)和描述
- 特征檢測(cè)器（Feature Detectors）通用接口
- 描述符提取器（Descriptor Extractors）通用接口
- 描述符匹配器（Descriptor Matchers）通用接口
- 通用描述符（Generic Descriptor）匹配器通用接口
- 關(guān)鍵點(diǎn)繪制函數(shù)和匹配功能繪制函數(shù)
【flann】——?Fast Library for Approximate Nearest Neighbors，高維的近似近鄰快速搜索算法庫(kù)，包含兩個(gè)部分：
- 快速近似最近鄰搜索
- 聚類
?
【gpu】——運(yùn)用GPU加速的計(jì)算機(jī)視覺(jué)模塊
?
【highgui】——也就是high gui，高層GUI圖形用戶界面，包含媒體的I / O輸入輸出，視頻捕捉、圖像和視頻的編碼解碼、圖形交互界面的接口等內(nèi)容
?
【legacy】——一些已經(jīng)廢棄的代碼庫(kù)，保留下來(lái)作為向下兼容，包含如下相關(guān)的內(nèi)容：?
- 運(yùn)動(dòng)分析
- 期望最大化
- 直方圖
- 平面細(xì)分（C API）
- 特征檢測(cè)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
?
【ml】——Machine Learning，機(jī)器學(xué)習(xí)模塊，?基本上是統(tǒng)計(jì)模型和分類算法，包含如下內(nèi)容：
- 統(tǒng)計(jì)模型 （Statistical Models）
- 一般貝葉斯分類器 （Normal Bayes Classifier）
- K-近鄰 （K-NearestNeighbors）
- 支持向量機(jī) （Support Vector Machines）
- 決策樹(shù) （Decision Trees）
- 提升（Boosting）
- 梯度提高樹(shù)（Gradient Boosted Trees）
- 隨機(jī)樹(shù) （Random Trees）
- 超隨機(jī)樹(shù) （Extremely randomized trees）
- 期望最大化 （Expectation Maximization）
- 神經(jīng)網(wǎng)絡(luò) （Neural Networks）
- MLData
【nonfree】，也就是一些具有專利的算法模塊 ，包含特征檢測(cè)和GPU相關(guān)的內(nèi)容。最好不要商用，可能會(huì)被告哦。
?
【objdetect】——目標(biāo)檢測(cè)模塊，包含Cascade Classification（級(jí)聯(lián)分類）和Latent SVM這兩個(gè)部分。
?
【ocl】——即OpenCL-accelerated Computer Vision，運(yùn)用OpenCL加速的計(jì)算機(jī)視覺(jué)組件模塊
?
【photo】——也就是Computational Photography，包含圖像修復(fù)和圖像去噪兩部分
?
【stitching】——images stitching，圖像拼接模塊，包含如下部分：
- 拼接流水線
- 特點(diǎn)尋找和匹配圖像
- 估計(jì)旋轉(zhuǎn)
- 自動(dòng)校準(zhǔn)
- 圖片歪斜
- 接縫估測(cè)
- 曝光補(bǔ)償
- 圖片混合
【superres】——SuperResolution，超分辨率技術(shù)的相關(guān)功能模塊
?
【ts】——opencv測(cè)試相關(guān)代碼，不用去管他
?
【video】——視頻分析組件，該模塊包括運(yùn)動(dòng)估計(jì)，背景分離，對(duì)象跟蹤等視頻處理相關(guān)內(nèi)容。
?
【Videostab】——Video stabilization，視頻穩(wěn)定相關(guān)的組件，官方文檔中沒(méi)有多作介紹，不管它了。
?
看到到這里，相信大家已經(jīng)對(duì)OpenCV的模塊架構(gòu)設(shè)計(jì)有了一定的認(rèn)識(shí)。
OpenCV其實(shí)就是這么多模塊作為代碼容器組合起來(lái)的一個(gè)SDK而已，沒(méi)什么稀奇的，對(duì)吧。
?
最后配張圖，養(yǎng)養(yǎng)眼：
好了，OpenCV的組件結(jié)構(gòu)介紹大概就是這些。
下篇文章見(jiàn) ：）
?
總結(jié)
以上是生活随笔為你收集整理的转载：【opencv入门教程之三】：组件结构的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： 转载：【opencv入门教程之一】：配置
- 下一篇： 转载：【opencv入门教程之三】：图片