【OpenCV】简介

官网
https://docs.opencv.org/4.8.0/examples.html
https://docs.opencv.org/4.8.0/modules.html

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，它包含了大量的函数和算法，用于处理图像和视频数据，进行目标检测、跟踪、特征提取等任务

模块

OpenCV 库分为多个模块:opencv_core 模块包含库的核心功能，opencv_imgproc 模块 包含主要的图像处理函数，opencv_highgui 模块提供了读写图像和视频的函数以及一些用户交 互函数，等等。在使用某个模块之前，需要包含该模块对应的头文件。很多使用 OpenCV 的应用 程序会在文件的开头处声明:

    #include <opencv2/core.hpp>#include <opencv2/imgproc.hpp>#include <opencv2/highgui.hpp>

主要模块：

core：这是OpenCV的核心模块，包括基础数据类型、数组操作、内存管理、XML/YAML文件读写、图像和视频的I/O等。
imgproc：图像处理模块，包括图像滤波、几何变换、颜色空间转换、直方图计算、形态学操作、特征检测等。
highgui：用户界面和交互模块，用于显示图像、视频和用户界面控件。
videoio：视频捕获和编解码模块，用于读取、写入和处理视频文件。
calib3d：相机标定和三维重建模块，包括多视图几何算法、立体视觉、相机标定等。
features2d：二维特征检测、描述符和描述符匹配器模块。
objdetect：对象检测模块，包括人脸检测、行人检测等。
dnn：深度神经网络模块，支持多种深度学习框架，如TensorFlow、Caffe等，并提供了一些预训练的模型。
ml：机器学习模块，包含统计机器学习模型和算法，如支持向量机（SVM）、决策树、K近邻等。
flann：快速最近邻搜索模块，用于在大规模数据集中进行高效搜索。
photo：计算摄影模块，包括图像修复和去噪等功能。
stitching：图像拼接模块，用于将多个图像拼接成一个全景图。
videostab：视频稳定模块，用于减少视频中的抖动和不稳定。
optflow：光流计算模块，用于估计图像序列中的运动。
superres：超分辨率模块，用于提高图像的分辨率。
tracking：目标跟踪模块，提供了多种跟踪算法和工具。
ximgproc：扩展图像处理模块，包含一些额外的图像处理算法和功能。
xobjdetect：扩展对象检测模块，提供了额外的对象检测算法。
xphoto：扩展计算摄影模块，包含一些额外的计算摄影算法和功能。
这些模块提供了丰富的功能和算法，可以满足各种计算机视觉任务的需求。注意，OpenCV的模块可能会随着版本的更新而有所变化，建议查阅OpenCV的官方文档以获取最新和详细的信息。

OpenCV_contrib

OpenCV 的一个扩展模块集合，其中包含了大量由社区贡献的、不在主库（即 OpenCV 的核心模块）中的功能和算法。这些贡献模块提供了各种计算机视觉、图像处理和机器学习领域的先进技术和实用工具。
OpenCV_contrib 的目标是提供一个平台，让开发者能够轻松地访问和使用这些额外的功能，从而促进创新和实验。

以下是 OpenCV_contrib 中的一些主要模块和功能的概述：
aruco：提供了用于增强现实（AR）的 ArUco 标记的创建和检测功能。
bgsegm：包含了用于背景分割的算法，如统计背景图像估计和每像素的贝叶斯分割。
bioinspired：实现了受生物学启发的计算机视觉模型和方法。
cnn_3dobj：使用卷积神经网络（CNN）进行3D对象识别。
cvv：OpenCV 的可视化工具，用于调试和分析。
datasets：包含用于不同计算机视觉任务的数据集读取器。
dnn_objdetect：使用深度神经网络进行对象检测。
dpm：可变形部件模型（Deformable Part Models），用于对象检测。
face：提供面部识别和面部特征点检测功能。
freetype：使用 FreeType 库渲染文本。
fuzzy：实现了模糊逻辑和模糊系统。
hdf：用于读取和写入 HDF5 文件格式的接口。
img_hash：图像哈希算法，用于图像检索和相似性比较。
line_descriptor：用于二值图像的描述符提取和匹配。
matlab：提供与 MATLAB 的兼容性功能。
optflow：光流算法集合，用于估计视频序列中的运动。
phase_unwrapping：相位解包裹算法，用于从相位图像中恢复绝对相位。
plot：绘图功能，用于可视化数据和结果。
reg：图像配准方法，用于对齐图像。
rgbd：RGB-D（彩色+深度）图像处理功能。
saliency：显著性检测算法，用于确定图像中最引人注意的区域。
stereo：立体视觉算法，用于从立体图像对中恢复深度信息。
structured_light：结构光模式生成和分析工具。
surface_matching：3D 表面匹配算法。
text：文本检测和识别功能。
tracking：对象跟踪算法集合。
xfeatures2d：额外的 2D 特征检测器和描述符提取器。
ximgproc：扩展的图像处理功能。
xobjdetect：扩展的对象检测算法。
xphoto：计算摄影和图像增强技术。

使用 OpenCV_contrib：
要使用 OpenCV_contrib 中的模块，你通常需要在编译 OpenCV 时启用它们。这通常涉及在配置步骤中设置特定的标志，以指示构建系统包含这些额外模块。一些模块可能还有额外的依赖项，需要在安装之前单独安装。

矩阵接口

在OpenCV中，矩阵（Mat）是一个基本的数据结构，用于存储图像、特征点、变换矩阵等。
OpenCV的矩阵接口主要包括以下几个方面：

创建和初始化矩阵：

cv::Mat::Mat()：构造函数，用于创建矩阵。
cv::Mat::zeros()：创建一个全零矩阵。
cv::Mat::ones()：创建一个全一矩阵。
cv::Mat::eye()：创建一个单位矩阵。
cv::Mat::create()：为矩阵分配内存。

矩阵的基本操作：

cv::Mat::clone()：复制矩阵。
cv::Mat::copyTo()：将矩阵复制到另一个矩阵中（可能带有掩码）。
cv::Mat::setTo()：设置矩阵的所有或部分元素为特定值。
cv::Mat::reshape()：改变矩阵的形状而不改变数据。
cv::Mat::transpose()：转置矩阵。
cv::Mat::inv() 或 cv::invert()：计算矩阵的逆。
cv::Mat::mul()：执行矩阵的逐元素乘法或矩阵乘法。
cv::Mat::dot()：计算两个向量的点积。
cv::Mat::cross()：计算两个3D向量的叉积。

矩阵的访问和修改：

cv::Mat::at(int y, int x)：访问矩阵中的元素。
cv::Mat::ptr(int i)：获取矩阵的指定行的指针。
cv::Mat::begin() 和 cv::Mat::end()：获取矩阵的迭代器。
cv::Mat::row() 和 cv::Mat::col()：获取矩阵的行或列。
cv::Mat::rowRange() 和 cv::Mat::colRange()：获取矩阵的行或列的范围。
cv::Mat::diag()：获取或设置矩阵的对角线。

矩阵的信息查询：

cv::Mat::type()：返回矩阵元素的数据类型。
cv::Mat::depth()：返回矩阵元素的数据深度的位数。
cv::Mat::channels()：返回矩阵的通道数。
cv::Mat::size()：返回矩阵的尺寸（行数和列数）。
cv::Mat::total()：返回矩阵中的元素总数。
cv::Mat::isContinuous()：检查矩阵是否连续存储。
cv::Mat::empty()：检查矩阵是否为空。

算术运算

加法 (cv::add):
两个矩阵的逐元素相加。
也可以使用运算符重载 (+)。

减法 (cv::subtract):
两个矩阵的逐元素相减。
也可以使用运算符重载 (-)。

乘法 (cv::multiply 或 cv::matMul):
cv::multiply 用于逐元素相乘（Hadamard积）。
cv::matMul 用于矩阵乘法（线性代数中的矩阵相乘）。
运算符重载 (*) 通常用于逐元素相乘，但需要注意矩阵的类型和维度。

除法 (cv::divide):
两个矩阵的逐元素相除。
也可以使用运算符重载 (/)，但需要注意数据类型和除数为零的情况。

缩放与加法 (cv::scaleAdd):
将一个矩阵缩放后与另一个矩阵相加。

逻辑运算

逻辑与 (cv::bitwise_and):
对两个矩阵执行逐元素的逻辑与操作。
也可以使用运算符重载 (&)。

逻辑或 (cv::bitwise_or):
对两个矩阵执行逐元素的逻辑或操作。
也可以使用运算符重载 (|)。

逻辑非 (cv::bitwise_not):
对矩阵的每个元素执行逻辑非操作。
也可以使用运算符重载 (~)，但需要注意数据类型和符号扩展。

逻辑异或 (cv::bitwise_xor):
对两个矩阵执行逐元素的逻辑异或操作。
也可以使用运算符重载 (^)。

比较运算:
OpenCV提供了一系列比较函数，如cv::cmpEQ, cv::cmpGT, cv::cmpGE, cv::cmpLT, cv::cmpLE等，用于逐元素的比较操作，生成一个相同大小的布尔矩阵（在OpenCV中通常用8位无符号整数表示，0表示false，非0表示true）。
这些操作在图像处理中非常有用，例如用于图像融合、掩码操作、阈值处理、图像分割等任务。在使用这些函数时，需要注意矩阵的数据类型、大小和通道数，以确保操作的正确性和有效性。

矩阵的输入/输出：

使用cv::imread()和cv::imwrite()函数可以读取和保存图像文件，这些图像在OpenCV中是以矩阵形式存储的。
使用cv::FileStorage类可以将矩阵保存到XML或YAML文件中，或从这些文件中读取矩阵。

矩阵的其他操作：

cv::split()：将多通道矩阵分割成多个单通道矩阵。
cv::merge()：将多个单通道矩阵合并成一个多通道矩阵。
cv::mixChannels()：在输入数组之间提供先进的通道混合功能。
cv::extractChannel() 和 cv::insertChannel()：提取或插入矩阵的特定通道。
cv::cartToPolar() 和 cv::polarToCart()：进行笛卡尔坐标和极坐标之间的转换。
cv::dft() 和 cv::idft()：进行离散傅里叶变换和反变换。
cv::PCA 类：进行主成分分析。
cv::SVD 类：进行奇异值分解。
cv::solve()：解线性方程组或最小二乘问题。
cv::eigen()：计算方阵的特征值和特征向量。