本次将主要讲解一下OpenCV的整体框架,这样会更有利于我们学习和运用该开源工具。OpenCV主要包含下下三部分:
1、opencv-主要分支,包含核心类型和函数,稳定的算法,构建的脚本和工具;
2、opencv-contribute – 包含实验和不稳定的算法,需要主分支去创建;
3、opencv-extra-包含用于测试的数据以及各项文件;
今天我们将首要说明一下,opencv主要分支中包含的内容:
B站视频链接:https://space.bilibili.com/299713444
core(core functionality核心函数):
基本结构、C结构及操作、数组操作、异步API、XML/YAML文件操作、聚类、实用程序和系统函数及宏、OpenGL 互操作性、英特尔IPP异步 C/C++ 转换器、优化算法、DirectX 互操作性、支持Eigen、支持OpenCL、英特尔VA-API/OpenCL(CL-VA)互操作性、硬件加速层、并行处理
imgproc(Image Processing)图像处理:
图像滤波、几何图像变换、其它图像变换、绘制函数、颜色空间转换、OpenCV中颜色映射、平面细分、直方图、结构分析和形状描述、运动分析与目标跟踪、特征检测、目标检测、图像分割、C API、硬件加速层
imgcodecs(Image file reading and writing)图像文件读取和写入:
图像读取和写入、CGImage与Mat转换、UIImage与Mat转换
videoio(video I/O)视频接口:
视频输入和输出接口
highgui(Highgui-level GUI)高级GUI:
与创建和操作HighGUI窗口和鼠标事件相关的标志、支持OpenGL、Qt新函数、支持WinRT
video(Video Analysis)视频分析:
运动分析、目标跟踪
calib3d(Camera Calibration and 3D Reconstruction )
相机标定和3D重建:
鱼眼相机模型、立体深度求解
features2d(2D Features Framework 2D)特征框架:
特征检测和描述、匹配描述符、关键点与匹配点绘制函数、目标分类
objdetect(Object Detection ) 目标检测:
级联分类器、HOG描述子、QRCode描述子
dnn(Deep Neural Network module )深度神经网络模块:
实现层部分列表
ml (Machine Learning) 机器学习算法:
Boost、SVM、最大期望、逻辑回归等
flann
Clustering and search in Multi-Dimensional Spaces
多维空间中的聚类和搜索
photo(Computational Photography )计算摄影:
区域临近修复图像选中区域、去噪处理、高动态渲染图像处理、对比度保持去色、无缝克隆、非真实感渲染
stitching (Images stitching )图像拼接:
特征提取和匹配、旋转估计、自动标定、图像变换、接缝评估、曝光补偿、图像融合
gapi (Graph API )图形API:
目的是使常规图像处理快速处理和移植
了解更多关于《计算机视觉与图形学》相关知识,请关注公众号:
下载我们视频中代码和相关讲义,请在公众号回复:计算机视觉课程资料