关于OpenCV的琐事_0x00 初识OpenCV

OpenCV简介

OpenCV 的全称是：Open Source Comeputer Vision Library；OpenCv是一个基Android和Mac os操作系统上，它轻量级而且高效--由一系列C函数和少量C++类构成、实现了图像处理和计算机视觉方面的很多通用算法；
OpenCV用C++语言编写，他的主要接口也是C++语言，但是依然保留了大量的C语言接口；该库也有大量的Python，Java and MATLAB、octave（版本2.5）的接口；这些语言的API接口函数可以通过在线文档获得；如今也提供C#，Ch，Ruby的支持；
最新的OpenCV3.x版本还支持CUDA以及OpenCL并行运算库（内容来自百度嘻嘻）。

OpenCV的各大模块：

core

——定义了基本数据结构，动态数据结构，绘图函数，数组操作相关函数，辅助功能与系统函数和宏，与OpenGL的互操作，包括最重要的Mat和一些其他的模块

imgproc

——该模块包括了线性和非线性的图像滤波，图像的几何变换，颜色空间转换，直方图处理，结构分析和形状描述，运动分析和对象跟踪，特征检测，目标检测等等（image和process的缩写组合，图像处理模块）

video

——该模块包括运动估计，背景分离，对象跟踪

calib3d

——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

features2d

——显著特征检测，描述，特征匹配，，描述符提取通用接口，，关键点绘制函数和匹配功能绘制函数。

objdetect

——物体检测和预定义好的分类器实例（比如人脸，眼睛，面部，人，车辆等等），目标检测模块，包含cascade classification（级联分类）和latent svm 这两个部分。
highgui——视频捕捉、图像和视频的编码解码、图形交互界面的接口

gpu

——利用GPU对OpenCV模块进行加速算法

ml

——machine learning 机器学习模块（SVM，决策树，Boosting等等）
统计模型（statistical models），一般贝叶斯分类器（normal bayes classifier），K-近邻（-nearest neighbors），支持向量机（support vector machines），决策树（decision trees），提升（boosting），梯度提高树（gradient boosted trees），神经网络（neural networks）

flann

——Fast Library for Approximate Nearest Neighbors（FLANN）算法库

legacy

——一些已经废弃的代码库，保留下来作为向下兼容
还有一些其他的模块，比如FLANN算法库、Google测试包、Python bingdings等等；更详细请参考官方Wiki；

安装与配置（Windows）

下载地址：https://opencv.org/releases/
选择自己对应的版本下载即可，对于Windows，会是一个自解压文件，下载过后点击解压即可：

点击提取

解压出来个文件夹

加入到环境变量

打开解压出来的文件夹：opencv\opencv\build\x64\vc14
比如我的是：

将此路径加入到Path

为什么需要加入到环境变量？
因为我们希望在任何位置都可以使用它。

配置VS

打开vs

创建新项目

选择空项目，赋一个自己喜欢的名字

点击确定继续；

右键工程打开属性

将此路径加入到库目录

链接器--输入-附加依赖项-加入

点击编辑

opencv_world345d.lib

点击应用

＊注意在E:\opencv\opencv\build\x64\vc15\bin找到opencv_world344.dll、opencv_world344d.dll将其放在C:\Windows\System32（64bit）

新建文件测试环境是否搭建成功

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
int main(int argc, char** argv)
{
    Mat src = imread("C:\\Users\\Mypc\\Desktop\\1.jpg");// (切记图片路径若是要使用\则是双\\)
        namedWindow("hhh", CV_WINDOW_AUTOSIZE);
    imshow("hhh", src);
    waitKey(0);
    return 0;
}

运行结果

成功运行

Linux

官方教程：https://docs.opencv.org/master/d7/d9f/tutorial_linux_install.html