简介
OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、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]，同时提供了Python、Ruby、MATLAB等语言的接口，实现了[图像处理]和计算机视觉方面的很多通用算法。
| 模块 | 功能 |
|---|---|
| Core | 核心基础模块，定义了被所有其他模块和基本数据结构(包括重要的多维数组Mat)使用的基本函数、底层数据结构和算法函数 |
| Imgproc | 图像处理模块，包括：滤波、高斯模糊、形态学处理、几何变换、颜色空间转换及直方图计算等 |
| Highgui | 高层用户交互模块，包括：GUI、图像与视频I\O等 |
| Video | 视频分析,，运动分析及目标跟踪。 |
| Calib3d | 3D模块，包括：摄像机标定、立体匹配、3D重建等 |
| Features2d | 二维特征检测与描述模块，包括：图像特征检测、描述、匹配等 |
| Objdetect | 目标检测模块，如：人脸检测等 |
| MI | 机器学习模块，包括：支持向量机、神经网络等 |
| Flann | 最近邻开源库。包含一系列查找算法，自动选取最快算法的机制。 |
| Imgcodecs | 图像编解码模块，图像文件的读写操作 |
| Photo | 图像计算(处理)模块，图像修复及去噪。 |
| Shape | 形状匹配算法模块。描述形状、比较形状 |
| Stitching | 图像拼接 |
| Superres | 超分辨率模块 |
| Videoio | 视频读写模块，视频文件包括摄像头的输入。 |
| Videostab | 解决拍摄的视频稳定 |
| Dnn | 深度神经网络 |
| contrib | 可以引入额外模块 |
人脸检测识别
人脸定位是人脸检测、识别等一系列后续功能的基础
LBP
（Local Binary Pattern，局部二值模式)是一种用来描述图像局部纹理特征的算子,具有多分辨率、灰度尺度不变、旋转不变等特性。主要用于特征提取中的纹理提取。
使用LBP作为人脸检测的特征提取方式具有：计算量小；存储空间小；计算过程简单，没有复杂的除法和特殊运算，便于硬件实现；检测的时间短，检测的实时性好。
LBP的核心思想就是：以中心像素的灰度值作为阈值，与他的领域相比较得到相对应的二进制码来表示局部纹理特征
基本LBP
原始的LBP算子定义为在33的窗口内，处理83这个像素点的lbp值
由一张原始图片 -> 33 的像素区域 -> 对每个点进行灰度 -> 以中心点的灰度值 83 作为基准 ，处理周围的像素点，大于 83 值为 1，否则为 0
最终得到lbp值 01111100 = 124 (注意顺时针)
代码流程如下：
/**
* 原始lbp：3x3的src
* src: 原图
* dst: 计算出的lbp图谱
*/
void processLBP(Mat src, Mat &dst){
// 循环处理图像数据
for(int i=1; i < src.rows-1;i++) {
for(int j=1;j < src.cols-1;j++) {
uchar lbp = 0;
uchar center = src.at<uchar>(i,j);
//取出对应 高、宽位置的像素 与 中心点位置进行比较
if(src.at<uchar>(i-1,j-1)>center) { lbp += 1 << 7;}
if(src.at<uchar>(i-1,j )>center) { lbp += 1 << 6;}
if(src.at<uchar>(i-1,j+1)>center) { lbp += 1 << 5;}
if(src.at<uchar>(i ,j+1)>center) { lbp += 1 << 4;}
if(src.at<uchar>(i+1,j+1)>center) { lbp += 1 << 3;}
if(src.at<uchar>(i+1,j )>center) { lbp += 1 << 2;}
if(src.at<uchar>(i+1,j-1)>center) { lbp += 1 << 1;}
if(src.at<uchar>(i ,j-1)>center) { lbp += 1 << 0;}
dst.at<uchar>(i-1,j-1) = lbp;
}
}
}
//读取一张图片
Mat img = imread("/path/x.png");
cvtColor(img, img, COLOR_BGR2GRAY);
//计算lbp图谱
Mat lbp = Mat(img.rows-2, img.cols-2,CV_8UC1);
processLBP(img,lbp);
从lBP定义可以看出LBP是灰度不变的，简单来说就是对图像的灰度值根据一个系数X进行修改，得出的LBP值不变。
另外还有：圆形LBP、旋转不变LBP、 等价LBP 等等是在基本LBP 的基础上算法优化提升
检测识别的原理：
将一幅图片划分为若干的子区域，对每个子区域内的每个像素点都提取LBP特征，然后，在每个子区域内建立LBPH（LBP特征的统计直方图）。 每个子区域就可以用一个统计直方图来进行描述；整个图片就由若干个统计直方图组成 之后，将图片和人脸的直方图进行相似性比较。
直方图:
把图片的亮度分为0到255共256个数值，数值越大，代表的亮度越高。其中0代表纯黑色的最暗区域，255表示最亮的纯白色，而中间的数字就是不同亮度的灰色。用横轴代表0-255的亮度数值。竖轴代表照片中对应亮度的像素数量，这个函数图像就被称为直方图。
简单来说，图像的直方图是用来表现图像中亮度分布的情况,给出的是图像中某个亮度或者某个范围亮度下共有几个像素
在统计学中，直方图是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样本（图像、视频帧）和样本的某种属性（亮度，像素值，梯度，方向，色彩等等任何特征）。
