【OpenCV入门教程之二】 一览众山小:OpenCV 2.4.8 or OpenCV 2.4.9组件结构全解析(转),opencv2.4.9
<p>本系列文章由zhmxy555(毛星云)编写,转载请注明出处。 </p> <p><span><span> 文章链接: http://blog.csdn.net/poem_qianmo/article/details/19925819</span></span></p> <p> </p> <p><span><span><span> 作者:毛星云(浅墨) 邮箱: happylifemxy@163.com </span></span></span></p> <p><span><span><span> 写作当前博文时配套使用OpenCV版本:2.4.8</span></span></span></p> <p> </p> <p> </p> <p> </p> <p> </p> <p>之前啃了不少OpenCV的官方文档,发现如果了解了一些OpenCV整体的模块架构后,再重点学习自己感兴趣的部分的话,就会有一览众山小的感觉,于是,就决定写出这篇文章,作为启程OpenCV系列博文的第二篇。</p> <p> </p> <p>至于OpenCV组件结构的研究方法,我们不妨管中窥豹,通过opencv安装路径下include目录里面头文件的分类存放,来一窥OpenCV这些年迅猛发展起来的庞杂组件架构。</p> <p>我们进入到D:\ProgramFiles\opencv\build\include目录,可以看到有opencv和opencv2这两个文件夹。显然,opencv这个文件夹里面包含着旧版的头文件。而opencv2这个文件夹里面包含着具有时代意义的新版OpenCV2系列的头文件。</p> <p> </p> <p> </p> <p>在opencv这个文件夹里面,也就是D:\Program Files\opencv\build\include\opencv目录下,可以看到如下的各种头文件。这里面大概就是opencv 1.0最核心的,而且保留下来的内容的头文件,可以把它们整体理解为一个组件。</p> <p> </p> <p> </p> <p> </p> <p> 再来看看我们重点关注的opencv2这边,在D:\ProgramFiles\opencv\build\include\opencv2目录下,我们可以看到这些文件夹:</p> <p></p> <p> </p> <p> </p> <p> </p> <p>我们灵机一动,发现下面有个叫opencv_modules.hpp的hpp文件,一看就知道里面存放的是opencv2中的新模块构造相关的说明代码,打开一看,果不其然,定义的是OpenCV2所有组件的宏:</p> <p> </p> <strong>[cpp]</strong> view plaincopyprint? <ol class="dp-cpp" start="1"> <li class="alt"><span class="comment">/* </span></li> <li><span class="comment"> * ** File generated automatically, do not modify ** </span></li> <li class="alt"><span class="comment"> * </span></li> <li><span class="comment"> *This file defines the list of modules available in current build configuration </span></li> <li class="alt"><span class="comment"> * </span></li> <li><span class="comment"> * </span></li> <li class="alt"><span class="comment">*/ </span></li> <li> </li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_CALIB3D </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_CONTRIB </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_CORE </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_FEATURES2D </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_FLANN </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_GPU </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_HIGHGUI </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_IMGPROC </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_LEGACY </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_ML </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_NONFREE </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_OBJDETECT </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_OCL </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_PHOTO </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_STITCHING </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_SUPERRES </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_TS </span></li> <li><span class="preprocessor">#define HAVE_OPENCV_VIDEO </span></li> <li class="alt"><span class="preprocessor">#define HAVE_OPENCV_VIDEOSTAB </span></li> </ol> <p> </p> <p> </p> <p>OK,就不多客套了,下面就是OpenCV的所有模块介绍,按照顺序来:</p> <p> </p> <p>【calib3d】——其实就是就是Calibration(校准)加3D这两个词的组合缩写。这个模块主要是相机校准和三维重建相关的内容。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信息的重建等等。</p> <p> </p> <p>【contrib】——也就是Contributed/Experimental Stuf的缩写, 该模块包含了一些最近添加的不太稳定的可选功能,不用去多管。2.4.8里的这个模块有新型人脸识别,立体匹配,人工视网膜模型等技术。</p> <p> </p> <p>【core】——核心功能模块,包含如下内容:</p>
<pre class="code"> <pre class="code"> <h2></h2> <p> </p> <p> </p> <ul> <li>OpenCV基本数据结构</li> <li>动态数据结构</li> <li>绘图函数</li> <li>数组操作相关函数</li> <li>辅助功能与系统函数和宏</li> <li>与OpenGL的互操作</li> </ul>
<h2></h2> <p> </p> <p> </p> <p> 【imgproc】——Image和Processing这两个单词的缩写组合。图像处理模块,这个模块包含了如下内容:</p>
<pre class="code"> <pre class="code"> <h2></h2> <p> </p> <p> </p> <ul> <li>线性和非线性的图像滤波</li> <li>图像的几何变换</li> <li>其它(Miscellaneous)图像转换</li> <li>直方图相关</li> <li>结构分析和形状描述</li> <li>运动分析和对象跟踪</li> <li>特征检测</li> <li>目标检测等内容</li> </ul>
<h2></h2> <p> </p> <p> </p> <p>【features2d】 ——也就是Features2D, 2D功能框架 ,包含如下内容:</p>
<pre class="code"> <pre class="code"> <ul> <li><strong>特征检测和描述</strong></li> <li><strong>特征检测器(Feature Detectors)通用接口</strong></li> <li><strong>描述符提取器(Descriptor Extractors)通用接口</strong></li> <li><strong>描述符匹配器(Descriptor Matchers)通用接口</strong></li> <li><strong>通用描述符(Generic Descriptor)匹配器通用接口</strong></li> <li><strong>关键点绘制函数和匹配功能绘制函数</strong></li> </ul>
<pre class="code"> <pre class='brush:php;toolbar:false;'> <pre class="code"> <pre class="code"> <h2></h2> <p> </p> <p> </p>
<h2></h2> <p>【flann】—— Fast Library for Approximate Nearest Neighbors,高维的近似近邻快速搜索算法库,包含两个部分:</p>
<pre class="code"> <pre class="code"> <h2></h2> <p> </p> <p> </p> <ul> <li>快速近似最近邻搜索</li> <li>聚类</li> </ul>
<pre class="code"> <pre class="code"> <h2></h2> <p> </p> <p> </p>
<p> </p> <p>【gpu】——运用GPU加速的计算机视觉模块</p> <p> </p> <p>【highgui】——也就是high gui,高层GUI图形用户界面,包含媒体的I / O输入输出,视频捕捉、图像和视频的编码解码、图形交互界面的接口等内容</p> <p> </p> <p>【legacy】——一些已经废弃的代码库,保留下来作为向下兼容,包含如下相关的内容: </p>
<pre class="code"> <pre class="code"> <ul> <li><strong>运动分析</strong></li> <li><strong>期望最大化</strong></li> <li><strong>直方图</strong></li> <li><strong>平面细分(C API)</strong></li> <li><strong>特征检测和描述(Feature Detection and Description)</strong></li> <li><strong>描述符提取器(Descriptor Extractors)的通用接口</strong></li> <li><strong>通用描述符(Generic Descriptor Matchers)的常用接口</strong></li> <li><strong>匹配器</strong></li> </ul>
<h2></h2> <p> </p> <p> </p> <p>【ml】——Machine Learning,机器学习模块, 基本上是统计模型和分类算法,包含如下内容:</p>
<pre class="code"> <pre class="code"> <p> </p> <p> </p> <ul> <li>统计模型 (Statistical Models)</li> <li>一般贝叶斯分类器 (Normal Bayes Classifier)</li> <li>K-近邻 (K-NearestNeighbors)</li> <li>支持向量机 (Support Vector Machines)</li> <li>决策树 (Decision Trees)</li> <li>提升(Boosting)</li> <li>梯度提高树(Gradient Boosted Trees)</li> <li>随机树 (Random Trees)</li> <li>超随机树 (Extremely randomized trees)</li> <li>期望最大化 (Expectation Maximization)</li> <li>神经网络 (Neural Networks)</li> <li>MLData</li> </ul>
<p>【nonfree】,也就是一些具有专利的算法模块 ,包含特征检测和GPU相关的内容。最好不要商用,可能会被告哦。</p> <p> </p> <p>【objdetect】——目标检测模块,包含Cascade Classification(级联分类)和Latent SVM这两个部分。</p> <p> </p> <p>【ocl】——即OpenCL-accelerated Computer Vision,运用OpenCL加速的计算机视觉组件模块</p> <p> </p> <p>【photo】——也就是Computational Photography,包含图像修复和图像去噪两部分</p> <p> </p> <p>【stitching】——images stitching,图像拼接模块,包含如下部分:</p>
<pre class="code"> <pre class="code"> <h2></h2> <p> </p> <p> </p>
- 拼接流水线
- 特点寻找和匹配图像
- 估计旋转
- 自动校准
- 图片歪斜
- 接缝估测
- 曝光补偿
- 图片混合
<p> </p> <p>【superres】——SuperResolution,超分辨率技术的相关功能模块</p> <p> </p> <p>【ts】——opencv测试相关代码,不用去管他</p> <p> </p> <p>【video】——视频分析组件,该模块包括运动估计,背景分离,对象跟踪等视频处理相关内容。</p> <p> </p> <p>【Videostab】——Video stabilization,视频稳定相关的组件,官方文档中没有多作介绍,不管它了。</p> <p> </p> <p> </p> <p>看到到这里,相信大家已经对OpenCV的模块架构设计有了一定的认识。</p> <p>OpenCV其实就是这么多模块作为代码容器组合起来的一个SDK而已,没什么稀奇的,对吧。</p> <p> </p> <p>最后配张图,养养眼:</p> <p></p> <p> </p> <p> </p> <p>好了,OpenCV的组件结构介绍大概就是这些。</p> <p>下篇文章见 :)</p>

1.图像金字塔理论基础图像金字塔是图像多尺度表达的一种,是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图像集合。其通过梯次向下采样获得,直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低。那我们为什么要做图像金字塔呢?这就是因为改变像素大小有时候并不会改变它的特征,比方说给你看1000万像素的图片,你能知道里面有个人,给你看十万像素的,你也能知道里面有个人,但是对计

一、项目效果二、核心流程1、openCV读取视频流、在每一帧图片上画一个矩形。2、使用mediapipe获取手指关键点坐标。3、根据手指坐标位置和矩形的坐标位置,判断手指点是否在矩形上,如果在则矩形跟随手指移动。三、代码流程环境准备:python:3.8.8opencv:4.2.0.32mediapipe:0.8.10.1注:1、opencv版本过高或过低可能出现一些如摄像头打不开、闪退等问题,python版本影响opencv可选择的版本。2、pipinstallmediapipe后可能导致op

计算机视觉(ComputerVision)是人工智能领域的重要分支之一,它可以使计算机能够自动地感知和理解图像、视频等视觉信号,实现人机交互以及自动化控制等应用场景。OpenCV(OpenSourceComputerVisionLibrary)是一个流行的开源计算机视觉库,在计算机视觉、机器学习、深度学习等领域都有广泛的应用。本文将介绍在PHP中使

图像分割与提取图像中将前景对象作为目标图像分割或者提取出来。对背景本身并无兴趣分水岭算法及GrabCut算法对图像进行分割及提取。用分水岭算法实现图像分割与提取分水岭算法将图像形象地比喻为地理学上的地形表面,实现图像分割,该算法非常有效。算法原理任何一幅灰度图像,都可以被看作是地理学上的地形表面,灰度值高的区域可以被看成是山峰,灰度值低的区域可以被看成是山谷。左图是原始图像,右图是其对应的“地形表面”。该过程将图像分成两个不同的集合:集水盆地和分水岭线。我们构建的堤坝就是分水岭线,也即对原始图像

如何使用PHP和OpenCV库实现视频处理?摘要:在现代科技应用中,视频处理已经成为一项重要的技术。本文将介绍如何使用PHP编程语言结合OpenCV库来实现一些基本的视频处理功能,并附上相应的代码示例。关键词:PHP、OpenCV、视频处理、代码示例引言:随着互联网的发展和智能手机的普及,视频内容已经成为人们生活中不可或缺的一部分。然而,要想实现视频的编辑和

1、滑块验证思路被测对象的滑块对象长这个样子。相对而言是比较简单的一种形式,需要将左侧的拼图通过下方的滑块进行拖动,嵌入到右侧空槽中,即完成验证。要自动化完成这个验证过程,关键点就在于确定滑块滑动的距离。根据上面的分析,验证的关键点在于确定滑块滑动的距离。但是看似简单的一个需求,完成起来却并不简单。如果使用自然逻辑来分析这个过程,可以拆解如下:1.定位到左侧拼图所在的位置,由于拼图的形状和大小固定,那么其实只需要定位其左边边界离背景图片的左侧距离。(实际在本例中,拼图的起始位置也是固定的,节省了

如何使用PHP和OpenCV库实现图像锐化?概述:图像锐化是一种常见的图像处理技术,用于提高图像的清晰度和边缘的强度。在本文中,我们将介绍如何使用PHP和OpenCV库来实现图像锐化。OpenCV是一款功能强大的开源计算机视觉库,它提供了丰富的图像处理功能。我们将使用OpenCV的PHP扩展来实现图像锐化算法。步骤1:安装OpenCV和PHP扩展首先,我们需

如何使用PHP和OpenCV库实现文本区域检测?OpenCV是一个开源的计算机视觉库,可以用于图像处理和机器视觉应用。在本文中,我们将介绍如何使用PHP和OpenCV库来实现文本区域检测的功能。要使用PHP进行图像处理,我们需要安装PHP的OpenCV扩展。可以通过运行以下命令来安装:sudoapt-getinstallphp7.4-devgitc


Hot AI Tools

Undresser.AI Undress
AI-powered app for creating realistic nude photos

AI Clothes Remover
Online AI tool for removing clothes from photos.

Undress AI Tool
Undress images for free

Clothoff.io
AI clothes remover

AI Hentai Generator
Generate AI Hentai for free.

Hot Article

Hot Tools

mPDF
mPDF is a PHP library that can generate PDF files from UTF-8 encoded HTML. The original author, Ian Back, wrote mPDF to output PDF files "on the fly" from his website and handle different languages. It is slower than original scripts like HTML2FPDF and produces larger files when using Unicode fonts, but supports CSS styles etc. and has a lot of enhancements. Supports almost all languages, including RTL (Arabic and Hebrew) and CJK (Chinese, Japanese and Korean). Supports nested block-level elements (such as P, DIV),

Notepad++7.3.1
Easy-to-use and free code editor

MinGW - Minimalist GNU for Windows
This project is in the process of being migrated to osdn.net/projects/mingw, you can continue to follow us there. MinGW: A native Windows port of the GNU Compiler Collection (GCC), freely distributable import libraries and header files for building native Windows applications; includes extensions to the MSVC runtime to support C99 functionality. All MinGW software can run on 64-bit Windows platforms.

Atom editor mac version download
The most popular open source editor

SublimeText3 Linux new version
SublimeText3 Linux latest version
