学习opencv已有三个月时间，特此记录一下自己的所学知识，便于日后回顾与整理。文中内容多为摘录，具体链接如下：
摘录自：https://zhuanlan.zhihu.com/p/33008701（框架介绍）
http://blog.****.net/poem_qianmo/article/details/19925819（各模块介绍，opencv2版，毛星云）
http://blog.****.net/zmdsjtu/article/details/54924727（opencv3与opencv2的对比，很棒！）
1.1 opencv介绍
OpenCV（Open Source Computer Vision Library）开放源代码计算机视觉库，主要算法涉及图像处理、计算机视觉和机器学习相关方法。OpenCV 其实就是一堆 C 和 C++语言的源代码文件，这些源代码文件中实现了许多常用的计算机视觉算法。
OpenCV由一系列C函数和C++类构成，它有C，C++，Python和java接口，当前SDK（Software Development Kit软件开发工具包） 已经支持C++、Java、Python等语言应用开发， 当前OpenCV本身新开发的算法和模块接口都是基于C++产生。
其覆盖了工业产品检测、医学成像、无人机飞行、无人驾驶、安防、 卫星地图与电子地图拼接、信息安全、用户界面、摄像机标定、立体视觉和机器人等计算机视觉应用领域。
opencv官网：https://opencv.org/
opencv库各版本下载：https://sourceforge.net/projects/opencvlibrary/files/
opencv中文网站论坛：http://www.opencv.org.cn/
opencv 1.x中文文档：http://wiki.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5
opencv 2.3文档：http://www.opencv.org.cn/opencvdoc/2.3.2/html/index.html
opencv 3.4文档：https://docs.opencv.org/master/
图像处理（Image Processing）是用计算机对图像进行分析，以达到所需结果的技术。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。数字图像处理（Digital Image Processing）是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
计算机视觉（Computer Vision）是指用摄像机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使之成为更适合人眼观察或仪器检测图像的一门学科。
1.2 opencv架构
opencv2文件夹所含模块如下图所示：
各主要模块介绍：
【core】--核心功能模块，包含以下内容：
- OpenCV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
【imgproc】--图像处理模块，包含以下内容：
- 线性和非线性的图像滤波
- 图像的几何变换
- 其它（Miscellaneous）图像转换
- 直方图相关
- 结构分析和形状描述
- 运动分析和对象跟踪
- 特征检测
- 目标检测等内容
【features2D】--2D功能模块，包含以下内容：
- 特征检测和描述
- 特征检测器（Feature Detectors）通用接口
- 描述符提取器（Descriptor Extractors）通用接口
- 描述符匹配器（Descriptor Matchers）通用接口
- 通用描述符（Generic Descriptor）匹配器通用接口
- 关键点绘制函数和匹配功能绘制函数
【highgui】--高层gui图形用户界面（high GUI），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
- 关键点绘制函数和匹配功能绘制函数
- 关键点绘制函数和匹配功能绘制函数
【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：
- 统计模型 （Statistical Models）
- 一般贝叶斯分类器 （Normal Bayes Classifier）
- K-近邻 （K-NearestNeighbors）
- 支持向量机 （Support Vector Machines）
- 决策树 （Decision Trees）
- 提升（Boosting）
- 梯度提高树（Gradient Boosted Trees）
- 随机树 （Random Trees）
- 超随机树 （Extremely randomized trees）
- 期望最大化 （Expectation Maximization）
- 神经网络 （Neural Networks）
- MLData
【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。
【contrib】——也就是Contributed/Experimental Stuf(贡献、实验部分)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。我所安装的opencv3.4版本已将此模块去掉啦
【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：
- 快速近似最近邻搜索
- 聚类
【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：
运动分析
期望最大化
- 直方图
- 平面细分（C API）
- 特征检测和描述（Feature Detection and Description）
- 描述符提取器（Descriptor Extractors）的通用接口
- 通用描述符（Generic Descriptor Matchers）的常用接口
- 匹配器
【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。
【objdetect】——目标检测模块，包含Cascade Classification（级联分类）和Latent SVM这两个部分。
【ocl】——即OpenCL-accelerated Computer Vision，运用OpenCL加速的计算机视觉组件模块
【photo】——也就是Computational Photography，包含图像修复和图像去噪两部分
【stitching】——images stitching，图像拼接模块，包含如下部分：
- 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
【superres】——SuperResolution，超分辨率技术的相关功能模块
【ts】——opencv测试相关代码，不用去管他
【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。
【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。
注意：opcv3新增了shape模块！
【shape】--形状的匹配以及距离计算SHAPE
Shape Distance and Matching，形状的距离以及匹配
//对这部分了解不是很多，只能形而上学地复制过来了
Opencv3特有的部分，Opencv2.4并没有…
1. AffineTransformer仿射变换算法的包装类
2. HistogramCostExtractor
3. HausdorffDistanceExtractor
4. ShapeContextDistanceExtractor
5. ThinPlateSplineShapeTransformer
1.3 opencv2和opencv3的区别
旧版opencv已包含的模块：
opencv3和opencv2的区别：
列举几条：
（1）opencv3新增了Shape模块
（2）cv3新增了Logistic Regression（逻辑回归）：类似于SVM也是一种多分类器
（3）cv3删掉了contrib模块
1.4 使用方法
实际上，opencv将每个模块中的源文件编译成一个库文件 ，用户在使用时， 仅将所需的库文件添加到自己的项目中，与自己的源文件一起连接成可执行程序即可。
---- 感谢网上众多大神的精心整理，很棒！感谢！-----