下载掌阅APP，畅读海量书库
立即打开
OpenCV是一种开源的计算机视觉库（Computer Vision Library，CVL），一直被广泛使用。OpenCV底层由C/C++语言实现，其上层提供了Python、Java、JavaScript、Ruby、MATLAB等语言的接口，可以实现多平台无缝兼容。OpenCV拥有超过2500种优化算法，包括一套全面的、经典的和先进的计算机视觉（Computer Vision，CV）和机器学习（Machine Learning，ML）算法，这些算法涉及图像识别和目标检测（object detection）等方面。目前，主要由来自微软、IBM、西门子、谷歌、英特尔、斯坦福大学、麻省理工学院、卡耐基-梅隆大学、剑桥大学等公司或大学的研究人员共同维护和支持OpenCV的开源库开发。
OpenCV包含稳定的主仓库，以及具有实验性质的或需为专利付费的opencv_contrib仓库。OpenCV模块中的硬件加速层提供了针对不同CPU和GPU的优化加速，以及不同的软件/硬件加速库。OpenCV不仅为不同的操作系统提供了视频I/O、文件I/O和用户界面（User Interface，UI），还提供了详细的用户指导手册以及大量的单元测试和例程。
OpenCV提供了许多强大的图像和视频处理功能。其主要模块如下。
● core模块 。该模块为核心模块，包含基础数据结构、动态数据结构、算法（线性代数、快速傅里叶变换等相关算法）、绘图函数、XML/YAML文件I/O、系统函数和宏等。
● imgcodecs模块 。该模块为图像编解码模块，用于读取、写入图像并对各种格式的图像进行编解码处理，包括JPEG、PNG、BMP等格式的图像。
● imgproc模块 。该模块为图像处理模块，主要用于进行滤波操作、形态学处理、几何变换、色彩空间转换、直方图计算、结构形状分析、运动分析、特征检测、目标检测等。
● highgui模块 。该模块为高级用户交互模块，包含图形用户界面（Graphics User Interface，GUI）、图像和视频I/O，提供了窗口操作功能，如创建显示图像或者视频的窗口、通过命令窗口响应键盘和鼠标事件、操作窗口中图像的某个区域等。
● features2d模块 。该模块为二维特征检测与描述模块，主要用于图像特征检测、描述、匹配等。利用该模块可以从二维图像中检测和提取对象的特征。
● calib3d模块 。该模块为三维重建模块，提供了三维重建功能，可根据二维图像创建三维场景。它主要用于完成相机标定、立体视觉模拟、姿态估计和三维物体重建等任务。
● video模块 。该模块为视频模块，提供了光流法、运动模板、背景分离、目标跟踪等视频处理技术，以及视频分析（video analysis）功能，如分析视频中连续帧的运动、跟踪视频中的目标。该模块还提供了视频稳定处理功能，可解决拍摄视频时的抖动问题等。
● gapi模块 。该模块为图形加速模块，可对图像算法做加速处理，主要用于图像和视频数据的高性能处理和计算，提供简化编程模型和优化图像处理的算法。
● objdetect模块 。该模块为目标检测模块，不仅提供了目标检测功能，还提供了常见的目标检测算法和预训练的目标检测模型。
● ml模块 。该模块为机器学习模块，提供了机器学习功能，包含常见的统计模型和分类算法等机器学习算法，如 k 近邻（ k -Nearest Neighbors， k NN）、 k 均值聚类（ k -Means Clustering）、支持向量机（Support Vector Machine，SVM）、神经网络（neural network）等。
● dnn模块 。该模块为深度神经网络（Deep Neural Network，DNN）模块，提供了深度学习功能，支持Caffe、TensorFlow、PyTorch、DarkNet等主流的深度学习框架，用于加载和运行深度学习模型，从而可以进行图像分类（image classification）、目标检测、语义分割（semantic segmentation）等操作。
● ts模块 。该模块为测试模块，主要包含OpenCV的单元测试和功能测试框架，用于验证OpenCV相关库的正确性和稳定性。
OpenCV还提供了许多其他模块，可以用于图像拼接、图像分割（image segmentation）、目标识别等。用户可以根据自己的需求组合使用这些模块，以完成特定的计算机视觉任务。
1999年，加里·布拉德斯基（Gary Bradski）在英特尔公司创建了计算机视觉库项目。该项目旨在提供通用的计算机视觉接口，并以开源的方式发布。
本节介绍OpenCV的版本演进。
OpenCV 1.x是最早的版本，这个版本提供了许多基本的图像处理功能和算法。OpenCV 1.x主要关注实时计算机视觉，并且强调图像处理的速度和准确性。OpenCV 1.x提供了多种图像处理和分析方法，包括滤波、边缘检测、形态学处理、测量分析等；支持多种格式的图像的读取、保存和显示，包括常见的BMP、JPEG、PNG等格式的图像；提供了多种图像变换和特征提取方法，如直方图均衡化、色彩空间转换、边缘检测等；支持多种窗口操作，如滑动窗口、固定窗口等，方便进行图像分析和检测等。
OpenCV 2.x是基于C++的版本，比OpenCV 1.x易用，具有更好的封装和自动内存管理功能。在OpenCV 2.x中，所有类和函数都包含在命名空间“cv”中。与OpenCV 1.x相比，OpenCV 2.x更加灵活和强大，具有更多的特性和算法。在OpenCV 2.x中，可以基于面向对象的思想使用各种函数库，使代码更加清晰和易于维护。
另外，OpenCV 2.x中增加了许多新的功能和算法，如视频分析、3D重建、机器学习等领域的功能和算法。OpenCV 2.x还支持多种语言接口，包括Python、Java和MATLAB等语言的接口。
OpenCV 3.x在OpenCV 2.x的基础上进行改进和扩展，具有更多的新特性和算法。OpenCV 3.x进一步加强了面向对象的编程思想，使代码更加简洁、易读和易于维护。OpenCV 3.x中增加了一些新的功能，例如深度学习、全景拼接、立体视觉等。此外，OpenCV 3.x还加强了与其他计算机视觉库（如Halcon、Media SDK等）的集成和互操作性。
OpenCV 4.x在OpenCV 3.x的基础上进行了改进和扩展，如OpenCV 4.x中添加了新的模块G-API，它可以作为基于图形的图像处理管线（pipeline）的引擎；OpenCV 4.x的dnn模块支持ONNX（Open Neural Network Exchange，开放神经网络交换）格式的网络；OpenCV 4.x将二维码检测器和解码器添加到objdetect模块中，并将稠密逆搜索（Dense Inverse Search，DIS）光流算法从opencv_contrib转移到video模块。
相对于OpenCV 3.x，OpenCV 4.x增加了很多新的功能和算法，如神经风格迁移、目标检测和跟踪等。OpenCV 4.x还加强了代码的优化和重构，提高了代码的执行效率。
OpenCV-Python是由原始OpenCV C++实现的Python包装器，是OpenCV库的Python接口。
Python是一种面向对象的、解释型的计算机高级程序设计语言。Python 凭借语法简洁、易于学习、功能强大、可扩展性强、跨平台等特点，成为继Java和C语言之后的又一热门程序设计语言。它的简单性和代码可读性使程序员能够用更少的代码实现功能。
但与C/C++相比，Python的执行速度较慢。Python可以使用C/C++轻松扩展，使用户可以使用C/C++编写计算密集型代码，并使用Python进行封装。使用OpenCV-Python主要有两大好处：第一，代码运行速度与原始C/C++代码的一样快，因为它在后台运行的实际是C++代码；第二，用Python编写代码比用C/C+容易。
OpenCV-Python需要使用NumPy库，OpenCV在程序中使用NumPy数组存储图像数据。
龙芯平台支持OpenCV，当前OpenCV开源社区已经支持LoongArch自主指令集架构（龙架构）。基于龙芯平台，用户可以编写程序、调用OpenCV接口来实现具体功能，如图像与视频I/O、二值图像分析与处理、颜色空间转换、视频对象分析与跟踪、边缘轮廓检测与提取、图像特征提取与匹配、深度学习模型推理等。
龙芯平台操作系统源中已经集成了OpenCV的相关软件包，用户只需要通过终端系统即可完成OpenCV的安装。如在Loongnix 20系统上，直接通过以下命令即可安装OpenCV。
sudo apt-get install libopencv-dev python3-opencv