BS版图形系统 - OpenCV - 第1章笔记

** QQ： 282397369 **
入手【计算机视觉项目实战】一书，准备系统学习一下，在BS版图形系统中加上OpenCV的图像功能。

用了这么久的OpenCV，发现只用了其中的几个模块。
值得系统学习。

1 OpenCV入门

1.1 了解人类视觉系统

• 人眼：颜色、形状、亮度
• 对低频内容比高频内容更敏感
• 对亮度的变化比对颜色的变化更敏感
• 对运动很敏感
• 倾向于记下特征点

1.2 人类如何理解图像内容

1.3 能用OpenCV做什么

• 几乎可以完成能想到的每种计算机视觉任务

1.3.1 内置数据结构和输入/输出

• 内置基元：Image, Point, Rectangle
• imgcodecs模块可以处理图像文件的读取和写入
• videoio模块可处理与视频文件的输入输出相关的所有操作

1.3.2 图像处理操作

• imgproc模块：图像过滤、形态学操作、几何变换、颜色转换、图像绘制、直方图、形状分析、运动分析、特征检测
• ximgproc模块：包含高级图像处理算法，结构化森林的边缘检测、域变换滤波器、自适应流形滤波器

1.3.3 GUI

highgui模块：处理高级用户界面操作

1.3.4 视频分析

• video模块，分析视频中连续帧之间的运动、跟踪视频中的不同目标、创建视频监控模型等任务
• videostab模块，处理视频稳定的问题

1.3.5 3D重建

• calib3d模块，找到2D图像中各种对象之间的关系，并计算其3D位置; 处理摄像机校准

1.3.6 特征提取

• SIFT: Scale Invariant Feature Transform
• SURF: Speeded Up Robust Features
• FAST: Features From Accelerated Segment Test
• features2d模块：提供检测和提取所有特征的功能
• xfeatures2d模块：提供更多的特征提取器
• bioinspired模块：为受到生物学启发的计算机视觉模型提供算法

1.3.7 对象检测

检测给定图像中对象的位置，与对象类型无关。

• objdetect模块、xobjdetect模块：提供设计对象检测器的框架

1.3.8 机器学习

目标识别、图像分类、面部检测、视频搜索等功能

• ml模块，捆绑了许多机器学习算法：贝叶斯分类器(Bayes classifier)、k近邻(k-nearest neighbor，KNN)、支持向量机(support vector machine，SVM)、决策树(decision tree)、神经网络(neural network)
• FLANN: 快速近似最近邻搜索库(Fast Approximate Nearest Neighbor Search Library)

1.3.9 计算摄影

使用先进的图像处理技术来改善相机捕获的图像
高动态范围成像、全景图像、图像补光和光场相机

• photo模块、xphoto模块包含各种算法，提供与计算摄像相关的算法
• stitching模块：提供创建全景图像的算法

1.3.10 形状分析

• shape模块为提取不同形状、测量它们之间的相似性、转换对象形状等操作提供了所有算法。

1.3.11 光流算法

用于在视频中跟踪连续帧的特征

• optflow模块包含了执行光流操作所需的所有算法
• tracking模块包含可用于跟踪特征的更多算法

1.3.12 人脸和对象识别

人脸检测：识别人脸位置
人脸识别：识别给定图像中的人物

• face模块用于处理人脸识别
• scaliency模块：在图像中找到显著的区域和对象，提供的算法可以检测静态图像和视频中的显著区域

1.3.13 表面匹配

• surface_matching模块：包含用于3D对象识别的算法，以及使用3D特征的姿势估计算法。

1.3.14 文本检测和识别

• text模块包含处理文本检测和识别的各种算法

1.3.15 深度学习

• TensorFlow和Caffe等多个重要框架的导入器

1.4 安装OpenCV

1.5 总结