OpenCV是計算機視覺開源庫，由一系列C、C++類構成，包含了大量的C++、Python接口，主要的算法包括圖像處理、機器視覺等。
做計算機視覺、SLAM等方向必須要掌握opencv的使用。
使用OpenCV已經好久一段時間了，主要用到的就那幾個主要的模塊，現在對OpenCV的框架個各模塊的功能做一個介紹。
主要模塊介紹：
1.【core】核心模塊
- OpenCV基本數據結構
- 動態數據結構
- 繪圖函數
- 數組操作相關函數
- 輔助功能與系統函數和宏
- 與OpenGL的互操作
2.【imgproc】Imaging與Processing兩個單詞的縮寫的組合。圖像處理模塊。
- 線性和非線性的圖像濾波
- 圖像的幾何變換
- 其他（Miscellaneous）圖像轉換
- 直方圖相關
- 結構分析和形狀描述
- 運動分析和對象跟蹤
- 特征檢測
- 目標檢測等內容
3.【features2d】2D功能框架
- 特征檢測和描述
- 特征檢測器（Feature Detectors）通用接口
- 描述符檢測器（Descriptor Extrators）通用接口
- 描述匹配器（Descriptor Matches）通用接口
- 通用描述符（Generic Descriptor）匹配器通用接口
- 關鍵點繪制函數和匹配功能繪制函數
4.【flann】—— Fast Library for Approximate Nearest Neighbors，高維的近似近鄰快速搜索算法庫，包含兩個部分：
- 快速近似最近鄰搜索
- 聚類
5.【gpu】——運用GPU加速的計算機視覺模塊
6.【legacy】——一些已經廢棄的代碼庫，保留下來作為向下兼容，包含如下相關的內容：
- 運動分析
- 期望最大化
- 直方圖
- 平面細分（C API）
- 特征檢測和描述（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
7.【ml】——Machine Learning，機器學習模塊， 基本上是統計模型和分類算法，包含如下內容：
- 統計模型 （Statistical Models）
- 一般貝葉斯分類器 （Normal Bayes Classifier）
- K-近鄰 （K-NearestNeighbors）
- 支持向量機 （Support Vector Machines）
- 決策樹 （Decision Trees）
- 提升（Boosting）
- 梯度提高樹（Gradient Boosted Trees）
- 隨機樹 （Random Trees）
- 超隨機樹 （Extremely randomized trees）
- 期望最大化 （Expectation Maximization）
- 神經網絡 （Neural Networks）
- MLData
8.【nonfree】，也就是一些具有專利的算法模塊 ，包含特征檢測和GPU相關的內容。最好不要商用，可能會被告哦。其中SIFT特征點的檢測和處理都在此模塊中。
9.【objdetect】——目標檢測模塊，包含Cascade Classification（級聯分類）和Latent SVM這兩個部分。
10.【ocl】——即OpenCL-accelerated Computer Vision，運用OpenCL加速的計算機視覺組件模塊
11.【photo】——也就是Computational Photography，包含圖像修復和圖像去噪兩部分
12.【stitching】——images stitching，圖像拼接模塊，包含如下部分：
- 拼接流水線
- 特點尋找和匹配圖像
- 估計旋轉
- 自動校准
- 圖片歪斜
- 接縫估測
- 曝光補償
- 圖片混合
13.【superres】——SuperResolution，超分辨率技術的相關功能模塊
14.【ts】——opencv測試相關代碼，不用去管他
15.【video】——視頻分析組件，該模塊包括運動估計，背景分離，對象跟蹤等視頻處理相關內容。
16.【Videostab】——Video stabilization，視頻穩定相關的組件，官方文檔中沒有多作介紹，不管它了。
17. opencv3新增了shape模塊！
【shape】--形狀的匹配以及距離計算SHAPE
參考自：https://www.cnblogs.com/black-mamba/p/5924453.html