當下人工智能的發(fā)展是前所未有的迅猛，而計算機視覺(Computer Vision)無疑是人工智能一個非常重要的分支，計算機視覺的發(fā)展也成為了很多科研人員和業(yè)界開發(fā)人員聚焦的熱點。我們常說的無人駕駛、智能安防、人臉識別、文字識別、以圖搜圖、VR/AR、3D重構(gòu)等等都是以計算機視覺做為技術基礎的應用實踐。

在計算機視覺項目的開發(fā)中，OpenCV作為最大眾的開源庫，擁有了豐富的常用圖像處理函數(shù)庫，采用C/C++語言編寫，可以運行在Linux/Windows/Mac等操作系統(tǒng)上，能夠快速的實現(xiàn)一些圖像處理和識別的任務。此外，OpenCV還提供了java、python、cuda等的使用接口、機器學習的基礎算法調(diào)用，從而使得圖像處理和圖像分析變得更加易于上手，讓開發(fā)人員更多的精力花在算法的設計上。

本文主要介紹OpenCV開發(fā)的一些基礎知識以及入門上手的方法。

1、OpenCV的起源背景

OpenCV誕生于Intel研究中心，其目的是為了促進CPU密集型應用。為了達到這一目的，Intel啟動了多個項目，包括實時光線追蹤和三維顯示墻。一個在Intel工作的OpenCV作者在訪問一些大學時，注意到許多頂尖大學中的研究組（如MIT媒體實驗室）擁有很好的內(nèi)部使用的開放計算機視覺庫（在學生們間互相傳播的代碼），這會幫助一個新生從一個很高的起點開始ta的計算機視覺研究。這樣一個新生可以在以前的基礎上繼續(xù)開始研究，而不用去從底層編寫基本函數(shù)。

因此，OpenCV的目的是開發(fā)一個普遍可用的計算機視覺庫。在Intel的性能庫團隊的幫助下，OpenCV實現(xiàn)了一些核心代碼以及算法，并發(fā)給Intel俄羅斯的庫團隊。這就是OpenCV的誕生之地：在與軟件性能庫團隊的合作下，它開始于Intel的研究中心，并在俄羅斯得到實現(xiàn)和優(yōu)化（這再一次驗證了俄羅斯程序員的卓越之處?。?/p>

俄羅斯團隊的主要負責人是俄羅斯人Vadim Pisarevsky，他負責管理項目、寫代碼并優(yōu)化OpenCV的大部分代碼，在OpenCV中很大一部分功勞都屬于他。跟他一起，Victor Eruhimov幫助開發(fā)了早期的架構(gòu)，Valery Kuriakin管理俄羅斯實驗室并提供了很大的支持。在開始時，OpenCV就定下了以下三大目標：

（1）為基本的視覺應用提供開放且優(yōu)化的源代碼，以促進視覺研究的發(fā)展。能有效地避免“閉門造車”。

（2）通過提供一個通用的架構(gòu)來傳播視覺知識，開發(fā)者可以在這個架構(gòu)上繼續(xù)開展工作，所以代碼應該是非常易讀的且可改寫。

（3）本庫采用的協(xié)議不要求商業(yè)產(chǎn)品繼續(xù)開放代碼，這使得可移植的、性能被優(yōu)化的代碼可以自由獲取，可以促進基于視覺的商業(yè)應用的發(fā)展。

這些目標說明了OpenCV的緣起。計算機視覺應用的發(fā)展會增加對快速處理器的需求。與單獨銷售軟件相比，促進處理器的升級會為Intel帶來更多收入。這也許是為什么這個開放且免費的庫出現(xiàn)在一家硬件生產(chǎn)企業(yè)中，而不是在一家軟件公司中。從某種程度上說，在一家硬件公司里，在軟件方面會有更多創(chuàng)新的空間。就像華為這樣的網(wǎng)絡通訊設備公司，與硬件相配套的軟件也是非常的強大！

2、OpenCV簡介

OpenCV的全稱是：Open Source Computer Vision Library。OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機視覺庫，可以運行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。它是輕量級的，而且是高效的，由一系列C函數(shù)和少量C++類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。

OpenCV用C++語言編寫，它的主要接口也是C++語言，但是依然保留了大量的C語言接口。該庫也有大量的Python、Java and MATLAB/OCTAVE的接口。這些語言的API接口函數(shù)可以通過在線文檔獲得。如今也提供對于C#、Ruby等的支持。

OpenCV是一個用于圖像處理、分析、機器視覺方面的開源函數(shù)庫。無論你是做科學研究，還是商業(yè)應用，OpenCV都可以作為你理想的工具庫，因為對于這兩者，它完全是免費的。

同時，由于計算機視覺與機器學習密不可分，該庫也包含了比較常用的一些機器學習算法，比如圖像識別、機器視覺在安防領域有廣泛的應用。但很少有人知道，在航拍圖片、街道圖片（例如google street view）中，要嚴重依賴于機器視覺的攝像頭標定、圖像融合等技術。

近年來，在入侵檢測、特定目標跟蹤、目標檢測、人臉檢測、人臉識別、人臉跟蹤等領域，OpenCV可謂大顯身手，而這些，僅僅是其應用的冰山一角。

如今，來自世界各地的各大公司、科研機構(gòu)的研究人員，共同維護支持著OpenCV的開源庫開發(fā)。這些公司和機構(gòu)包括：微軟，IBM，索尼、西門子、google、intel、斯坦福、MIT、CMU、劍橋。

計算機視覺市場巨大而且持續(xù)增長，且這方面沒有標準API，如今的計算機視覺軟件大概有以下三種：

（1）研究代碼（慢，不穩(wěn)定，獨立并與其他庫不兼容）

（2）耗費很高的商業(yè)化工具（比如Halcon, MATLAB+Simulink）

（3）依賴硬件的一些特別的解決方案（比如視頻監(jiān)控，制造控制系統(tǒng)，醫(yī)療設備）這是如今的現(xiàn)狀。

如果能有一個統(tǒng)一的標準API，將簡化計算機視覺程序和解決方案的開發(fā)，而OpenCV致力于成為這樣的標準API。

OpenCV致力于真實世界的實時應用，通過優(yōu)化的C代碼的編寫對其執(zhí)行速度帶來了可觀的提升，并且可以通過購買Intel的IPP高性能多媒體函數(shù)庫(Integrated Performance Primitives)得到更快的處理速度（注：OpenCV 2.0版的代碼已顯著優(yōu)化，無需IPP來提升性能，故2.0版不再提供IPP接口）。下圖為OpenCV與當前其他主流視覺函數(shù)庫的性能比較。

3、OpenCV內(nèi)部構(gòu)成

OpenCV主體分為五個模塊，其中四個模塊如下所示：

OpenCV的CV模塊包含基本的圖像處理函數(shù)和高級的計算機視覺算法。ML是機器學習庫，包含一些基于統(tǒng)計的分類和聚類工具。HighGUI包含圖像和視頻輸入/輸出的函數(shù)。CXCore包含OpenCV的一些基本數(shù)據(jù)結(jié)構(gòu)和相關函數(shù)。

目前，OpenCV的最高版本為OpenCV4.3.0。其中OpenCV3.0和OpenCV2.0的版本相比，改動比較大，主要改動如下：

（1）大體上保留了OpenCV 2經(jīng)典的C++和Python編程接口風格。其中，Python接口大大增強，也加入了Python 3.x的支持。一般來說，以前版本的程序只要做少數(shù)修改，就可以使用OpenCV 3了。另外還改善了Java接口，并且加入了MATLAB支持。

（2）架構(gòu)調(diào)整。圖片、視頻編解碼從highgui模塊分離出來，組成了imgcodecs和videoio。原先的OpenCL模塊ocl事實上與其 它模塊融為一體，而CUDA加速模塊gpu分解成了數(shù)個以cuda開頭的模塊。此外，除了官方支持的OpenCV代碼，還有一些自發(fā)貢獻的內(nèi)容、不穩(wěn)定的 內(nèi)容，或者版權(quán)尚存爭議的內(nèi)容，都放到了新的倉庫opencv_contrib中。

（3）更多新算法。新版本包括了TLD、魚眼鏡頭模型等全新算法，還包括了一些更高層次可以直接拿來用的高級封裝，比如汽車檢測等。

（4）引入T-API，使OpenCL加速更容易。目前可以參考OpenCV源代碼中T-API的范例?？梢园l(fā)現(xiàn)，開啟和關閉OpenCL加速，只需要一個語句就夠了。這也就是為什么ocl模塊會消失了吧。

（5）更多指令集優(yōu)化。除了之前為Intel CPU做的優(yōu)化以外，OpenCV 3還容納了ARM平臺NEON指令集的支持。通過英特爾的幫助，OpenCV 3對x86和x64平臺默認使用IPP。下圖是OpenCV3.0中部分函數(shù)得到加速的示意圖。

下面主要介紹OpenCV3.0版本的東西。

OpenCV3.0的sources文件結(jié)構(gòu)：

（1）3rdparty/，包含第三方的庫，比如視頻解碼用的 ffmpeg，jpg、png、tiff等圖片的開源解碼庫。

（2）apps/，包含進行 haar 分類器訓練的工具，opencv 進行人臉檢測便是基于 haar 分類器。如果你想檢測人臉以外的圖片，千萬不要錯過這幾個工具。

（3）cmake/，包含生成工程項目時 cmake 的依賴文件，用于智能搜索第三方庫，普通開發(fā)者不需要關心這個文件夾的內(nèi)容。

（4）data/，包含 opencv 庫以及范例中用到的資源文件，haar 物體檢測的分類器位于haarcascades子文件中。

（5）doc/，包含生成文檔所需的源文件以及輔助腳本。

（6）include/，包含入口頭文件。opencv 子文件夾中是 C 語言風格的API，也就是《Learning OpenCV （第一版）》中描述的API函數(shù)，官方將逐漸淘汰 C 風格函數(shù)，因此我不推薦大家使用該文件夾中的頭文件。opencv2 子文件中只有一個 opencv.hpp 文件，這是 cv2 以及 cv3 推薦使用的頭文件。

（7）modules/，包含核心代碼，opencv 真正的代碼都在這個文件夾中。opencv 從2.0開始以模塊的方式組織各種功能，近兩年模塊的數(shù)量增長得很快，后面我會依次介紹每個模塊的作用。

（8）platforms/，包含交叉編譯所需的工具鏈以及額外的代碼，交叉編譯指的是在一個操作系統(tǒng)中編譯供另一個系統(tǒng)使用的文件。

（9）samples/，范例文件夾。

常用模塊介紹：

（1）androidcamera/，僅用于android平臺，使得可以通過與其他平臺相同的接口來控制android設備的相機。

（2）core/，核心功能模塊，定義了基本的數(shù)據(jù)結(jié)構(gòu)，包括最重要的 Mat 類、XML 讀寫、opengl三維渲染等。

（3）imgproc/，全稱為 image processing，即圖像處理。包括圖像濾波、集合圖像變換、直方圖計算、形狀描述子等。圖像處理是計算機視覺的重要工具。

（4）imgcodec/，負責各種格式的圖片的讀寫，這個模塊是從以前的 highgui 中剝離的。

（5）highgui/，高級圖形界面及與 QT 框架的整合。

（6）video/，視頻分析模塊。包括背景提取、光流跟蹤、卡爾曼濾波等，做視頻監(jiān)控的讀者會經(jīng)常使用這個模塊。

（7）videoio/，負責視頻文件的讀寫，也包括攝像頭、Kinect 等的輸入。

（8）calib3d/，相機標定以及三維重建。相機標定用于去除相機自身缺陷導致的畫面形變，還原真實的場景，確保計算的準確性。三維重建通常用在雙目視覺（立體視覺），即兩個標定后的攝像頭觀察同一個場景，通過計算兩幅畫面中的相關性來估算像素的深度。

（9）features2d/，包含 2D 特征值檢測的框架。包含各種特征值檢測器及描述子，例如 FAST、MSER、OBRB、BRISK等。各類特征值擁有統(tǒng)一的算法接口，因此在不影響程序邏輯的情況下可以進行替換。

（10）objdetect/，物體檢測模塊。包括haar分類器、SVM檢測器及文字檢測。

（11）ml/，全稱為 Machine Learning，即機器學習。包括統(tǒng)計模型、K最近鄰、支持向量機、決策樹、神經(jīng)網(wǎng)絡等經(jīng)典的機器學習算法。

（12）flann/，用于在多維空間內(nèi)聚類及搜索的近似算法，做圖像檢索的讀者對它不會陌生。

（13）photo/，計算攝影學。包括圖像修補、去噪、HDR成像、非真實感渲染等。如果讀者想實現(xiàn)Photoshop的高級功能，那么這個模塊必不可少。

（14）stitching/，圖像拼接，可用于制作全景圖。

（15）nonfree/，受專利保護的算法。包含SIFT和SURF，從功能上來說這兩個算法屬于features2d模塊的，但由于它們都是受專利保護的，想在項目中可能需要專利方的許可。

（16）shape/，形狀匹配算法模塊。用于描述形狀、比較形狀。

（17）softcascade/，另一種物體檢測算法，Soft Cascade 分類器。包含檢測模塊和訓練模塊。

（18）superres/，全稱為 Super Resolution，用于增強圖像的分辨率。

（19）videostab/，全稱為 Video Stabilization，用于解決相機移動時拍攝的視頻不夠穩(wěn)定的問題。

（20）viz/，三維可視化模塊?？梢哉J為這個模塊實現(xiàn)了一個簡單的三維可視化引擎，有各種UI控件和鍵盤、鼠標交互方式。底層實現(xiàn)基于 VTK 這個第三方庫。

Cuda加速模塊，cuda 是顯卡制造商 NVIDIA 推出的通用計算語言，在cv3中有大量的模塊已經(jīng)被移植到了cuda 語言。

（1）cuda/，CUDA-加速的計算機視覺算法，包括數(shù)據(jù)結(jié)構(gòu) cuda::GpuMat、 基于cuda的相機標定及三維重建等。

（2）cudaarithm/，CUDA-加速的矩陣運算模塊。

（3）cudabgsegm/，CUDA-加速的背景分割模塊，通常用于視頻監(jiān)控。

（4）cudacodec/，CUDA-加速的視頻編碼與解碼。

（5）cudafeatures2d/，CUDA-加速的特征檢測與描述模塊，與features2d/模塊功能類似。

（6）cudafilters/，CUDA-加速的圖像濾波。

（7）cudaimgproc/，CUDA-加速的圖像處理算法，包含直方圖計算、霍夫變換等。

（8）cudaoptflow/，CUDA-加速的光流檢測算法。

（9）cudastereo/，CUDA-加速的立體視覺匹配算法。

（10）cudawarping/，實現(xiàn)了 CUDA-加速的快速圖像變換，包括透視變換、旋轉(zhuǎn)、改變尺寸等。

（11）cudaev/，實現(xiàn) CUDA 版本的核心功能，類似 core/ 模塊中的基礎算法。

4、在VS2013中配置使用OpenCV

了解了OpenCV 的數(shù)據(jù)結(jié)構(gòu)和功能后，下面介紹OpenCV 的配置，Win7 64 + VSW2013 + OpenCV3.0步驟。

（1）下載安裝OpenCV 3.0。下載地址：https://opencv.org/releases/。

（2）配置環(huán)境變量：計算機屬性->高級系統(tǒng)設置->環(huán)境變量->Path->變量值。

（3）配置VS2013。首先打開VS2013建立一個Win32控制臺項目。然后，在“項目->工程屬性->vc++目錄”中，加入包含目錄

..opencvuildinclude; ..opencvuildincludeopencv;

..opencvuildincludeopencv2。(..代表opencv安裝的文件夾目錄)

加入庫目錄..opencvuildx64vc12lib。

“項目->工程屬性->鏈接器->輸入->附加依賴”中添加附加依賴項。

opencv_ts300d.lib；opencv_world300d.lib

配置完成后，就可以在VS2013中使用OpenCV3.0中的函數(shù)了。

5、在VS2013中簡單的調(diào)用OpenCV

經(jīng)過以上的基礎知識介紹后，就可以進行入門的實踐了。在上面配置完成的工程中，來顯示一幅幅圖片，驗證一下是否成功。

在解決方案資源管理器中，打開源文件main.cpp(沒有可以自己創(chuàng)建)，添加以下代碼

#include

using namespace cv;

int main(){

Mat src = imread("lena.jpg"); //圖片必須添加到工程目錄下

imshow("src ", src);

waitKey();

}

然后點擊本地Windows調(diào)試器，或者按F5運行程序，程序啟動后就可以顯示這張圖像了，如下：

6、總結(jié)

本文簡單的介紹了OpenCV的起源和應用領域，以及基本數(shù)據(jù)結(jié)構(gòu)和組成，可以作為OpenCV開發(fā)的一般入門指導。希望能對大家有所幫助。