OpenCV庫文件介紹

時間 2019-11-12

標籤 opencv 文件介紹简体版

原文原文鏈接

轉載文章，地址聲明在文章末尾！html

一、build和source

當咱們安裝完opencv中，你會發如今opencv文件夾中有兩個文件夾，build和source，那它們分別是幹什麼的呢。java

首先說這二者的關係，sources放的是opencv中的cpp文件，至關於一個工廠，build放的是opencv中的h、hpp、lib文件，至關於一個工具，opencv的開發者（固然開源後的使用者也能夠）經過sources中的源文件，構建出build中的庫文件，而後使用者就能夠連接這些庫，include<頭文件>。通常非開源的程序和庫是不開放sources的，而opencv做爲一個開源庫，這些也是使用者可見的。python

source裏面是各類各樣的函數實現，對於只想用opencv的人來講，只關心我怎麼用，因而開發者就會使用這些源文件構建出庫，這些庫裏面包含了函數實現。這些庫就是各類lib，而後還有頭文件。算法

build裏面只有接口，沒有cpp中的實現什麼的，build是對使用者的，使用者只用知道接口就好了，不須要知道這個是怎麼作到的。固然由於opencv開源，因此使用者也能夠直接查看源文件。數組

具體來講，soucees裏面放的是函數具體的實現，好比有gray方法，對一個mat的像素怎麼使它變成灰度化。網絡

使用者include<頭文件>，頭文件裏面是各類接口，好比gray，就是一個gray（MAt img），使用者連接這些庫，inluce<頭文件>，而後在程序中調用gray，而後程序運行的時候會進行連接時，在各類依賴庫中尋找gray的實現，由於咱們鏈接了opencv的庫，因此在opencv的lib中就找到了gray的實現，而後就調用這個實現，而後就灰度化了，就是這個麼過程。數據結構

舉個不是很恰當的例子，build就像是賣給用戶的macbook，用戶只用知道怎麼用，這個操做系統很好用，不卡，不用知道這個操做系統怎麼實現了。怎麼實現的就在source裏面，非開源的程序和庫是不可能讓你看到source的。app

二、build

在build文件夾中，以下，框架

.dom

首先，doc文件夾下放的是各類關於opencv的文檔；include文件夾下是全部的頭文件；其他四個分別是：一個給java用的庫、一個給python用、一個給x86win用、一個給x64win用。兩個cmake文件都是cmake的一些配置，很強大的編譯工具。

2.1 include

分爲opencv和opencv2.

這裏借用博客1和博客2的介紹。

一、opencv

其中cv.h中包含的頭文件：

#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/video/tracking.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/flann/flann.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/legacy/compat.hpp"

cv.hpp中包含頭文件：

#include <cv.h>

也就是說cv.hpp是包含cv.h的，程序中凡用到cv.h的地方均可以用cv.hpp 替換，那麼爲何又要設置hpp文件呢？

hpp是Header Plus Plus的簡寫，與 .h 文件相似。但與之不一樣的是，.hpp將*.cpp中的實現代碼也寫入其中，使得定義與實現都包含在同一文件中。這樣作帶來的好處顯而易見，無需再將cpp文件添加到項目中編譯，減小了編譯次數，也不用發佈煩人的lib,dll 文件，所以很是適合用來編寫公用的開源庫。

文件夾opencv中的頭文件都是相似的，均包含文件夾opencv2裏的頭文件。因此咱們若是是從低版本的opencv學習過渡到高版本的opencv的話，若是不適應能夠先以opencv文件夾裏的文件調用爲標準。若是熟悉opencv裏的函數分佈，也能夠直接調用opencv2文件夾裏的具體頭文件，這樣在頭文件預編譯提升效率。

二、opencv2

先看opencv.hpp文件：

#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
#include "opencv2/flann/miniflann.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/photo/photo.hpp"
#include "opencv2/video/video.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/ml/ml.hpp"
#include "opencv2/highgui/highgui_c.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/contrib/contrib.hpp"

很明顯opencv.hpp的頭文件包含了opencv庫裏的全部頭文件。

接着看opencv_modules.hpp文件：

#define HAVE_OPENCV_CALIB3D
#define HAVE_OPENCV_CONTRIB
#define HAVE_OPENCV_CORE
#define HAVE_OPENCV_FEATURES2D
#define HAVE_OPENCV_FLANN
#define HAVE_OPENCV_GPU
#define HAVE_OPENCV_HIGHGUI
#define HAVE_OPENCV_IMGPROC
#define HAVE_OPENCV_LEGACY
#define HAVE_OPENCV_ML
#define HAVE_OPENCV_NONFREE
#define HAVE_OPENCV_OBJDETECT
#define HAVE_OPENCV_OCL
#define HAVE_OPENCV_PHOTO
#define HAVE_OPENCV_STITCHING
#define HAVE_OPENCV_SUPERRES
#define HAVE_OPENCV_TS
#define HAVE_OPENCV_VIDEO
#define HAVE_OPENCV_VIDEOSTAB

其解釋以下：

【calib3d】：其實就是就是Calibration（校準）加3D這兩個詞的組合縮寫。這個模塊主要是相機校準和三維重建相關的內容。基本的多視角幾何算法，單個立體攝像頭標定，物體姿態估計，立體類似性算法，3D信息的重建等等。

【contrib】：也就是Contributed/Experimental Stuf的縮寫，該模塊包含了一些最近添加的不太穩定的可選功能，不用去多管。2.4.8以後有新型人臉識別，立體匹配，人工視網膜模型等技術。

【core】： 核心功能模塊，尤爲是底層數據結構和算法函數。包含以下內容：

OpenCV基本數據結構
動態數據結構
繪圖函數
數組操做相關函數
輔助功能與系統函數和宏

【imgproc】： Image和Processing這兩個單詞的縮寫組合。圖像處理模塊，這個模塊包含了以下內容：

線性和非線性的圖像濾波
圖像的幾何變換
其它（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
特徵檢測

【features2】： d也就是Features2D， 2D功能框架，包含興趣點檢測子、描述子以及興趣點匹配框架。包含以下內容：

特徵檢測和描述
特徵檢測器（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

【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和聚類。

【gpu】： 運用GPU加速的計算機視覺模塊。

【highgui】： 也就是high gui，高層GUI圖形用戶界面，包含媒體的I / O輸入輸出，視頻捕捉、圖像和視頻的編碼解碼、圖形交互界面的接口等內容。

【legacy】： 一些已經廢棄的代碼庫，保留下來做爲向下兼容，包含以下相關的內容。

運動分析
指望最大化
直方圖
平面細分（C API）
特徵檢測和描述（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）的經常使用接口

【ml】： Machine Learning，機器學習模塊，基本上是統計模型和分類算法，包含以下內容。

統計模型（Statistical Models）
通常貝葉斯分類器（Normal Bayes Classifier）
K-近鄰（K-NearestNeighbors）
支持向量機（Support Vector Machines）
決策樹（Decision Trees）
提高（Boosting）
梯度提升樹（Gradient Boosted Trees）
隨機樹（Random Trees）
超隨機樹（Extremely randomized trees）
指望最大化（Expectation Maximization）
神經網絡（Neural Networks）
MLData

【nonfree】： 也就是一些具備專利的算法模塊，包含特徵檢測和GPU相關的內容。最好不要商用，可能會被告哦。

【objdetect】： 目標檢測模塊，包含Cascade Classification（級聯分類）和Latent SVM這兩個部分。

【ocl】： 即OpenCL-accelerated Computer Vision，運用OpenCL加速的計算機視覺組件模塊。

【photo】： 也就是Computational Photography，包含圖像修復和圖像去噪兩部分。

【stitching】： images stitching，圖像拼接模塊，包含以下部分。

拼接流水線
特色尋找和匹配圖像
估計旋轉
自動校準
圖片歪斜
接縫估測
曝光補償
圖片混合

【superres】： SuperResolution，超分辨率技術的相關功能模塊。

【ts】： opencv測試相關代碼，不用去管他。

【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。

【Videostab】： Video stabilization，視頻穩定相關的組件。

2.2 X64和X86

首先，這裏面放的都是一些庫文件，只不過X64面向64位，X86是32位的，而後以X64爲例，

.

.

這是表明編譯給不一樣版本的visual studio用的庫，這裏以vc12爲例。

.

.

bin文件夾下：dll文件，動態連接庫。具體實現的內容。計算機環境變量中，這個路徑是要加到path中的。

lib文件夾下：配置opencv環境時，添加的lib庫。用來連接。

staticlib文件夾下：靜態庫。

靜態庫是編譯時就把整個函數加載進去，因此可執行文件會變大。動態庫是編譯時加進去的是一個函數表，運行時纔會從dll裏面加載對應的函數實現。

這裏參考於博客給出一個關於dll和lib的解釋。

共有兩種庫：

一種是LIB包含了函數所在的DLL文件和文件中函數位置的信息（入口），代碼由運行時加載在進程空間中的DLL提供，稱爲動態連接庫dynamic link library。
一種是LIB包含函數代碼自己，在編譯時直接將代碼加入程序當中，稱爲靜態連接庫static link library。

共有兩種連接方式：

動態連接使用動態連接庫，容許可執行模塊（.dll文件或.exe文件）僅包含在運行時定位DLL函數的可執行代碼所需的信息。
靜態連接使用靜態連接庫，連接器從靜態連接庫LIB獲取全部被引用函數，並將庫同代碼一塊兒放到可執行文件中。

關於lib和dll的區別以下：

lib是編譯時用到的，dll是運行時用到的。若是要完成源代碼的編譯，只須要lib；若是要使動態連接的程序運行起來，只須要dll。
若是有dll文件，那麼lib通常是一些索引信息，記錄了dll中函數的入口和位置，dll中是函數的具體內容；若是隻有lib文件，那麼這個lib文件是靜態編譯出來的，索引和實現都在其中。使用靜態編譯的lib文件，在運行程序時不須要再掛動態庫，缺點是致使應用程序比較大，並且失去了動態庫的靈活性，發佈新版本時要發佈新的應用程序才行。
動態連接的狀況下，有兩個文件：一個是LIB文件，一個是DLL文件。LIB包含被DLL導出的函數名稱和位置，DLL包含實際的函數和數據，應用程序使用LIB文件連接到DLL文件。在應用程序的可執行文件中，存放的不是被調用的函數代碼，而是DLL中相應函數代碼的地址，從而節省了內存資源。DLL和LIB文件必須隨應用程序一塊兒發行，不然應用程序會產生錯誤。若是不想用lib文件或者沒有lib文件，能夠用WIN32 API函數LoadLibrary、GetProcAddress裝載。