计算机视觉软件库OpenCV的开发基础介绍( 二 ) 当下人工智能的发展是前所未

近年来，在入侵检测、特定目标跟踪、目标检测、人脸检测、人脸识别、人脸跟踪等领域， OpenCV可谓大显身手，而这些，仅仅是其应用的冰山一角。
如今，来自世界各地的各大公司、科研机构的研究人员，共同维护支持着OpenCV的开源库开发。这些公司和机构包括：微软， IBM ，索尼、西门子、google、intel、斯坦福、MIT、CMU、剑桥。
计算机视觉市场巨大而且持续增长，且这方面没有标准API ，如今的计算机视觉软件大概有以下三种：
（1）研究代码（慢，不稳定，独立并与其他库不兼容）
（2）耗费很高的商业化工具（比如Halcon, MATLAB+Simulink）
（3）依赖硬件的一些特别的解决方案（比如视频监控，制造控制系统，医疗设备）这是如今的现状。
如果能有一个统一的标准API ，将简化计算机视觉程序和解决方案的开发，而OpenCV致力于成为这样的标准API 。
OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库(Integrated Performance Primitives)得到更快的处理速度（注：OpenCV 2.0版的代码已显著优化，无需IPP来提升性能，故2.0版不再提供IPP接口）。下图为OpenCV与当前其他主流视觉函数库的性能比较。
文章插图
3、OpenCV内部构成OpenCV主体分为五个模块，其中四个模块如下所示：
文章插图
OpenCV的CV模块包含基本的图像处理函数和高级的计算机视觉算法。 ML是机器学习库，包含一些基于统计的分类和聚类工具。 HighGUI包含图像和视频输入/输出的函数。 CXCore包含OpenCV的一些基本数据结构和相关函数。
目前， OpenCV的最高版本为OpenCV4.3.0 。其中OpenCV3.0和OpenCV2.0的版本相比，改动比较大，主要改动如下：
（1）大体上保留了OpenCV 2经典的C++和Python编程接口风格。其中， Python接口大大增强，也加入了Python 3.x的支持。一般来说，以前版本的程序只要做少数修改，就可以使用OpenCV 3了。另外还改善了Java接口，并且加入了MATLAB支持。
（2）架构调整。图片、视频编解码从highgui模块分离出来，组成了imgcodecs和videoio 。原先的OpenCL模块ocl事实上与其它模块融为一体，而CUDA加速模块gpu分解成了数个以cuda开头的模块。此外，除了官方支持的OpenCV代码，还有一些自发贡献的内容、不稳定的内容，或者版权尚存争议的内容，都放到了新的仓库opencv_contrib中。
（3）更多新算法。新版本包括了TLD、鱼眼镜头模型等全新算法，还包括了一些更高层次可以直接拿来用的高级封装，比如汽车检测等。
（4）引入T-API ，使OpenCL加速更容易。目前可以参考OpenCV源代码中T-API的范例。可以发现，开启和关闭OpenCL加速，只需要一个语句就够了。这也就是为什么ocl模块会消失了吧。
（5）更多指令集优化。除了之前为Intel CPU做的优化以外， OpenCV 3还容纳了ARM平台NEON指令集的支持。通过英特尔的帮助， OpenCV 3对x86和x64平台默认使用IPP 。下图是OpenCV3.0中部分函数得到加速的示意图。
文章插图
下面主要介绍OpenCV3.0版本的东西。
OpenCV3.0的sources文件结构：
（1）3rdparty/ ，包含第三方的库，比如视频解码用的 ffmpeg ， jpg、png、tiff等图片的开源解码库。
（2）apps/ ，包含进行 haar 分类器训练的工具， opencv 进行人脸检测便是基于 haar 分类器。如果你想检测人脸以外的图片，千万不要错过这几个工具。
（3）cmake/ ，包含生成工程项目时 cmake 的依赖文件，用于智能搜索第三方库，普通开发者不需要关心这个文件夹的内容。
（4）data/ ，包含 opencv 库以及范例中用到的资源文件， haar 物体检测的分类器位于haarcascades子文件中。
【计算机视觉软件库OpenCV的开发基础介绍】（5）doc/ ，包含生成文档所需的源文件以及辅助脚本。
（6）include/ ，包含入口头文件。 opencv 子文件夹中是 C 语言风格的API ，也就是《Learning OpenCV （第一版）》中描述的API函数，官方将逐渐淘汰 C 风格函数，因此我不推荐大家使用该文件夹中的头文件。 opencv2 子文件中只有一个 opencv.hpp 文件，这是 cv2 以及 cv3 推荐使用的头文件。