Opencv模块学习

最新的opencv2.4.13版本的学习，还没有完整看完

库core

Basic Structures

基础数据结构，大型的mat，sparsemat，algorithm(半球匹配，块匹配，背景提取，混合高斯，字典集，sift)，智能指针ptr

Basic CStructures and Operations

一些C API, 主要是cv1.0时代的老旧函数，感觉没什么用

DynamicStructures

Cv1.0时代的函数，现在可以用vector代替

Operations onArrays

数据处理，DCT,PCA,SVD,RNG(Randomnumber generator)，常用对inputarray的函数

DrawingFunctions

画图函数，点线园，填充写字都可以

XML/YAMLPersistence

Filestorage和filenode，用于在xml文件存取

XML/YAML Persistence(C API)

cv1.0时代产物

Clustering

就两个函数Kmeans和partition                                                                                                                                                                                                     

Utility andSystem Functions and Macros

一些奇怪的函数，四舍五入函数，format，计时，监视错误

OpenGLinteroperability

Opengl和opencv的结合，buffer，texture2d，arrays

 

库Imgproc

Image Filtering

        各种滤波器，滤波器核(laplacian),基础滤波器，双边，自适应双边，模糊，边缘插值，箱（均值）滤波，高斯金字塔，生成图片边缘，高斯滤波，线性，形态学，sobel，scharr，模糊下采样，上采样模糊，可以生成箱滤波器、快速线性可分滤波器(sobel或scharr)、高斯、线性、形态学、线性可分

        Geometric Image Transformations

        图像map色度变换，由三点数据求affine仿射矩阵，由四点数据求视角变换，不同尺度截取目标图像矩形区域，获取旋转矩阵，反仿射变换，极坐标变换，对数极坐标变换，几何坐标插值变换，大小变化，仿射变换，透视变换，矫正视差，畸变矫正图片，畸变校正点，，

        Miscellaneous Image Transformations

        自适应阈值，颜色空间变换，离最近的零点的距离计算(应该用于漫水算法吧)，漫水算法，图像积分(用于某些算法haar-like)，阈值法，watershed分水岭算法—自适应迭代阈值，GrabCut自分割背景提取(基于GraphCut，灰度直方图-混合高斯前景背景建模迭代)，

        Histograms

        计算直方图，直方图反响投影匹配小图块，直方图比较，EMD误差，直方图均衡化

        Structural Analysis and Shape Descriptors

        轮廓特征矩moment，hu不变矩，求取重心，寻找轮廓，逼近折线，用折线寻找freeman链，获取contour长度，寻找垂线，contour面积，寻找凸包，寻找轮廓凸包突出度，椭圆拟合，直线拟合，检测是否凸，最小旋转矩形检测，最小圆型检测，matchshape，点和contour的位置关系。

        Motion Analysis and Object Tracking

        这节没看懂啊，是要做运动分析和物体跟踪

 

库highgui

         分为三个模块，用户界面模块，读写图片视频模块，qt模块，用户界面模块可以画控制条，建立销毁窗口，读写视频图片

 

库video

         没有类，就是光流法(稀疏光流法，浓密特征光流法，高斯金字塔)，camshift，meanshift，混合高斯模型背景提取，

 

库calib3d

         分为相机校准和3D重建

校准可以用棋盘格圆格对称圆格，极线的匹配，欧拉空间转变到齐次方程(什么用？)，棋盘格角点渲染显示，pnp四点求相机世界坐标，仿射变换，3d-2d，2d-3d，立体块匹配，深度相机的校准

 

库features2d

         FeatureDetection and Description

         Fast法提取特征点(对像素周围统计学取差异较大点)，mser(最大稳定极值区域，寻找颜色稳定的区域)，brisk法(对模糊图像有较好效果)，freak法(光照旋转尺度视角各方面都有不错效果)

CommonInterfaces of Feature Detectors

试了一下opencv_source_code/samples/cpp/descriptor_extractor_matcher.cpp，是一个很有意思的小程序，命令行：“SURF SURF BruteForce CrossCheckFilter 1.jpg j.jpg 3”，通用特征检测接口，sift、surf、mser、"FAST"，"STAR"，"SIFT"，"SURF"， "ORB"， "BRISK"， "MSER" ，"GFTT" – GoodFeaturesToTrackDetector，"HARRIS"– GoodFeaturesToTrackDetector with Harris detector enabled，"Dense"– DenseFeatureDetector，"SimpleBlob" – SimpleBlobDetector

CommonInterfaces of Descriptor Extractors

特征提取，六种，sift surfbrisk freak brief ORB

CommonInterfaces of Descriptor Matchers

提取后的特征进行匹配，普通match，knn match，radius match，可以进行图和图已经图和图列的匹配

CommonInterfaces of Generic Descriptor Matchers

面向更普遍的特征向量匹配问题，有些特征貌似不能描述为高维空间向量

Drawing Functionof Keypoints and Matches

两个函数，画关键点和匹配

ObjectCategorization

Bagofword字典集的分类，应该是用特征计算字典集，再用字典集进行聚类

库object

         Haarclassifier cascade和latent SVM，在深度学习出来之前是应用较多的目标检测算法

 

库Ml

         StatisticalModels 统计学模型

Normal BayesClassifier 朴素贝叶斯

K-NearestNeighbors KNN算法K近邻        

Support VectorMachines 支持向量机SVM

Decision Trees 决策树

Boosting 弱分类器，之前看过bootstrapping、adaboost，错分类别高度加权

Gradient BoostedTrees GBT，通过集成多棵决策树来实现强分类器，梯度提升树(GBTs).

Random Trees 随机森林，据说是目前效果最好的分类器之一

Extremelyrandomized trees极端随机树，好像用的不多的样子

ExpectationMaximization EM算法，期望最大化算法，高斯混合分布？

Neural Networks 神经网络

MLData 机器学习的数据，好多用的cvmat数据格式，貌似不是cv2.0以后的发展趋势

 

库flann

         用于在大数据集或者高维数据集中寻找最近邻，又是KNN和radiussearch法，还有KMEANS

 

库photo

         Inpainting

         图像修复，用其他图块修补

         Denoising

         非局部均值滤波，利用块匹配，一块区域和附近区域比对然后叠加，数学基础是高斯噪声普遍均匀。

 

库stitching

         StitchingPipeline 这块完成了图像拼接

References

High Level Functionality

Camera

Features Findingand Images Matching

RotationEstimation

Autocalibration

Images Warping

Seam Estimation

ExposureCompensation

Image Blenders

 

库nonfree

         就是sift和surf的实现，不知为什么另外加了一个类，不过实现了surf的gpu和opcl

 

库contrib

StereoCorrespondence

立体匹配

FaceRecognizerDocumentation

人脸识别

RetinaDocumentation

视网膜识别算法，id识别

OpenFABMAP

貌似是slam的一个子算法

 

库superres

         超分辨率算法，应该是一个很大的块，但是目前只有几个函数