简介

OpenCV (Open Source Computer Vision Library：https://opencv.ac.cn) 是一个开源库，包含数百种计算机视觉算法。本文档描述的是所谓的 OpenCV 2.x API，它本质上是一个 C++ API，与基于 C 语言的 OpenCV 1.x API 不同（自 OpenCV 2.4 版本发布以来，C API 已被弃用且不再使用 "C" 编译器进行测试）。

OpenCV 具有模块化结构，这意味着该软件包包含多个共享或静态库。以下模块可用：

• 核心功能 (core) - 一个紧凑的模块，定义了基本数据结构，包括密集多维数组 Mat 和所有其他模块使用的基本函数。
• 图像处理 (imgproc) - 一个图像处理模块，包括线性及非线性图像滤波、几何图像变换（调整大小、仿射和透视扭曲、基于通用表的重新映射）、色彩空间转换、直方图等。
• 图像文件读写 (imgcodecs) - 包括用于读取和写入各种格式图像文件的函数。
• 视频 I/O (videoio) - 一个易于使用的视频捕获和视频编解码器接口。
• 高级 GUI (highgui) - 一个易于使用的简单 UI 功能接口。
• 视频分析 (video) - 一个视频分析模块，包括运动估计、背景减除和目标跟踪算法。
• 相机标定与 3D 重建 (calib3d) - 基本多视角几何算法、单目和立体相机标定、物体姿态估计、立体匹配算法以及 3D 重建元素。
• 2D 特征框架 (features2d) - 显著特征检测器、描述符和描述符匹配器。
• 目标检测 (objdetect) - 检测预定义类别的对象和实例（例如，人脸、眼睛、马克杯、人物、汽车等）。
• 深度神经网络模块 (dnn) - 深度神经网络模块。
• 机器学习 (ml) - 机器学习模块包含一组用于数据的统计分类、回归和聚类的类和函数。
• 计算摄影 (photo) - 高级照片处理技术，如去噪、图像修复。
• 图像拼接 (stitching) - 图像拼接和全景图创建功能。
• ...其他一些辅助模块，如 FLANN 和 Google 测试封装器、Python 绑定等。

文档的后续章节将描述每个模块的功能。但首先，请务必熟悉库中广泛使用的通用 API 概念。

API 概念

cv 命名空间

所有 OpenCV 类和函数都放在 cv 命名空间中。因此，要从代码中访问这些功能，请使用 cv:: 限定符或 using namespace cv; 指令。

#include "opencv2/core.hpp"
...
cv::Mat H = cv::findHomography(points1, points2, cv::RANSAC, 5);
...

或

#include "opencv2/core.hpp"
using namespace cv;
...
Mat H = findHomography(points1, points2, RANSAC, 5 );
...

当前或未来的某些 OpenCV 外部名称可能与 STL 或其他库冲突。在这种情况下，使用显式命名空间限定符来解决名称冲突。

Mat a(100, 100, CV_32F);
randu(a, Scalar::all(1), Scalar::all(std::rand()));
cv::log(a, a);
a /= std::log(2.);

自动内存管理

OpenCV 自动处理所有内存。

首先，std::vector、cv::Mat 以及函数和方法使用的其他数据结构都具有析构函数，这些析构函数会在需要时释放底层内存缓冲区。这意味着析构函数并不总是像 Mat 那样释放缓冲区。它们会考虑可能的数据共享。析构函数会递减与矩阵数据缓冲区关联的引用计数器。当且仅当引用计数器达到零时，即当没有其他结构引用同一缓冲区时，才会释放缓冲区。同样，当 Mat 实例被复制时，实际上并没有复制任何数据。相反，引用计数器会递增，以记录存在同一数据的另一个所有者。cv::Mat::clone 方法会创建矩阵数据的完整副本。请参见以下示例：

// 创建一个 8MB 的大矩阵
Mat A(1000, 1000, CV_64F);
 
// 为同一矩阵创建另一个头；
// 这是一个即时操作，与矩阵大小无关。
Mat B = A;
// 为 A 的第 3 行创建另一个头；也没有复制数据
Mat C = B.row(3);
// 现在创建矩阵的单独副本
Mat D = B.clone();
// 将 B 的第 5 行复制到 C，即复制 A 的第 5 行
// 到 A 的第 3 行。
B.row(5).copyTo(C);
// 现在让 A 和 D 共享数据；之后修改过的版本
// A 仍然被 B 和 C 引用。
A = D;
// 现在将 B 设置为空矩阵（不引用任何内存缓冲区），
// 但 A 的修改版本仍将被 C 引用，
// 尽管 C 只是原始 A 的一行
B.release();
 
// 最后，对 C 进行完整复制。结果，大的修改后的
// 矩阵将被释放，因为它没有被任何人引用。
C = C.clone();

您可以看到 Mat 和其他基本结构的使用很简单。但是，对于高级类或甚至在没有考虑自动内存管理的情况下创建的用户数据类型呢？对于它们，OpenCV 提供了类似于 C++11 中 std::shared_ptr 的 cv::Ptr 模板类。因此，不是使用普通指针：

T* ptr = new T(...);

您可以使用：

Ptr<T> ptr(new T(...));

或者

Ptr<T> ptr = makePtr<T>(...);

Ptr<T> 封装了一个指向 T 实例的指针以及与该指针关联的引用计数器。有关详细信息，请参阅 cv::Ptr 的描述。

自动分配输出数据

OpenCV 自动释放内存，并且在大多数情况下自动为输出函数参数分配内存。因此，如果一个函数有一个或多个输入数组（cv::Mat 实例）和一些输出数组，则输出数组会自动分配或重新分配。输出数组的大小和类型由输入数组的大小和类型决定。如果需要，函数会采用额外的参数来帮助确定输出数组的属性。

示例

#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
 
using namespace cv;
 
int main(int, char**)
{
    VideoCapture cap(0);
    if(!cap.isOpened()) return -1;
 
    Mat frame, edges;
namedWindow("edges", WINDOW_AUTOSIZE);
    for(;;)
    {
cap >> frame;
cvtColor(frame, edges, COLOR_BGR2GRAY);
GaussianBlur(edges, edges, Size(7,7), 1.5, 1.5);
Canny(edges, edges, 0, 30, 3);
imshow("edges", edges);
        if(waitKey(30) >= 0) break;
    }
    return 0;
}

数组 frame 由 >> 运算符自动分配，因为视频捕获模块知道视频帧的分辨率和位深。数组 edges 由 cvtColor 函数自动分配。它与输入数组具有相同的大小和位深。通道数为 1，因为传递了颜色转换代码 [8U/16U/32F] convert between RGB/BGR and grayscale, color conversionscv::COLOR_BGR2GRAY，这意味着从彩色转换为灰度。请注意，frame 和 edges 仅在循环体第一次执行时分配一次，因为所有后续视频帧都具有相同的分辨率。如果您以某种方式更改视频分辨率，数组将自动重新分配。

这项技术的关键组成部分是 cv::Mat::create 方法。它接受所需的数组大小和类型。如果数组已经具有指定的大小和类型，则该方法不执行任何操作。否则，它会释放先前分配的数据（如果有）（这部分涉及递减引用计数器并将其与零进行比较），然后分配所需大小的新缓冲区。大多数函数会为每个输出数组调用 cv::Mat::create 方法，因此实现了自动输出数据分配。

该方案的一些显著例外是 cv::mixChannels、cv::RNG::fill 以及其他一些函数和方法。它们无法分配输出数组，因此您必须提前完成此操作。

饱和算术

作为一个计算机视觉库，OpenCV 经常处理图像像素，这些像素通常以紧凑的 8 位或 16 位每通道形式编码，因此具有有限的值范围。此外，图像上的某些操作，如色彩空间转换、亮度/对比度调整、锐化、复杂插值（双三次、Lanczos）可能会产生超出可用范围的值。如果您只存储结果的最低 8 (16) 位，这会导致视觉伪影并可能影响进一步的图像分析。为了解决这个问题，使用了所谓的*饱和*算术。例如，要将操作结果 r 存储到 8 位图像中，您会找到 0..255 范围内最接近的值。

\[I(x,y)= \min ( \max (\textrm{round}(r), 0), 255)\]

类似的规则适用于 8 位有符号、16 位有符号和无符号类型。这种语义在库中无处不在。在 C++ 代码中，它是通过 cv::saturate_cast<> 函数完成的，这些函数类似于标准 C++ 类型转换操作。下面是上述公式的实现：

I.at<uchar>(y, x) = saturate_cast<uchar>(r);

其中 cv::uchar 是 OpenCV 的 8 位无符号整型。在优化的 SIMD 代码中，使用了 paddusb、packuswb 等 SSE2 指令。它们有助于实现与 C++ 代码完全相同的行为。

注意

当结果是 32 位整数时，不应用饱和。

固定像素类型。模板的有限使用

模板是 C++ 的一个强大功能，可以实现功能强大、高效且安全的数据结构和算法。然而，大量使用模板可能会大大增加编译时间和代码大小。此外，当完全使用模板时，很难分离接口和实现。这对于基本算法可能很好，但对于计算机视觉库来说却不好，因为单个算法可能跨越数千行代码。由于这个原因，并且为了简化 Python、Java、Matlab 等没有模板或模板功能有限的其他语言的绑定开发，当前的 OpenCV 实现基于多态性和运行时调度，而不是模板。在运行时调度速度太慢（如像素访问运算符）、不可能（通用 cv::Ptr<> 实现）或只是非常不方便（cv::saturate_cast<>()）的地方，当前实现引入了小的模板类、方法和函数。在当前 OpenCV 版本的其他地方，模板的使用受到限制。

因此，库可以操作的原始数据类型集是有限且固定的。也就是说，数组元素应具有以下类型之一：

• 8 位无符号整数 (uchar)
• 8 位有符号整数 (schar)
• 16 位无符号整数 (ushort)
• 16 位有符号整数 (short)
• 32 位有符号整数 (int)
• 32 位浮点数 (float)
• 64 位浮点数 (double)
• 若干个元素的元组，其中所有元素具有相同的类型（上述之一）。元素是此类元组的数组称为多通道数组，与元素是标量值的单通道数组相对。最大可能通道数由 CV_CN_MAX 常量定义，目前设置为 512。

对于这些基本类型，应用以下枚举：

enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 };

可以使用以下选项指定多通道（n 通道）类型：

• CV_8UC1 ... CV_64FC4 常量（通道数为 1 到 4）
• CV_8UC(n) ... CV_64FC(n) 或 CV_MAKETYPE(CV_8U, n) ... CV_MAKETYPE(CV_64F, n) 宏，当通道数大于 4 或在编译时未知时。

注意

#CV_32FC1 == #CV_32F, #CV_32FC2 == #CV_32FC(2) == #CV_MAKETYPE(CV_32F, 2)，以及 #CV_MAKETYPE(depth, n) == ((depth&7) + ((n-1)<<3)。这意味着常量类型由深度（取最低 3 位）和通道数减 1（取接下来的 log2(CV_CN_MAX) 位）组成。

示例

Mat mtx(3, 3, CV_32F); // 创建一个 3x3 浮点矩阵
Mat cmtx(10, 1, CV_64FC2); // 创建一个 10x1 2 通道浮点矩阵
                           // 矩阵（10 元素复数向量）
Mat img(Size(1920, 1080), CV_8UC3); // 创建一个 1920 列 1080 行的 3 通道（彩色）图像。
                                    // of 1920 columns and 1080 rows.
Mat grayscale(img.size(), CV_MAKETYPE(img.depth(), 1)); // 创建一个与 img 大小相同、
                                                        // 并且通道类型相同的 1 通道图像。
                                                        // channel type as img

使用 OpenCV 无法构建或处理具有更复杂元素的数组。此外，每个函数或方法只能处理所有可能数组类型的一个子集。通常，算法越复杂，支持的格式子集越小。请参见下面此类限制的典型示例：

• 人脸检测算法仅适用于 8 位灰度或彩色图像。
• 线性代数函数和大多数机器学习算法仅适用于浮点数组。
• 基本函数，例如 cv::add，支持所有类型。
• 色彩空间转换函数支持 8 位无符号、16 位无符号和 32 位浮点类型。

每个函数支持的类型子集是根据实际需求定义的，将来可能会根据用户请求进行扩展。

InputArray 和 OutputArray

许多 OpenCV 函数处理密集的二维或多维数值数组。通常，这些函数将 cv::Mat 作为参数，但在某些情况下，使用 std::vector<>（例如，用于点集）或 cv::Matx<>（例如，用于 3x3 单应矩阵）更方便。为了避免 API 中出现大量重复，引入了特殊的“代理”类。基本“代理”类是 cv::InputArray。它用于在函数输入时传递只读数组。派生自 InputArray 类的 cv::OutputArray 用于指定函数的输出数组。通常，您不应该关心这些中间类型（也不应该显式声明这些类型的变量）——它会自动工作。您可以假定除了 InputArray/OutputArray 之外，您总是可以使用 cv::Mat、std::vector<>、cv::Matx<>、cv::Vec<> 或 cv::Scalar。当函数具有可选的输入或输出数组，而您没有或不想要时，传递 cv::noArray()。

错误处理

OpenCV 使用异常来表示关键错误。当输入数据格式正确且属于指定值范围，但算法由于某种原因无法成功时（例如，优化算法未收敛），它会返回一个特殊的错误代码（通常只是一个布尔变量）。

异常可以是 cv::Exception 类或其派生类的实例。反过来，cv::Exception 是 std::exception 的派生类。因此，可以使用其他标准 C++ 库组件在代码中优雅地处理它。

异常通常通过 #CV_Error(errcode, description) 宏，或者其类似 printf 的 #CV_Error_(errcode, (printf-spec, printf-args)) 变体，或者使用 CV_Assert(condition) 宏来抛出。CV_Assert(condition) 宏检查条件并在不满足时抛出异常。对于性能关键代码，有 CV_DbgAssert(condition)，它仅保留在 Debug 配置中。由于自动内存管理，所有中间缓冲区在发生突然错误时都会自动释放。如果需要，您只需添加 try 语句来捕获异常：

try
{
... // 调用 OpenCV
}
catch (const cv::Exception& e)
{
    const char* err_msg = e.what();
std::cout << "exception caught: " << err_msg << std::endl;
}

多线程和可重入性

当前的 OpenCV 实现是完全可重入的。也就是说，可以从不同的线程调用同一函数或不同类实例的同一方法。此外，同一 Mat 可以在不同线程中使用，因为引用计数操作使用架构特定的原子指令。