再谈OpenCV

虽然之前写过一篇关于OpenCV的介绍（http://blog.csdn.net/carson2005/article/details/5822149）。但依旧有朋友对其不甚了解。所以，常常能碰到有人问我诸例如以下面一些问题：OpenCV能不能实现人脸识别？OpenCV有没有车辆检測的API？OpenCV有没有三维重建的函数？面对这种问题。我也非常困惑。究竟该怎样给他们解释。才干让它们明确，OpenCV确实非常强大，但还没有他们想象中的那么强大。事实上。OpenCV的全称。是Open
source Computer Vision Library,开放源码计算机视觉库。也就是说。它是一套关于计算机视觉的开放源码的API函数库。这也就意味着。(1)无论是科学研究。还是商业应用，都能够利用它来作开发;(2)全部API函数的源码都是公开的。你能够看到其内部实现的程序步骤；(3)你能够改动OpenCV的源码，编译生成你须要的特定API函数。

可是。作为一个库，它所提供的。不过一些经常使用的。经典的。大众化的算法的API。一个典型的计算机视觉算法，应该包括以下一些步骤：(1)数据获取（对OpenCV来说，就是图片）。(2)预处理;(3)特征提取;(4)特征选择;(5)分类器设计与训练;(6)分类判别;而OpenCV对这六个部分，分别（记住这个词）提供了API。以下我分别就这六个部分对一些常见问题进行必要的解释。

对于数据获取，计算机视觉领域的数据，无非就是图片和视频两种。图片。有bmp,jpg,png,tiff....各种压缩和非压缩格式。

所以，对压缩格式的图片而言，OpenCV内部必定包括了相应的图片解压缩函数(一般都是包括了开源的图片解压函数库。比如，对于jpg压缩格式而言，就包括了libjpg开源库)。而对于视频而言，常见的有.rmvb,.avi,.asf等格式，不同的格式，代表着不同的视频压缩算法(对于AVI格式，虽然都是avi格式。但内部的压缩算法仍然不同样。详细原因请參考我的还有一篇博客:http://blog.csdn.net/carson2005/article/details/6314089)，也就须要相应的解压算法来解压。虽然OpenCV提供了一些读写视频文件的API，可是，它也不过一个接口而已。其内部。依旧须要调用相应的视频编解码器的API来进行解码。

经常使用的视频编解码器有：xvid,ffmpeg等。

也就是说，假设你想利用OpenCV来进行视频读写之类的操作。是须要安装此类视频编解码器的。安装了相应的视频解码器之后。你就能够调用OpenCV的视频相关API来进行视频文件的读取操作了，当然。视频文件被解码之后，变成了一张一张的图片，然后才干被OpenCV所处理。另外，还有一种情况，就是数据来自于相机。包括数字相机和模拟相机。

无论是哪种相机，你都要想办法获取到相机发送给PC的图片数据（PC在内存里面接收到的来自相机的数据可能是jpg格式。也可能是bmp格式）。假设。你在PC内存中接收到的是相机发送过来的jpg压缩格式，还须要进行图片数据的内存解压。

关于相机和OpenCV的这部分内容，请见我还有一篇博客：

http://blog.csdn.net/carson2005/article/details/6243476

对于预处理。一般就是去除或者减少噪声，光照归一化，亮度归一化，模糊化，锐化。膨胀。腐蚀、开闭等这些操作（详见，冈萨雷斯，《数字图像处理》一书）。而对于这些操作，OpenCV分别(又提到这个词了)提供了对应API函数。

而光照的预处理。OpenCV提供了一个直方图均衡化的API。兴许可能会提供一些gammar矫正之类的函数。

对于特征提取，个人觉得。能够算是整个计算机视觉系统中最为复杂也最难的部分（纯属个人意见，如有异议，请保留）。究竟什么是特征，该怎样来理解这个看似简单却又包罗万象的名词呢？事实上，要想细致解释，还真的花费非常多时间（有兴趣的能够看看。Richard O.Duda（著），李宏东（译），《模式识别》。机械工业出版社）。简单点说，特征。就是一个能够将若干个类别能够尽量分开的一种描写叙述。

举例来说，假设你要进行男人和女人的分类，显然。用“身高和体重”这一描写叙述来衡量，是能够的，可是，这两个描写叙述没有“胸部大小”这一描写叙述更加准确，而“胸部大小”这一描写叙述。又没有“喉结的有无”这一描写叙述更准确。非常显然，“身高和体重”，“胸部大小”，“喉结的有无”，这三种描写叙述，都能够用来进行男人和女人的分类，仅仅只是，它们对事物的描写叙述的准确（或者说全面）程度是不同的，而诸如此类的描写叙述，有一个更加专业的称谓，叫做“特征”。OpenCV里面。提供了一些特征描写叙述的API，比方。对于人脸检測而言，它提供了haar特征的API，行人检測。提供了hog特征的API，甚至。它提供了LBP纹理特征的API。可是，这些还远远不够。比如，假设你要进行字符识别。OpenCV并没有提供字符识别所相应的特征。这个时候，就须要你自己来编程实现了。当然，该选择什么特征来描写叙述字符呢？哪些特征更好呢？对于这些问题，我建议你去阅读相应的会议，期刊，杂志，硕士、博士毕业论文（毕竟硕士、博士研究生本就该从事“研究”工作），看看别人写的文章，自然就知道了。

对于特征选择，OpenCV并没有提供特定的函数来进行衡量。而特征的分类能力的高低评价，有非常多种分析方法。有兴趣的朋友。能够阅读"《机器学习》Tom. Mitchell(著),曾华军(译)，机械工业出版社"这本书；

对于分类器部分，OpenCV提供了SVM,CART,boost,bayes,bdt,ANN,这几种经常使用的算法。而这些基本已经覆盖了经常使用的分类器。所以，你须要做的，就是知道怎么调用其接口，各种分类器的长处和缺点（该部分，建议阅读“机器学习”这本书）。

通过以上的分析，你也许已经发现，OpenCV只是是一个工具而已。或者。你能够将它理解为幼儿园小朋友过家家玩的积木。而OpenCV中的函数，则能够理解为一个一个的积木块，利用全部或者部分积木块。你能够高速的搭建起来详细的计算机视觉方面的应用（比方，字符识别。车牌识别，遗留物检測）。想必你也已经发现，在利用OpenCV这个积木来搭建详细的计算机视觉应用的时候，真正核心的。应该是这些积木块，假设你明确了积木块的工作原理，那么。是不是就能够不用这些积木块了呢？全然正确！只是。一般部分情况下。我们不须要这么做，由于，OpenCV已经帮你做好了一些工作（已经帮你做好了一些积木块，直接拿来用就是了）。可是。诸如前面提到的特征提取模块，非常多情况下。OpenCV就无能为力了。这个时候，你就须要翻阅计算机视觉、模式识别、机器学习领域顶级会议、期刊、杂志上面发表的文章了。然后。依据这些文章中阐述的原理和方法，来编程实现你要的东西。

实际上，也就等于搭建一个属于你私有的积木块。事实上。OpenCV中的每个API函数，也就是这么来的。

原文出处：http://blog.csdn.net/carson2005/article/details/6979806

这里是收藏。冒犯。