Opencv 3.2.0 模块简介

1.core

The Core Functionality.包含核心数据结构及函数功能的定义

2.imgproc

Image Processing

3.imgcodecs

Image file reading and writing

4.videoio

Media I/O

5.highgui

High-level GUI and Media I/O 图形显示界面

6.video

Video Analysis

7.calib3d

Camera Calibration and 3D Reconstruction 相机标定及三维重建

8.features2d

Feature Detection and Description

9.objdetect

Object Detection

10.ml

Machine Learning

11.flann

Clustering and Search in Multi-Dimensional Spaces

12.photo

Computational Photography 计算摄影学

13.cuda

CUDA-accelerated Computer Vision

14.cudaarithm

CUDA-accelerated Operations on Matrices

15.cudabgsegm

CUDA-accelerated Background Segmentation.CUDA支持的背景分割

16.cudacodec

CUDA-accelerated Video Encoding/Decoding

17.cudafeatures2d

CUDA-accelerated Feature Detection and Description

18.cudafilters

CUDA-accelerated Image Filtering

19.cudaimgproc

CUDA-accelerated Image Processing

20.cudaoptflow

CUDA-accelerated Optical Flow.CPU加速光流计算

21.cudastereo

CUDA-accelerated Stereo Correspondence.CPU加速立体匹配

22.cudawarping

CUDA-accelerated Image Warping.CPU加速图像扭曲

23.shape

Shape Distance and Matching

24.superres

Super Resolution.超分辨率

25.videostab

Video Stabilization. 数字视频去抖动

26.viz

3D Visualizer.3D可视化

27.bioinspired

Biologically inspired vision models and derivated tools.仿生视觉模型及衍生工具

28.cvv

GUI for Interactive Visual Debugging of Computer Vision Programs.交互式调试GUI

29.datasets

Framework for working with different datasets.(The datasets module includes classes for working with different datasets: load data, evaluate different algorithms on them, contains benchmarks, etc)

30.face

Face Recognition

31.optflow

Optical Flow Algorithms.光流算法

32.reg

Image Registration.图像配准

33.rgbd

RGB-Depth Processing.RGB 3通道图像处理

34.surface_matching

Surface Matching.曲面匹配

35.text

Scene Text Detection and Recognition.场景文本的检测识别

36.tracking

Tracking API.图像追踪

37.xfeatures2

Extra 2D Features Framework.扩展特征提取(有一部分算法non-free)

38.ximgproc

Extended Image Processing.扩展图像处理  

39.xobjdetect

Extended object detection

40.xphoto

Additional photo processing algorithms

(注:x开头的为扩展模块,需单独下载,下载地址https://github.com/opencv/opencv_contrib,编译时直接copy到opencv目录下即可;cuda模块需要预先安装cuda,并在编译时勾选cuda选项)

  超分辨率;
时间: 2024-08-24 09:56:14

Opencv 3.2.0 模块简介的相关文章

burpsuite2.0模块简介及配置代理

burpsuite2.0的安装和配置 burpsuite_pro_v2.0beta jdk1.8.0_201 windows10 具体安装过程百度 简介 burpsuite是基于Java的用于web安全的工具,能够进行爬虫.代理.编码.密码爆破等任务,并支持对XSS漏洞.文件包含等漏洞的主动扫描或被动扫描.burpsuite2.0具体分为以下11个模块: Dashboard(仪表盘)——显示任务.实践日志等. Target(目标)——显示目标目录结构的的一个功能. Proxy(代理)——拦截HT

Hadoop-2.0 目录简介

Hadoop-2.0 目录简介 一.目录结构 将下载的压缩包解压: 解压后文件夹如下: 二.各文件夹目录结构 1.bin:Hadoop2.0的最基本管理脚本和使用脚本所在目录.这些脚本是sbin目录下管理脚本的基础实现,我们可以直接用这些脚本管理和使用Hadoop. 2.etc:这个目录里的文件只要接触过Hadoop的人都很熟悉.Hadoop配置文件目录.首先是从Hadoop1.0继承来的三个文件core-site.xml.hdfs-site.xml.mapred-site.xml,然后还有一个

nginx 学习五 filter模块简介和实现一个简单的filter模块

1 nginx过滤模块简介 过滤(filter)模块是过滤响应头和内容的模块,可以对回复的头和内容进行处理.它的处理时间在获取回复内容之后, 向用户发送响应之前.它的处理过程分为两个阶段,过滤HTTP回复的头部和主体,在这两个阶段可以分别对头部和主体 进行修改. 2 过滤模块执行顺序 2.1 ngx_http_output_(head, body)_filter_pt 先看一下nginx常用的过滤模块,在ngx_moudles.c中有一下代码: ngx_module_t *ngx_modules

以写代学:python 模块简介&输出用户指定位数密码的脚本

什么是模块 (1)模块是从逻辑上组织python代码的形式 (2)当代码量变的相当大的时候,最好把代码分成一些有组织的代码段,前提是保证它们的彼此交互 (3)这些代码段之间有一定的联系,可能是一个包含数据成员和方法的类,也可能是一组相关但彼此独立的操作函数 (4)模块名不能乱起,字母数字下划线组成,首字母不能是数字 导入模块 (1)使用import导入模块,模块被导入后,程序会自动生成pyc的字节码文件以提升性能 (2)模块属性通过"模块名.属性"的方法调用,如果仅需要模块中的某些属性

在Windows下编译扩展OpenCV 3.1.0 + opencv_contrib

为什么要CMake,这里我陈述自己的想法,作为一个刚使用opencv库的小白来说,有以下大概三点内容 1.由于在学习图像处理滤波器中,需要用到各种边缘保护滤波器(EPS)算法,但是这些算法在OpenCV 3.1.0的Release版本中存在很少,因为他们把大量的算法存放在opencv_contrib目录下面的未稳定功能模块里的ximgproc文件夹下,所以如果我们想要使用这个目录的功能,就需要自己重新进行OpenCV的编译. 2.由于现在官方的opencv3.1.0要在x64上使用,而且在vis

Ubuntu安装opencv 为调用gpu模块

也真够折腾的. 事件背景:为了一个光流的提取处理,本来是3.1的opencv在include一些模块上出错,原因是opencv3.0以上的版本对模块进行了再分离,要contribute,但是contribute后还是解决不了,所以,选了2.4.11(因为之前在Windows下用过,知道哪些函数能调用). 这时在make的时候出现了类似nvcc warning : 的问题,然后就按照(http://blog.csdn.net/wang4959520/article/details/51392804

OpenCV学习笔记(八)—— OpenCV 3.1.0 + opencv_contrib编译(Windows)

由于在学习图像识别中的特征点检测中,需要用到Surf和Sift算法,但是这两个算法在OpenCV 3.1.0的Release版本中并不存在,因为他们是存放在opencv_contrib目录下面的未稳定功能模块,所以如果我们想要使用这个目录的功能,就需要自己重新进行OpenCV的编译. 一.准备工作: 1.下载OpenCV安装包:https://sourceforge.net/projects/opencvlibrary/files/opencv-win/3.0.0/ 安装过程实际上就是解压过程,

Ubuntu 16.04下为Android编译OpenCV 3.2.0 Manager

http://johnhany.net/2016/07/build-opencv-manager-for-android-on-ubuntu/ 最近想在Android上尝试一下SIFT和SURF匹配算法,但考虑到这些算法都是专利保护的,并没有被包含在预编译库中,所以还需要自己来动手编译OpenCV Android SDK.在OpenCV 2.4.x版本中,这些算法被包含在nonfree模块中:从3.0版本开始,用于图像特征匹配的一些算法(比如SIFT,SURF,BRIEF,FREAK等)被转移到

Ubuntu 18.04配置OpenCV 4.2.0

目录 Step 1: 安装OpenCV的依赖包 Step 2: 下载OpenCV 4.2.0和OpenCV Contrib 4.2.0 Step 3: 使用cmake构建库 Step 4: 使用make构建库 Step 5: 修改opencv4.pc文件 Step 6: 在.bashrc文件中添加PKG_CONFIG_PATH Step 7: 使用C++代码进行验证 本文主要介绍在Ubuntu 18.04中从源码安装配置OpenCV,并使用一个简单的例子验证是否安装成功: 具体安装配置步骤,参考