开始学习计算机视觉-OpenCV库，问的阿里千问、DeepSeek。文本用于记录学习过程和备查。
1、简介
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。由Intel于1999年发起，目的是为高性能的实时计算机视觉应用提供支持。如今已成为全球最流行、最广泛使用的计算机视觉库。
OpenCV 使用 C/C++ 编写，提供了 Python、Java、MATLAB 等语言的接口，广泛应用于学术研究、工业项目以及嵌入式系统中。
OpenCV 基于BSD许可证，商业和非商业项目均可自由使用，支持Windows、Linux、macOS、Android和iOS。
2、核心能力
- 基础图像/视频处理：包括读取、保存、滤波、色彩转换、几何变换等所有视觉应用的基础。
- 特征提取与分析：通过SIFT、ORB等算法找出图像中的关键点，用于物体识别、图像拼接等。
- 目标检测、识别与跟踪：从人脸到车辆，识别并追踪视频序列中的特定目标。
- 深度学习集成：自3.x版本起，其DNN模块支持直接加载并运行TensorFlow、PyTorch等框架训练好的模型（如YOLO），大大扩展了处理复杂任务的能力。
- 三维视觉与计算：支持相机标定、立体匹配、3D重建，是机器人、AR等领域的关键。
3、应用领域
| 应用领域 | 典型任务 | 利用的 OpenCV 技术 |
|---|---|---|
| 人脸识别与安防监控 | 人脸检测、身份识别、门禁系统 | Haar Cascades, DNN 人脸检测, LBPH/FaceRecognizer, 特征匹配 |
| 自动驾驶与辅助驾驶 | 车道线检测、车辆/行人检测、交通标志识别 | Canny 边缘检测, Hough 变换, HOG + SVM, DNN（YOLO/Tiny YOLO） |
| 工业自动化与质检 | 缺陷检测、零件计数、尺寸测量 | 图像阈值处理, 形态学操作, 轮廓检测, 模板匹配 |
| 机器人视觉 | 目标跟踪、导航避障、颜色识别 | 光流法（Lucas-Kanade）, 背景减除, 颜色空间分割（HSV）, ORB/SIFT 匹配 |
| 增强现实（AR） | 姿态估计、平面检测、虚拟物体叠加 | 相机标定, PnP 位姿估计, 特征点匹配, 仿射/透视变换 |
| 医学图像分析 | 细胞识别、肿瘤区域分割、X光增强 | 直方图均衡化, 阈值分割, 连通域分析, 边缘检测 |
| 无人机视觉 | 目标追踪、自主降落、避障 | KCF/MOSSE 跟踪器, 光流, 立体视觉深度估计, ArUco 标记定位 |
| 智能零售 | 客流量统计、商品识别、行为分析 | 背景减除（MOG2）, 目标检测（SSD/YOLO）, 多目标跟踪（CSRT/KCF） |
| 文档扫描与 OCR 预处理 | 文档矫正、去阴影、二值化 | 边缘检测, 轮廓查找, 透视变换, 自适应阈值 |
| 全景图像拼接 | 图像对齐、拼接生成全景图 | SIFT/SURF 特征提取, 特征匹配, RANSAC, 图像融合 |
| 手势识别与人机交互 | 手势控制、动作识别 | 肤色分割, 轮廓分析, 凸包检测, 光流跟踪 |
| 农业智能化 | 病虫害检测、作物生长监测 | 颜色分析（NDVI-like）, 图像分割, DNN 分类模型 |
| 体育数据分析 | 运动员轨迹追踪、动作分析 | 光流, 背景建模, 多目标跟踪, 关键点检测 |
| 教育与科研实验 | 图像处理教学、算法验证 | 各类滤波、几何变换、直方图分析、形态学操作 |
| 嵌入式视觉系统（如树莓派） | 实时图像采集与处理 | 视频流读取, 实时滤波, 简单目标检测 |