第一件事：下载与配置：
我主要用mac来开发所以这里只记录mac系统下的环境配置
1.准备
没安装Homebrew的话，需要先安装Homebrew。mac系统自带Ruby，使用一条Ruby命令即可。
ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
安装wget
brew install wget
安装cmake（以后会用到）
brew install cmake
2.下载
可以先搜索一下
brew search opencv
会发现有两个结果
homebrew/science/opencv（这个是OpenCV2.x）
homebrew/science/opencv3（这个是OpenCV3）
输入如下命令就可以下载了
brew install homebrew/science/opencv3
完成之后在目录 /usr/local/Cellar 下可以找到（可以把这个目录添加到左侧个人收藏里方便下次使用）
OpenCV所在目录
3.新建项目及配置
- 打开Xcode并创建新的项目
创建一个新项目
- 项目类型可以选择 Command Line
选择项目类型项目类型
- 语言选择C++
项目基本属性
- 设置库检索路径
添加OpenCV检索路径
（/usr/local/Cellar/opencv3/3.2.0/include 和 /usr/local/Cellar/opencv3/3.2.0/lib）
- 添加C++标准库和OpenCV库
点击"**+**"
添加标准库
点击"**Add Other**"
选中所需库后点击"**Open**"
- 运行测试代码
#include <opencv2/opencv.hpp>
int main(int argc, const char * argv[]) {
printf("\t当前使用的 OpenCV 版本为 OpenCV " CV_VERSION "\n");
cv::VideoCapture capture(0);
while (1) {
cv::Mat frame;
capture>>frame;
cv::Mat edge,grayImg;
cv::cvtColor(frame, grayImg, cv::COLOR_BGR2GRAY);
cv::blur(grayImg, edge, cv::Size(3,3));
cv::Canny(edge, edge, 3, 9, 3);
cv::imshow("边缘", edge);
cv::waitKey(30);
}
return 0;
}
正确运行，配置完成
第二件事：OpenCV基本架构分析
进入到 OpenCV 的 include 目录下，会发现有 opencv 和 opencv2 两个文件夹
-
opencv 文件夹
在这个文件夹里，可以看到如下的头文件。这些是 OpenCV 1.0 中核心的部分，被保留了下来。
*opencv* 目录
-
opencv2 文件夹
这个文件夹里包含的是具有划时代意义的OpenCV2系列的头文件。
*opencv2* 目录
| 模块 | 介绍 |
|---|---|
| calib3d | Calibration 和 3D 的组合缩写，相机校准和三维重建模块，包括： 1. 多视角几何算法； 2. 单个立体摄像头标定； 3. 物体姿态估计； 4. 立体相似性算法； 5. 3D信息的重建 等内容。 |
| core | 核心功能模块，包括： 1. OpenCV 基本数据结构； 2. 动态数据结构； 3. 绘图函数； 4. 数组操作相关函数； 5. 辅助功能与系统函数和宏； 6. 与 OpenGL 的互操作。 |
| features2d | 2D功能模块，包括： 1. 特征检测和描述； 2. 特征检测器（Feature Detectors）通用接口； 3. 描述符提取器（Descriptor Extractors）通用接口； 4. 描述符匹配器（Descriptor Matchers）通用接口； 5. 通用描述符（Generic Descriptor）匹配器通用接口； 6. 关键点绘制函数和匹配功能绘制函数。 |
| flann | Fast Library for Approximate Nearest Neighbors，高维的近似近邻快速搜索算法库，包括： 1. 快速近似最近邻搜索； 2. 聚类。 |
| highgui | 图形用户界面模块 |
| imgcodecs | Image file reading and writing ，图像文件的读写操作。 |
| imgproc | Image 和 Process的缩写，图像处理模块，包括： 1. 线性和非线性的图像滤波； 2. 图像几何变换； 3. 其它图像转换； 4. 直方图相关； 5. 结构分析和形状描述； 6. 运动分析和对象跟踪； 7. 特征检测； 8. 目标检测 等内容。 |
| ml | Machine Learning 机器学习模块，包括： 1. 统计模型（Statistical Models）； 2. 一般贝叶斯分类器（Normal Bayes Classifier）； 3. K-近邻（K-Nearest Neighbors）； 4. 支持向量机（Support Vector Machines）； 5. 决策树（Decision Trees）； 6. 提升（Boosting）； 7. 梯度提高树（Gradient Boosted Trees）； 8. 随机数（Random Trees）； 9. 超随机数（Extremely randomized trees）； 10. 期望最大化（Expectation Maximization） 11. 神经网络（Neural Networks）； 12. MLData。 |
| objdetect | 目标检测模块，包括： 1. Cascade Classification（级联分类） 2. Latent SVM。 |
| photo | Computational Photography，包括： 1. 图像修复； 2. 图像去噪。 |
| shape | Shape Distance and Matching。形状匹配算法模块，用于描述形状和比较形状。 |
| stitching | images stitching，图像拼接模块，包括： 1. 拼接流水线 2. 特点寻找和匹配图像； 3. 估计旋转； 4. 自动校准； 5. 图片歪斜； 6. 接缝估测； 7. 曝光补偿； 8. 图片混合。 |
| superres | SuperResolution 超分辨率技术的相关功能模块。 |
| video | 视频分析组件，包括： 1. 运动估计； 2. 背景分离； 3. 对象跟踪 等相关功能。 |
| videoio | 视频文件读写模块，包括摄像头、Kinect 等的输入。 |
| videostab | Video Stabilization，视频稳定相关的组件。 |
OpenCV 其实就是这么多模块组合起来的一个SDK（Software Development Kit，软件开发工具包）而已。
网友评论