OpenCV 简介：跨平台计算机视觉库的核心特性与应用

OpenCV 最初由 Intel 于 1999 年发起开发，目前由 Willow Garage 提供支持。作为一个基于 BSD 许可发布的跨平台计算机视觉库，它兼容 Linux、Windows 和 Mac OS 操作系统。该库设计轻量且高效，核心由一系列 C 函数和少量 C++ 类组成，同时提供了 Python、Ruby、MATLAB 等多种语言的接口，实现了图像处理与计算机视觉领域的多项通用算法。[2] 截至 2017 年 8 月 3 日发布的最新版本为 3.3 [3]。

OpenCV 提供了包含 500 多个 C 函数的跨平台中高层 API。它不依赖其他外部库（尽管支持使用某些外部库）。此外，OpenCV 为 Intel® Integrated Performance Primitives (IPP) 提供了透明接口。这意味着如果系统存在针对特定处理器优化的 IPP 库，OpenCV 将在运行时自动加载这些库以提升性能。

注：OpenCV 2.0 版本的代码已显著优化，无需 IPP 即可提升性能，因此 2.0 版本不再提供 IPP 接口。

OpenCV 是一个用于图像处理、分析及机器视觉的开源函数库。

无论是科学研究还是商业应用，OpenCV 都是理想的工具库，因为对这两类用户而言，它完全免费。

该库由 C 及 C++ 语言编写，可在 Windows、Linux 和 macOSX 系统上运行。所有代码均经过优化，计算效率极高，其设计初衷即为服务于实时系统的开源库。通过 C 语言优化，OpenCV 在多核机器上运行速度更快。其目标之一是提供友好的机器视觉接口函数，从而加速复杂机器视觉产品的上市进程。该库包含横跨工业产品检测、医学图像处理、安防、用户界面、摄像头标定、三维成像、机器视觉等领域的超过 500 个接口函数。

同时，鉴于计算机视觉与机器学习的紧密联系，该库还包含了一些常用的机器学习算法。许多人知道图像识别和机器视觉在安防领域的应用，但较少人了解在航拍图片、街道图片（如 Google Street View）中，严重依赖于机器视觉的摄像头标定、图像融合等技术。

近年来，在入侵检测、特定目标跟踪、目标检测、人脸检测、人脸识别、人脸跟踪等领域，OpenCV 表现卓越，而这仅仅是其应用的冰山一角。

如今，来自全球各大公司、科研机构的研究人员共同维护支持着 OpenCV 的开源库开发。参与的公司和机构包括：微软、IBM、索尼、西门子、Google、Intel、斯坦福大学、MIT、CMU、剑桥大学等。

前述内容较多，其实核心要点可概括为以下一句：

OpenCV 是一个封装好的计算机视觉函数库，并非独立软件，而是 C 语言工具。安装后，在 VC 或 VS 中进行配置即可调用其中的函数。

经搜索发现，本站此前已提供下载地址：

OpenCV 2.4.10 官方最新版

此处再分享本站几本关于 OpenCV 学习的电子书，供免费下载学习参考。

OpenCV教程:基础篇

OpenCV实例精解 (普拉蒂克·乔希) 中文完整pdf扫描版

希望对大家有所帮助，如有任何问题欢迎随时留言指出，小编会及时更新修正，感谢朋友们对本站的支持！