OpenCV是计算机视觉开源库，由一系列C、C++类构成，包含了大量的C++、Python接口，主要的算法包括图像处理、机器视觉等。
做计算机视觉、SLAM等方向必须要掌握opencv的使用。
使用OpenCV已经好久一段时间了，主要用到的就那几个主要的模块，现在对OpenCV的框架个各模块的功能做一个介绍。
主要模块介绍：
1.【core】核心模块
- OpenCV基本数据结构
- 动态数据结构
- 绘图函数
- 数组操作相关函数
- 辅助功能与系统函数和宏
- 与OpenGL的互操作
2.【imgproc】Imaging与Processing两个单词的缩写的组合。图像处理模块。
- 线性和非线性的图像滤波
- 图像的几何变换
- 其他（Miscellaneous）图像转换
- 直方图相关
- 结构分析和形状描述
- 运动分析和对象跟踪
- 特征检测
- 目标检测等内容
3.【features2d】2D功能框架
- 特征检测和描述
- 特征检测器（Feature Detectors）通用接口
- 描述符检测器（Descriptor Extrators）通用接口
- 描述匹配器（Descriptor Matches）通用接口
- 通用描述符（Generic Descriptor）匹配器通用接口
- 关键点绘制函数和匹配功能绘制函数
4.【flann】—— Fast Library for Approximate Nearest Neighbors，高维的近似近邻快速搜索算法库，包含两个部分：
- 快速近似最近邻搜索
- 聚类
5.【gpu】——运用GPU加速的计算机视觉模块
6.【legacy】——一些已经废弃的代码库，保留下来作为向下兼容，包含如下相关的内容：
- 运动分析
- 期望最大化
- 直方图
- 平面细分（C API）
- 特征检测和描述（Feature Detection and Description）
- 描述符提取器（Descriptor Extractors）的通用接口
- 通用描述符（Generic Descriptor Matchers）的常用接口
- 匹配器
7.【ml】——Machine Learning，机器学习模块， 基本上是统计模型和分类算法，包含如下内容：
- 统计模型 （Statistical Models）
- 一般贝叶斯分类器 （Normal Bayes Classifier）
- K-近邻 （K-NearestNeighbors）
- 支持向量机 （Support Vector Machines）
- 决策树 （Decision Trees）
- 提升（Boosting）
- 梯度提高树（Gradient Boosted Trees）
- 随机树 （Random Trees）
- 超随机树 （Extremely randomized trees）
- 期望最大化 （Expectation Maximization）
- 神经网络 （Neural Networks）
- MLData
8.【nonfree】，也就是一些具有专利的算法模块 ，包含特征检测和GPU相关的内容。最好不要商用，可能会被告哦。其中SIFT特征点的检测和处理都在此模块中。
9.【objdetect】——目标检测模块，包含Cascade Classification（级联分类）和Latent SVM这两个部分。
10.【ocl】——即OpenCL-accelerated Computer Vision，运用OpenCL加速的计算机视觉组件模块
11.【photo】——也就是Computational Photography，包含图像修复和图像去噪两部分
12.【stitching】——images stitching，图像拼接模块，包含如下部分：
- 拼接流水线
- 特点寻找和匹配图像
- 估计旋转
- 自动校准
- 图片歪斜
- 接缝估测
- 曝光补偿
- 图片混合
13.【superres】——SuperResolution，超分辨率技术的相关功能模块
14.【ts】——opencv测试相关代码，不用去管他
15.【video】——视频分析组件，该模块包括运动估计，背景分离，对象跟踪等视频处理相关内容。
16.【Videostab】——Video stabilization，视频稳定相关的组件，官方文档中没有多作介绍，不管它了。
17. opencv3新增了shape模块！
【shape】--形状的匹配以及距离计算SHAPE
参考自：https://www.cnblogs.com/black-mamba/p/5924453.html