opencv_contrib模块概述

转载 原地址 opencv_contrib模块安装与概述 - 程序员大本营 (pianshen.com)

概述

aruco ：增强现实

bgsegm：背景分割

• 背景分割算法包括：统计背景图估计、像素级贝叶斯分割

bioinspired：生物视觉

• 基于生物视觉模型：最小化噪声、亮度变化、瞬间事件分割、高动态范围色调映射方法

ccalib：自定义标定

• 三维重建、全方向的相机标定、随机模式标定、多相机标定

cnn_3dobj ：CNN物体识别和姿态估计

• 基于Caffe深度学习框架，训练、检测物体识别和姿态的CNN模型

cvv：计算机视觉调试的交互GUI

• 可以添加其中代码，可以在调试的时候弹出窗口进行交互，方便调试使用

datasets：数据集读取器

• 可以用来读取现在存在的计算机视觉的数据集，也有一些案例：使用这里面的代码去读取、测试、训练

dnn_objdetect： CNNs 的物体检测模型

• 使用简洁的CNN模型进行物体检测，使用caffe进行训练，但是使用 opencv_dnn模型进行识别

dnns_easily_fooled：欺骗CNN

• 使用网络中的**，去使得CNN网络识别其他物体

dpm：可变型部件模型

• 一种目标检测的方法

face：人脸识别

• 人脸识别的一些方法：Eigen, Fisher and LBPH(Local Binary Pattern Histograms)

fuzzy：视觉的模糊逻辑

• 模糊逻辑图像变换、逆；模糊逻辑图像的处理

freetype：写字

• 使用freetype and harfbuzz库在图片写字

hdf：hdf存储

• 这个模块包含 I/O程序 对大量数据的存储

line_descriptor：线条匹配与提取

• 基于二进制描述子的一些方法用来提取、描述、封闭图片中线条的的部分

matlab

• MATLAB借口

optflow：光流

• 一些运行和估计光流的算法，光流包括 deepflow、simpleflow、sparsetodenseflow、sihouette flow等

ovis：3D可视化

• 使用OGRE 3D引擎去可视化3D数据

plot：画图

• 简单绘制1维和2维的图

reg：图像注册

• 像素级的图像注册-为了精准的对齐，基于论文的实现：“Image Alignment and Stitching: A Tutorial”, by Richard Szeliski.

rgbd：RGB-Depth处理模块

• Linemod 3D物体识别，快速3D表面法线和3D平面查找、3D视觉里程计、使用 KinectFusion进行3D重建

saliency：显著性

• 人们看着一个场景的哪里？对于 静态、运动、”没有物体的“ 的显著性是有套路的

sfm：2D到3D的算法

• 这个模块的核心是一个轻量级的Libmv，包含一些从2D图像到3D重建的算法

stereo：立体匹配

• 使用不同的描述子进行立体匹配：Census / CS-Census / MCT / BRIEF / MV ，和使用 Quasi 立体的方法进行稠密立体匹配

structured_light：结构光

• 利用结构光去分析场景深度

surface_matching：平面匹配

• 使用PPF特征进行3D物体识别和定位

text：文字识别

• 文字检测、分离、识别

tracking：目标跟踪

xfeatures2d： 2d特征算法

• 一些额外的实验性或者不是免费的2D特征检测、描述子的算法：SURF, SIFT, BRIEF, Censure, Freak, LUCID, Daisy, Self-similar.

ximgproc：扩展的图像处理

• 结构森林、一些滤波器(Domain Transform Filter / Guided Filter / Adaptive Manifold Filter / Joint Bilateral Filter / Superpixels / Ridge Detection Filter)

xobjdetect：增强的2d物体检测

• 级联检测器 ： LBP+_WaldBoost

xphoto：额外的照片处理

• 颜色均衡、降噪、图像修复