簡介

OpenCV（Open Source Computer Vision Library: ）是一個開源BSD庫，該庫包括數百個機器視覺算法。該手冊基于OpenCV2.X API。是一個C++版本的API。

OpenCV是一個模塊化結構，即由幾個共享和靜態庫組成。模塊如下：

core -一個定義基本數據結構的模塊，包括多維數組和其它模塊使用的核心函數

imgproc-圖像處理模塊，包括線性非線性濾波，幾何圖像變化（尺寸變換、仿射、透視、基于表的映射），圖像域卷積，直方圖等

video-視頻分析模塊，包括運動檢測，背景移除，目標跟蹤。

calib3d-多視圖幾何算法，一維和三維相機jiaozheng2，目標位置估計，立體匹配算法，三維重構。

features2d - 特征檢測和描述匹配

objdetect -類（如人臉、眼睛、人、車等）的檢測

highgui-視頻抓取、圖像以及視頻編碼接口

gpu- GPU對OpenCV不同模塊算法的加速

...一些幫助性模塊，如FLANN和谷歌測試封裝，Python等

API接口的概念

CV命名空間

所有OpenCV類和函數均位于cv命名空間。所以使用這些函數使用cv：：標識符，或者using namespace cv指示符。
?

也就是Ptr ptr封裝了一個T類型的實例和一個引用計數，參考ptr的詳細描述。

輸出數據的自動分配

OpenCV自動釋放內存，如果大多數情況下自動為輸出函數分配參數空間一樣。所以，對于一個有一個或多個輸入/出數組(如 cv::Mat)時，輸出數組被自動分配或自動重新分配。輸出數組的大小和類型由輸入數組的大小和類型決定。如果需要，會有額外的參數指明數組的特性。

cv::uchar是一個OpenCV 8bit無符號類型。32為整型數不支持。

固定像素類型，有限的模板類型

大量使用模板也許會導編譯和運行時間的增加，對于基本的算法使用模板較好，但對于一個有數千行的算法而言模板并不好。正是由于這個原因以及簡化其它無模板語言（如Python、Java、Matlab）的算法實現，OpenCV傾向于使用多態和運行時調度等方法。

因此，可供使用的原始數據類型和庫是一個有限的固定集合。即，陣列元素應當是下列類型：

更復雜的元素類型將不能被OpenCV創建和處理。此外，每一個函數僅能處理所有可能陣列的一個子集。通常越復雜的算法支持的子集越小。看下面的典型例子：
臉部識別只支持8-bit灰度和彩色圖
線性函數和機器學習算法只支持浮點陣列。
基本函數，如cv::add,支持所有類型。
彩色變化支持8-bit、16-bit無符號和32-bit浮點數。
每個函數支持的類型根據實際使用而定，以后可能擴展。

輸入和輸出數組
許多OpenCV函數處理2或者多維數組。通常這些函數以cpp:class:Mat作為參數，但有時使用std::vector<>或者 Matx<>更方便，為了避免API重復，引入特殊的“代理”類。基本的代理類是InputArray，用于處理一個函數的只讀數組。由InputArray 衍生出來的OutputArray用于處理一個函數的輸出。通常不需要關心這類的中間類型。當一個函數有可選輸入輸出參數時，使用cv::noArray()傳遞。
錯誤處理
OpenCV使用異常標識嚴重錯誤。當輸入數據類型和數據數據范圍均正確時，但是算法發生了錯誤（如最優化算法不收斂），將返回一個特殊的錯誤碼。

異常可能是cv::Exception類或其衍生實例，cv::Exception衍生于 std::exception，所以可以使用C++庫函數處理。

異常通常由CV_Error宏拋出，或者printf之類的CV_Error_和CV_Assert宏。 對于性能關鍵的代碼，可使用CV_DbgAssert(condition) ，由于內存自動管理，錯誤發生所需的內存會自動分配，如果需要，只需要添加一個用于抓住異常的try聲明。