前言

1.Core核心功能

1.1 基本數據類型和結構：

??包括矩陣(Mat)、標量(Scalar)、點(Point)、大小(Size)、矩形(Rect)等基本數據結構，用于圖像處理中的各種操作。

1.2 數組操作：

??支持多維數組的創建、訪問、操作和變換，包括基本的矩陣運算(加減乘除、轉置、求逆、求行列式等)。

1.3 數學函數：

??提供了各種數學函數，包括基礎的算術運算、常見的數學函數（如三角函數、指數和對數函數）、統計函數（如均值、方差、直方圖等）。

1.4 隨機數生成：

??提供了各種隨機數生成器，可以用于圖像處理中的噪聲添加、隨機采樣等操作。

1.5 線性代數運算：

??包括矩陣分解(如SVD、Cholesky分解等)和線性方程組的求解。

1.6 常用數據結構和算法：

??如查找表、優先隊列、k-最近鄰（k-NN）搜索等。

1.7 XML/YAML文件讀寫：

??提供了對XML和YAML格式文件的讀寫支持，可以保存和加載模型、參數等數據。

1.8 錯誤處理：

??包括錯誤處理機制和調試工具。

1.9時間測量：

??提供了用于時間測量的函數，可以用于性能分析和優化。

2.imgproc圖像處理

2.1 圖像濾波：

??包括各種圖像濾波器，如均值濾波、高斯濾波、中值濾波、雙邊濾波等，用于圖像平滑和去噪。

2.2 幾何變換：

??包括圖像的縮放、旋轉、平移、仿射變換和透視變換等。

2.3 圖像金字塔：

??支持圖像的高斯金字塔和拉普拉斯金字塔操作，用于多尺度圖像處理。

2.4 圖像閾值化：

??包括簡單閾值、自適應閾值和Otsu閾值等，用于圖像分割。

2.5邊緣檢測：

??包括Sobel算子、Scharr算子、Laplacian算子和Canny邊緣檢測等。

2.6 形態學操作：

??包括腐蝕、膨脹、開操作、閉操作、形態學梯度、頂帽、黑帽等，用于圖像形態學處理。

2.7 顏色空間轉換：

??支持多種顏色空間的轉換，如BGR與灰度圖、HSV、Lab、YUV等之間的轉換。

2.8 直方圖：

??包括直方圖計算、直方圖均衡化、直方圖比較和反向投影等。

2.9 圖像修復：

??包括圖像的內插和外推，用于修復圖像中的缺陷。

2.10 模板匹配：

??用于在圖像中搜索和定位模板圖像。

2.11 輪廓檢測與分析：

??包括輪廓檢測、輪廓特征提取（如周長、面積、矩、邊界框等）、輪廓近似和凸包計算等。

2.12 霍夫變換：

??用于檢測直線和圓，如霍夫線變換和霍夫圓變換。

2.13 圖像分割：

??包括分水嶺算法、GrabCut算法等，用于圖像的前景背景分割。

2.14 繪圖函數：

??用于在圖像上繪制基本圖形，如線條、矩形、圓形、多邊形、文本等。

2.15 傅里葉變換：

??支持圖像的傅里葉變換和逆傅里葉變換，用于頻域分析。

3. imgcodecs.圖像文件讀寫

3.1 圖像讀取：

??支持從文件中讀取圖像。可以讀取各種格式的圖像文件，如JPEG、PNG、TIFF、BMP、WebP等。

3.2 圖像寫入：

??支持將圖像保存到文件中。可以將圖像保存為不同格式的文件，如JPEG、PNG、TIFF、BMP、WebP等。

3.3 編碼參數設置：

??在保存圖像時，可以指定各種編碼參數，如JPEG的壓縮質量、PNG的壓縮級別等。

3.4 圖像編碼和解碼：

??支持將圖像數據編碼為內存中的特定格式（如JPEG、PNG）或從內存中的特定格式解碼為圖像數據。

3.5 多頁圖像支持：

??支持讀取和寫入多頁TIFF文件。

3.6 圖像質量評估：

??提供了圖像的質量評估函數，用于在編碼過程中控制圖像質量和文件大小的平衡。

4 Videoio視頻 I/O

4.1 視頻捕獲：

??通過攝像頭、視頻文件或網絡流捕獲視頻幀。支持多種格式和編碼類型。

4.2 視頻保存：

??將視頻幀保存為視頻文件，支持多種編碼器和文件格式，如AVI、MP4等。

4.3 視頻流讀取：

??讀取和解碼視頻文件或視頻流中的幀，用于視頻分析和處理。

4.4 視頻流寫入：

??編碼和寫入視頻幀到視頻文件或視頻流，支持設置編碼參數和輸出格式。

4.5 視頻幀獲取和設置：

??獲取和設置視頻流中的幀屬性，如幀寬度、幀高度、幀率、幀計數等。

4.6 攝像頭參數設置：

??設置攝像頭的參數，如曝光、亮度、對比度、飽和度等。

4.7 多平臺支持：

??支持多種操作系統和平臺，包括Windows、Linux和macOS。

4.8 視頻編解碼器支持：

??支持多種視頻編解碼器，如H.264、MPEG-4、MJPEG等。

5 highgui高級GUI

5.1 圖像顯示：

??使用cv::imshow函數在窗口中顯示圖像。可以創建多個命名窗口來顯示不同的圖像。

5.2 窗口管理：

??1.使用cv::namedWindow創建命名窗口。
??2使用cv::destroyWindow或cv::destroyAllWindows關閉一個或所有窗口。
??3.設置窗口屬性，如窗口大小、位置和自動大小調整。

5.3 用戶交互：

??1.使用cv::waitKey函數等待鍵盤輸入，可以捕捉用戶的按鍵操作。
??2.使用cv::setMouseCallback函數設置鼠標回調，處理鼠標事件，如單擊、拖動等。

5.4 軌跡條（滑動條）：

??1.使用cv::createTrackbar函數在窗口中創建軌跡條（滑動條），用于調整參數并實時查看效果。

5.5 圖像文件I/O：

??1.使用cv::imread函數讀取圖像文件，支持多種圖像格式如JPEG、PNG、BMP等。
??2.使用cv::imwrite函數保存圖像文件。

5.6 視頻顯示：

??使用cv::imshow函數顯示視頻幀，與videoio模塊結合使用，可以實時顯示攝像頭捕獲的視頻流或視頻文件的內容。

5.7 基本繪圖功能：

??提供繪制線條、矩形、圓、文字等基本繪圖功能，可以在顯示圖像或視頻幀上疊加圖形和文字。
??## 5.8 簡單GUI元素：
提供一些基本的GUI元素，如按鈕和復選框（在某些版本中可用）。

5.9 跨平臺支持：

??支持在不同操作系統（如Windows、Linux、macOS）上提供一致的圖形界面功能。

6 Video視頻分析

6.1 視頻捕獲：

??1.使用cv::VideoCapture類從攝像頭、視頻文件或圖像序列中捕獲視頻幀。
??2.支持各種視頻文件格式（如AVI、MP4）和圖像序列格式。

6.2 視頻編解碼：

??1.使用cv::VideoWriter類將圖像序列寫入視頻文件。
??2.支持多種視頻編解碼器（如MJPEG、H.264）。

6.3 視頻處理：

??1.提供函數進行視頻幀的處理，如背景減除、光流計算、對象跟蹤等。
??2.支持多種視頻處理算法，如KNN、MOG2背景減除算法。

6.4 對象跟蹤：

??提供多種對象跟蹤算法，如KLT(Kanade-Lucas-Tomasi)跟蹤器、CSRT、KCF等。

6.5 光流計算：

??1/使用cv::calcOpticalFlowPyrLK等函數計算稠密或稀疏光流。
??支持多種光流計算方法，如Farneback光流法。

6.6 視頻分析：

??1.提供運動檢測、前景分割等視頻分析功能。
??2.支持統計視頻中對象的運動軌跡和變化情況。

6.7 攝像頭接口：

??1.支持多種攝像頭接口，如USB攝像頭、IP攝像頭。
??2.提供攝像頭參數設置和查詢功能。

6.8 視頻幀處理工具：

??提供對視頻幀進行基本圖像處理的工具，如縮放、旋轉、裁剪等。

6.9時間戳處理：

??支持獲取視頻幀的時間戳，以便進行同步處理或分析。

7 calib3d相機校準和3D重建

7.1 相機校準：

??1.提供多種相機校準方法，用于估算相機內參和畸變系數，如cv::calibrateCamera、cv::fisheye::calibrate。
??2.支持單目相機校準和雙目相機校準(立體校準)。

7.2 立體視覺：

??1.提供立體匹配算法，如cv::StereoBM、cv::StereoSGBM，用于計算視差圖。
??2.支持立體整流(stereo rectification)，如cv::stereoRectify。

7.3 姿態估計：

??1.使用cv::solvePnP、cv::solvePnPRansac等函數根據2D圖像點和3D物體點估算相機姿態。
??2.提供cv::Rodrigues函數在旋轉矩陣和旋轉向量之間轉換。

7.4 三維重建：

??1.使用cv::reprojectImageTo3D函數根據視差圖重建三維點云。
??2.提供基礎矩陣、單應矩陣計算，如cv::findFundamentalMat、cv::findHomography。

7.5 畸變校正：

??1.提供函數用于矯正相機鏡頭的畸變，如cv::undistort、cv::initUndistortRectifyMap。
??2.支持魚眼鏡頭的畸變校正，如cv::fisheye::undistortImage。

7.6 圖像拼接：

??提供基于特征點的圖像拼接功能，如全景圖像的創建。

7.7 結構光：

??支持結構光掃描，用于三維重建。

7.8 外參估計：

??提供函數估計兩個相機之間的旋轉和平移，如cv::stereoCalibrate。

8 features2d 特征框架

8.1 特征檢測：

??提供多種特征檢測算法，如Harris角點檢測、FAST、STAR、SIFT、SURF、ORB等，用于檢測圖像中的關鍵點。

8.2 特征描述：

??提供多種特征描述子算法，如BRIEF、SIFT、SURF、ORB、FREAK等，用于計算圖像關鍵點的描述子。

8.3 特征匹配：

??1.提供多種特征匹配算法，如BFMatcher(Brute-Force Matcher)和FLANN-based Matcher，用于匹配不同圖像中的特征點。
??2.支持KNN(k近鄰)匹配和暴力匹配方法。

8.4 關鍵點檢測和描述：

??提供統一的接口，如cv::Feature2D類，可以同時進行特征檢測和描述，方便使用。

8.5 圖像對齊和拼接：

??使用特征點匹配實現圖像對齊和拼接，如全景圖像的創建。

8.6 局部特征提取和匹配：

??支持在圖像中提取局部特征點并進行匹配，用于圖像識別、物體識別和圖像檢索等應用。

8.7 多尺度特征檢測：

??支持在不同尺度下檢測特征點，適用于不同尺度的圖像處理。

8.8 特征點繪制：

??提供繪制函數，如cv::drawKeypoints、cv::drawMatches，用于在圖像中可視化特征點和匹配結果。

8.9 特征匹配過濾：

??提供基于距離比值的匹配過濾方法，如Lowe’s ratio test，用于去除錯誤匹配。

8.10 自適應特征檢測：

??支持自適應閾值和非最大抑制，提供更魯棒的特征檢測結果。

9 objdetect目標檢測

9.1 對象檢測：

??1.提供基于Haar級聯分類器(Haar Cascade)的對象檢測功能，如人臉檢測、眼睛檢測、車牌檢測等。
??2.提供基于LBP(局部二值模式)級聯分類器的對象檢測。

9.2 HOG特征和SVM檢測：

??1.使用Histogram of Oriented Gradients(HOG)特征結合支持向量機(SVM)進行行人檢測。
??2.提供預訓練的行人檢測模型，可以直接使用cv::HOGDescriptor類進行行人檢測。

9.3 人臉檢測和識別：

??1.提供DNN(深度神經網絡)模型用于人臉檢測和人臉關鍵點檢測，如cv::dnn::readNet加載預訓練的DNN模型。
??2.支持多種人臉檢測算法，如MTCNN、SSD(Single Shot Multibox Detector)等。

9.4 QR碼檢測：

??提供QR碼檢測和解碼功能，可以檢測圖像中的QR碼并提取其中的信息。

9.5 基于模板的對象檢測：

??使用模板匹配方法進行對象檢測，如cv::matchTemplate函數。

9.6 條形碼檢測：

??提供條形碼檢測功能，可以檢測和解碼一維條形碼和二維條碼。

9.7 自定義分類器訓練：

??提供工具和接口用于訓練自定義的Haar級聯分類器，用于檢測特定對象。

9.8 對象跟蹤：

??提供對象檢測和跟蹤的集成方法，結合檢測和跟蹤算法實現實時對象跟蹤。

9.9 人臉標志點檢測：

??提供人臉標志點檢測功能，可以檢測人臉的特征點，如眼睛、鼻子、嘴巴等。

10 dnn深度神經網絡模塊

10.1 深度學習模型加載和推理：

??1.支持加載多種深度學習框架的模型，包括Caffe、TensorFlow、Torch、Darknet、ONNX等。
??2.提供cv::dnn::readNet和cv::dnn::readNetFromONNX等函數加載模型。
??3.使用cv::dnn::Net類進行模型推理，包括前向傳播。

10.2 支持的層類型：

??提供多種神經網絡層類型，如卷積層、池化層、全連接層、激活層、歸一化層、RNN/LSTM層等，支持構建和運行復雜的神經網絡。

10.3 預處理和后處理：

??1.提供圖像預處理函數，如cv::dnn::blobFromImage，將圖像轉換為網絡輸入的格式。
??2.提供常用的后處理操作，如非極大值抑制(NMS)和檢測結果的解碼。

10.4 模型優化：

??支持對深度學習模型進行優化，如量化、剪枝和轉換，以提高推理速度和減少內存占用。

10.5 兼容性和硬件加速：

??1.支持CPU、GPU和OpenVINO等多種硬件加速平臺。
??2.提供對多種深度學習推理引擎的支持，如OpenCV自帶的推理引擎、Intel’s OpenVINO、NVIDIA TensorRT等。

10.6 模型的轉換工具：

提供工具和接口將其他框架的模型轉換為OpenCV可用的格式，如ONNX模型轉換工具。

10.7 端到端應用：

??支持構建端到端的深度學習應用，如物體檢測、圖像分類、語義分割、人臉識別等。

10.8 自定義層支持：

??允許用戶定義和使用自定義的神經網絡層，滿足特殊應用需求。

10.9 示例和預訓練模型：

??提供大量的示例代碼和預訓練模型，幫助用戶快速上手和開發深度學習應用。

10.10 模型部署：

??支持將深度學習模型部署到各種平臺，如嵌入式設備、服務器、移動設備等，實現實際應用。

11 ml機器學習

11.1 分類算法：

??支持多種分類算法，如k近鄰算法(k-Nearest Neighbors, KNN)、支持向量機(Support Vector Machine, SVM）、決策樹(Decision Trees)、隨機森林(Random Forests）、Boosting算法(如AdaBoost)等。

11.2 回歸算法：

??提供線性回歸(Linear Regression)和邏輯回歸(Logistic Regression)等回歸算法。

11.3 聚類算法：

??提供k均值聚類（k-Means Clustering）算法，用于對數據進行聚類分析。

11.4 貝葉斯分類：

??支持樸素貝葉斯分類器（Naive Bayes Classifier），適用于分類任務。

11.5 神經網絡：

??提供簡單的人工神經網絡（Artificial Neural Network, ANN）實現，包括多層感知器(Multilayer Perceptron, MLP)。

11.6 決策樹：

??提供CART（Classification and Regression Tree）決策樹算法，支持分類和回歸任務。

11.7 隨機森林：

??支持隨機森林算法（Random Forests），通過集成多個決策樹進行分類和回歸。

11.8 Boosting算法：

提供AdaBoost和Gradient Boosting算法，提升弱分類器的性能。

11.9 SVM(支持向量機)：

??支持線性和非線性支持向量機（SVM），可用于分類和回歸。

11.10 核函數：

??支持多種核函數（Kernel Functions），如線性核、RBF核、多項式核等，適用于支持向量機和其他核方法。

11.11 模型評估和交叉驗證：

??提供模型評估和交叉驗證工具，如K折交叉驗證（K-Fold Cross Validation）和混淆矩陣（Confusion Matrix），用于評估模型性能。

11.12 特征選擇：

??提供特征選擇和降維工具，如主成分分析（PCA）和特征重要性評估。

11.13 數據預處理：

??支持數據標準化、歸一化和分割，便于訓練和測試模型。

11.14 概率模型：

??支持隱馬爾可夫模型(Hidden Markov Model, HMM)和高斯混合模型(Gaussian Mixture Model, GMM)，用于時間序列分析和聚類。

11.15 集成學習：

??提供集成學習方法，通過集成多個弱學習器提高模型的泛化能力。

12 flann.多維空間中的聚類和搜索

12.1 快速最近鄰搜索：

??1.提供快速最近鄰搜索(Fast Approximate Nearest Neighbors, FLANN)功能，用于高維數據的快速最近鄰查找。
??2.支持多種近似最近鄰搜索算法，如k-d樹(k-d Tree)、LSH(Locality-Sensitive Hashing)等。

12.2 索引構建和查詢：

??1.提供構建不同類型索引的功能，如線性索引、k-d樹索引、k-means索引等，便于進行高效的最近鄰搜索。
??2.提供索引查詢功能，通過flann::Index類進行快速的最近鄰查詢。

12.3 參數自動調優：

??1.提供自動選擇最優參數的功能，確保在不同數據集上獲得最佳的搜索性能。
??2.支持通過參數優化算法自動選擇最佳的索引構建和搜索參數。

12.4 多維數據支持：

??1.支持對多維數據進行處理，適用于圖像特征匹配、圖像檢索、聚類分析等任務。
??2.提供高效的數據預處理和轉換功能，確保快速和準確的搜索結果。

12.5 可擴展性：

??1.支持擴展和定制化，允許用戶定義自定義距離度量和索引結構，以滿足特定應用需求。
??2.提供靈活的接口，便于集成到其他機器學習和計算機視覺應用中。

12.6 高效的內存管理：

??1.提供高效的內存管理策略，確保在處理大規模數據集時的性能和資源使用優化。
??2.支持內存映射文件，便于處理超大規模數據集。

12.7 并行處理：

??支持多線程并行處理，提高搜索速度和效率，特別是在大數據集和高維數據場景下。

12.8 跨平臺支持：

??提供跨平臺支持，適用于Windows、Linux、macOS等多種操作系統，確保廣泛的應用場景。

13 photo計算攝影

13.1 去噪算法：

??提供多種圖像去噪算法，如非局部均值去噪(Non-Local Means Denoising)、快速非局部均值去噪(Fast Non-Local Means Denoising)等，用于減少圖像中的噪聲。

13.2 圖像修復(Inpainting)：

??提供圖像修復算法，通過cv::inpaint函數實現，用于修復圖像中缺失或損壞的部分。支持基于紋理合成和基于區域增長的修復方法。

13.3 HDR(高動態范圍成像)：

??支持HDR圖像的生成和處理，包括多曝光圖像融合、色調映射（Tone Mapping）等。提供cv::createMergeMertens、cv::createMergeDebevec和cv::createMergeRobertson等函數用于HDR圖像生成。

13.4 色調映射(Tone Mapping)：

??提供多種色調映射算法，用于將HDR圖像轉換為可顯示的低動態范圍圖像。支持線性色調映射、Drago色調映射、Reinhard色調映射和Mantiuk色調映射等。

13.5 無縫克隆(Seamless Cloning)：

??提供無縫克隆算法，通過cv::seamlessClone函數實現，用于在目標圖像上無縫地合成源圖像內容。支持混合克隆和普通克隆兩種模式。

13.6 顏色轉移(Color Transfer)：

??提供顏色轉移算法，通過cv::colorChange函數實現，用于將源圖像的顏色特征轉移到目標圖像上，實現顏色風格化效果。

13.7 曝光補償(Exposure Compensation)：

??提供曝光補償功能，通過cv::createAlignMTB、cv::CalibrateDebevec等函數實現，用于對多曝光圖像進行對齊和曝光補償。

13.8 去閃爍(DeFlicker)：

??提供視頻去閃爍功能，通過多幀處理減少視頻中的閃爍現象，提高視頻質量。

13.9 邊緣保持濾波：

??提供邊緣保持濾波算法，如雙邊濾波(Bilateral Filter)、細節增強(Detail Enhancement)等，用于增強圖像細節和保持邊緣信息。

14 stitching.圖像拼接

14.1 圖像拼接：

??提供圖像拼接功能，通過cv::Stitcher類實現，將多張重疊圖像拼接成一張全景圖像。
支持全景圖像和寬視角圖像的生成。

14.2 特征檢測與匹配：

??提供特征檢測和匹配算法，如SIFT、SURF、ORB等，用于檢測圖像中的特征點，并在圖像之間進行特征匹配。

14.3 圖像配準：

??通過估計圖像間的變換矩陣，實現圖像配準。支持多種變換模型，如平移、仿射、透視變換等。

14.4 曝光補償：

??提供曝光補償功能，通過調整不同圖像的曝光度，使得拼接后的圖像具有一致的亮度。

14.5 圖像混合：

??提供圖像混合算法，使用多頻段融合(Multi-band Blending)技術，實現無縫的圖像拼接，減少拼接區域的縫隙和重影。

14.6 相機參數估計：

??提供相機參數估計功能，支持從多張圖像中估計相機的內部和外部參數，提高拼接的精度。

14.7 圖像矯正：

??提供圖像矯正功能，通過去除透視失真和徑向畸變，提高拼接圖像的質量。

14.8 旋轉和縮放：

??支持旋轉和縮放操作，以確保圖像在拼接前對齊。

14.9 多通道圖像支持：

??支持RGB、灰度和多通道圖像的拼接，適用于不同類型的圖像數據。

14.10 GPU加速：

??在支持的硬件上，提供GPU加速選項，以提高拼接處理的速度。

15 G-API.圖形 API

15.1 圖形處理管道(Graph API)：

??提供圖形處理管道功能，通過定義和執行圖像處理和計算機視覺任務的圖形結構，優化數據流和計算效率。

15.2 延遲計算(Lazy Evaluation)：

??支持延遲計算技術，避免不必要的計算和數據傳輸，僅在需要時執行圖像處理操作，提高整體性能。

15.3 跨平臺和設備支持：

??支持跨平臺運行，包括CPU、GPU和其他硬件加速設備，實現高效的圖像處理和計算。

15.4 自定義算子：

??允許用戶定義自定義算子(Custom Kernels)，擴展G-API的功能，滿足特定的圖像處理需求。

15.5 優化的內存管理：

??提供優化的內存管理策略，減少內存拷貝和數據冗余，提高處理速度和資源利用率。

15.6 易于集成：

??設計為易于與現有的OpenCV代碼和其他第三方庫集成，提供一致的API接口和兼容性。

15.7 高層次抽象：

??提供高層次的抽象，簡化圖像處理和計算機視覺任務的定義和實現，降低開發難度。

15.8 支持多種后端：

??支持多種后端，如OpenCL、CUDA、OpenVX嵌入式等，實現跨平臺和跨設備的優化加速。

15.9 流水線并行處理：

??支持流水線并行處理，提高多任務處理的效率和吞吐量。

15.10 可視化調試：

??提供可視化調試工具，幫助開發者理解和優化圖像處理管道，提高開發效率。

16.額外模塊：

alphamat. Alpha 摳圖
aruco. Aruco 標記（功能已移至 objdetect 模塊）
bgsegm. 改進的背景前景分割方法
bioinspired. 生物啟發的視覺模型及相關工具
cannops. Ascend 加速的計算機視覺
ccalib. 3D 重建的自定義校準模式
cudaarithm. 矩陣運算
cudabgsegm. 背景分割
cudacodec. 視頻編碼/解碼
cudafeatures2d. 特征檢測和描述
cudafilters. 圖像過濾
cudaimgproc. 圖像處理
cudalegacy. 舊版支持
cudaobjdetect. 物體檢測
cudaoptflow. 光流
cudastereo. 立體匹配
cudawarping. 圖像變形
cudev. 設備層
cvv. 用于計算機視覺程序交互式可視調試的 GUI
datasets. 用于處理不同數據集的框架
dnn_objdetect. 用于物體檢測的 DNN
dnn_superres. 用于超分辨率的 DNN
dpm. 變形部件模型
face. 面部分析
freetype. 使用 freetype/harfbuzz 繪制 UTF-8 字符串
fuzzy. 基于模糊數學的圖像處理
hdf. 層次數據格式 I/O 例程
hfs. 高效圖像分割的層次特征選擇
img_hash. 不同圖像哈希算法的實現
intensity_transform. 調整圖像對比度的強度變換算法的實現
julia. OpenCV 的 Julia 綁定
line_descriptor. 從圖像中提取線條的二進制描述符
mcc. Macbeth 色卡模塊
optflow. 光流算法
ovis. OGRE 3D 可視化工具
phase_unwrapping. 相位展開 API
plot. 用于 Mat 數據的繪圖功能
quality. 圖像質量分析（IQA）API
rapid. 基于輪廓的 3D 物體跟蹤
reg. 圖像配準
rgbd. RGB-深度處理
saliency. 顯著性 API
sfm. 從運動中重建結構
shape. 形狀距離和匹配
signal. 信號處理
stereo. 立體匹配算法
structured_light. 結構光 API
superres. 超分辨率
surface_matching. 表面匹配
text. 場景文本檢測和識別
tracking. 跟蹤 API
videostab. 視頻穩定
viz. 3D 可視化工具
wechat_qrcode. 用于檢測和解析二維碼的微信二維碼檢測器
xfeatures2d. 額外 2D 特征框架
ximgproc. 擴展圖像處理
xobjdetect. 擴展物體檢測
xphoto. 額外的照片處理算法