OpenCV庫檔案介紹
以前都是直接用opencv，都沒有仔細研究過，這次把庫檔案都介紹一下。
1、build和source
當我們安裝完opencv中，你會發現在opencv資料夾中有兩個資料夾，build和source，那它們分別是幹什麼的呢。
首先說這兩者的關係，sources放的是opencv中的cpp檔案，相當於一個工廠，build放的是opencv中的h、hpp、lib檔案，相當於一個工具，opencv的開發者（當然開源後的使用者也可以）通過sources中的原始檔，構建出build中的庫檔案，然後使用者就可以連結這些庫，include<標頭檔案>。一般非開源的程式和庫是不開放sources的，而opencv作為一個開源庫，這些也是使用者可見的。
source裡面是各種各樣的函式實現，對於只想用opencv的人來說，只關心我怎麼用，於是開發者就會使用這些原始檔構建出庫，這些庫裡面包含了函式實現。這些庫就是各種lib，然後還有標頭檔案。
build裡面只有介面，沒有cpp中的實現什麼的，build是對使用者的，使用者只用知道介面就行了，不需要知道這個是怎麼做到的。當然因為opencv開源，所以使用者也可以直接檢視原始檔。
具體來說，soucees裡面放的是函式具體的實現，比如有gray方法，對一個mat的畫素怎麼使它變成灰度化。
使用者include<標頭檔案>，標頭檔案裡面是各種介面，比如gray，就是一個gray（MAt img），使用者連結這些庫，inluce<標頭檔案>，然後在程式中呼叫gray，然後程式執行的時候會進行連結時，在各種依賴庫中尋找gray的實現，因為我們連線了opencv的庫，所以在opencv的lib中就找到了gray的實現，然後就呼叫這個實現，然後就灰度化了，就是這個麼過程。
舉個不是很恰當的例子，build就像是賣給使用者的macbook，使用者只用知道怎麼用，這個作業系統很好用，不卡，不用知道這個作業系統怎麼實現了。怎麼實現的就在source裡面，非開源的程式和庫是不可能讓你看到source的。
2、build
在build資料夾中，如下，
.
首先，doc資料夾下放的是各種關於opencv的文件；include資料夾下是所有的標頭檔案；其餘四個分別是：一個給java用的庫、一個給python用、一個給x86win用、一個給x64win用。兩個cmake檔案都是cmake的一些配置，很強大的編譯工具。
2.1 include
分為opencv和opencv2.
.
1、opencv
其中cv.h中包含的標頭檔案：
#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/video/tracking.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/flann/flann.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/legacy/compat.hpp"cv.hpp中包含標頭檔案：
#include <cv.h>也就是說cv.hpp是包含cv.h的，程式中凡用到cv.h的地方都可以用cv.hpp 替換，那麼為什麼又要設定hpp檔案呢？
hpp是Header Plus Plus的簡寫，與 .h 檔案類似。但與之不同的是，.hpp將*.cpp中的實現程式碼也寫入其中，使得定義與實現都包含在同一檔案中。這樣做帶來的好處顯而易見，無需再將cpp檔案新增到專案中編譯，減少了編譯次數，也不用釋出煩人的lib,dll 檔案，因此非常適合用來編寫公用的開源庫。
資料夾opencv中的標頭檔案都是類似的，均包含資料夾opencv2裡的標頭檔案。所以我們如果是從低版本的opencv學習過渡到高版本的opencv的話，如果不適應可以先以opencv資料夾裡的檔案呼叫為標準。如果熟悉opencv裡的函式分佈，也可以直接呼叫opencv2資料夾裡的具體標頭檔案，這樣在標頭檔案預編譯提高效率。
2、opencv2
先看opencv.hpp檔案：
#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
#include "opencv2/flann/miniflann.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/photo/photo.hpp"
#include "opencv2/video/video.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/ml/ml.hpp"
#include "opencv2/highgui/highgui_c.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/contrib/contrib.hpp"很明顯opencv.hpp的標頭檔案包含了opencv庫裡的所有標頭檔案。
接著看opencv_modules.hpp檔案：
#define HAVE_OPENCV_CALIB3D
#define HAVE_OPENCV_CONTRIB
#define HAVE_OPENCV_CORE
#define HAVE_OPENCV_FEATURES2D
#define HAVE_OPENCV_FLANN
#define HAVE_OPENCV_GPU
#define HAVE_OPENCV_HIGHGUI
#define HAVE_OPENCV_IMGPROC
#define HAVE_OPENCV_LEGACY
#define HAVE_OPENCV_ML
#define HAVE_OPENCV_NONFREE
#define HAVE_OPENCV_OBJDETECT
#define HAVE_OPENCV_OCL
#define HAVE_OPENCV_PHOTO
#define HAVE_OPENCV_STITCHING
#define HAVE_OPENCV_SUPERRES
#define HAVE_OPENCV_TS
#define HAVE_OPENCV_VIDEO
#define HAVE_OPENCV_VIDEOSTAB其解釋如下：
【calib3d】：其實就是就是Calibration（校準）加3D這兩個詞的組合縮寫。這個模組主要是相機校準和三維重建相關的內容。基本的多視角幾何演算法，單個立體攝像頭標定，物體姿態估計，立體相似性演算法，3D資訊的重建等等。
【contrib】：也就是Contributed/Experimental Stuf的縮寫， 該模組包含了一些最近新增的不太穩定的可選功能，不用去多管。2.4.8之後有新型人臉識別， 立體匹配 ，人工視網膜模型等技術。
【core】： 核心功能模組，尤其是底層資料結構和演算法函式。包含如下內容：
- OpenCV基本資料結構
- 動態資料結構
- 繪圖函式
- 陣列操作相關函式
- 輔助功能與系統函式和巨集
【imgproc】： Image和Processing這兩個單詞的縮寫組合。影象處理模組，這個模組包含了如下內容：
- 線性和非線性的影象濾波
- 影象的幾何變換
- 其它（Miscellaneous）影象轉換
- 直方圖相關
- 結構分析和形狀描述
- 運動分析和物件跟蹤
- 特徵檢測
【features2】： d也就是Features2D， 2D功能框架 ，包含興趣點檢測子、描述子以及興趣點匹配框架。包含如下內容：
- 特徵檢測和描述
- 特徵檢測器（Feature Detectors）通用介面
- 描述符提取器（Descriptor Extractors）通用介面
- 描述符匹配器（Descriptor Matchers）通用介面
- 通用描述符（Generic Descriptor）匹配器通用介面
【flann】： Fast Library for Approximate Nearest Neighbors，高維的近似近鄰快速搜尋演算法庫， 包含兩個部分：快速近似最近鄰搜尋和聚類。
【gpu】： 運用GPU加速的計算機視覺模組。
【highgui】： 也就是high gui，高層GUI圖形使用者介面，包含媒體的I / O輸入輸出， 視訊捕捉、影象和視訊的編碼解碼、圖形互動介面的介面等內容。
【legacy】： 一些已經廢棄的程式碼庫，保留下來作為向下相容，包含如下相關的內容。
- 運動分析
- 期望最大化
- 直方圖
- 平面細分（C API）
- 特徵檢測和描述（Feature Detection and Description）
- 描述符提取器（Descriptor Extractors）的通用介面
- 通用描述符（Generic Descriptor Matchers）的常用介面
【ml】： Machine Learning，機器學習模組， 基本上是統計模型和分類演算法，包含如下內容。
- 統計模型 （Statistical Models）
- 一般貝葉斯分類器 （Normal Bayes Classifier）
- K-近鄰 （K-NearestNeighbors）
- 支援向量機 （Support Vector Machines）
- 決策樹 （Decision Trees）
- 提升（Boosting）
- 梯度提高樹（Gradient Boosted Trees）
- 隨機樹 （Random Trees）
- 超隨機樹 （Extremely randomized trees）
- 期望最大化 （Expectation Maximization）
- 神經網路 （Neural Networks）
- MLData
【nonfree】： 也就是一些具有專利的演算法模組 ，包含特徵檢測和GPU相關的內容。最好不要商用，可能會被告哦。
【objdetect】： 目標檢測模組，包含Cascade Classification（級聯分類）和Latent SVM這兩個部分。
【ocl】： 即OpenCL-accelerated Computer Vision，運用OpenCL加速的計算機視覺元件模組。
【photo】： 也就是Computational Photography，包含影象修復和影象去噪兩部分。
【stitching】： images stitching，影象拼接模組，包含如下部分。
- 拼接流水線
- 特點尋找和匹配影象
- 估計旋轉
- 自動校準
- 圖片歪斜
- 接縫估測
- 曝光補償
- 圖片混合
【superres】： SuperResolution，超解析度技術的相關功能模組。
【ts】： opencv測試相關程式碼，不用去管他。
【video】： 視訊分析元件，該模組包括運動估計，背景分離，物件跟蹤等視訊處理相關內容。
【Videostab】： Video stabilization，視訊穩定相關的元件。
2.2 X64和X86
首先，這裡面放的都是一些庫檔案，只不過X64面向64位，X86是32位的，然後以X64為例，
.
.
這是代表編譯給不同版本的visual studio用的庫，這裡以vc12為例。
.
.
bin資料夾下：dll檔案，動態連結庫。具體實現的內容。計算機環境變數中，這個路徑是要加到path中的。
lib資料夾下：配置opencv環境時，新增的lib庫。用來連結。
staticlib資料夾下：靜態庫。
靜態庫是編譯時就把整個函式載入進去，所以可執行檔案會變大。動態庫是編譯時加進去的是一個函式表，執行時才會從dll裡面載入對應的函式實現。
這裡參考於部落格給出一個關於dll和lib的解釋。
共有兩種庫：
- 一種是LIB包含了函式所在的DLL檔案和檔案中函式位置的資訊（入口），程式碼由執行時載入在程序空間中的DLL提供，稱為動態連結庫dynamic link library。
- 一種是LIB包含函式程式碼本身，在編譯時直接將程式碼加入程式當中，稱為靜態連結庫static link library。
共有兩種連結方式：
- 動態連結使用動態連結庫，允許可執行模組（.dll檔案或.exe檔案）僅包含在執行時定位DLL函式的可執行程式碼所需的資訊。
- 靜態連結使用靜態連結庫，連結器從靜態連結庫LIB獲取所有被引用函式，並將庫同程式碼一起放到可執行檔案中。
關於lib和dll的區別如下：
lib是編譯時用到的，dll是執行時用到的。如果要完成原始碼的編譯，只需要lib；如果要使動態連結的程式執行起來，只需要dll。
如果有dll檔案，那麼lib一般是一些索引資訊，記錄了dll中函式的入口和位置，dll中是函式的具體內容；如果只有lib檔案，那麼這個lib檔案是靜態編譯出來的，索引和實現都在其中。使用靜態編譯的lib檔案，在執行程式時不需要再掛動態庫，缺點是導致應用程式比較大，而且失去了動態庫的靈活性，釋出新版本時要釋出新的應用程式才行。
動態連結的情況下，有兩個檔案：一個是LIB檔案，一個是DLL檔案。LIB包含被DLL匯出的函式名稱和位置，DLL包含實際的函式和資料，應用程式使用LIB檔案連結到DLL檔案。在應用程式的可執行檔案中，存放的不是被呼叫的函式程式碼，而是DLL中相應函式程式碼的地址，從而節省了記憶體資源。DLL和LIB檔案必須隨應用程式一起發行，否則應用程式會產生錯誤。如果不想用lib檔案或者沒有lib檔案，可以用WIN32 API函式LoadLibrary、GetProcAddress裝載。
3、sources
。
- samples：是一些簡短的學習用例。
- modules：包含了所有的原始檔。
- doc：是一些文件，包含一些教程。
- include：是所有的標頭檔案。包含opencv和opencv2。
- 3rdparty：第三方庫，如ffmpeg視訊編碼等。
- apps：一些應用，比如級聯分類器，haar特徵分類器。
- cmake：編譯相關。
- data：級聯分類器的一些資料。比如人臉檢測、人眼檢測等。
- platform：平臺相關，iOS、Android、Linux、script、win。