本次将主要讲解一下OpenCV的整体框架，这样会更有利于我们学习和运用该开源工具。OpenCV主要包含下下三部分：
1、opencv-主要分支，包含核心类型和函数，稳定的算法，构建的脚本和工具；
2、opencv-contribute – 包含实验和不稳定的算法，需要主分支去创建；
3、opencv-extra-包含用于测试的数据以及各项文件；
今天我们将首要说明一下，opencv主要分支中包含的内容：
B站视频链接：https://space.bilibili.com/299713444
core（core functionality核心函数）：
基本结构、C结构及操作、数组操作、异步API、XML/YAML文件操作、聚类、实用程序和系统函数及宏、OpenGL 互操作性、英特尔IPP异步 C/C++ 转换器、优化算法、DirectX 互操作性、支持Eigen、支持OpenCL、英特尔VA-API/OpenCL（CL-VA）互操作性、硬件加速层、并行处理
imgproc（Image Processing）图像处理：
图像滤波、几何图像变换、其它图像变换、绘制函数、颜色空间转换、OpenCV中颜色映射、平面细分、直方图、结构分析和形状描述、运动分析与目标跟踪、特征检测、目标检测、图像分割、C API、硬件加速层
imgcodecs（Image file reading and writing）图像文件读取和写入：
图像读取和写入、CGImage与Mat转换、UIImage与Mat转换
videoio（video I/O）视频接口：
视频输入和输出接口
highgui（Highgui-level GUI）高级GUI：
与创建和操作HighGUI窗口和鼠标事件相关的标志、支持OpenGL、Qt新函数、支持WinRT
video（Video Analysis）视频分析：
运动分析、目标跟踪
calib3d（Camera Calibration and 3D Reconstruction ）
相机标定和3D重建：
鱼眼相机模型、立体深度求解
features2d（2D Features Framework 2D）特征框架：
特征检测和描述、匹配描述符、关键点与匹配点绘制函数、目标分类
objdetect（Object Detection ） 目标检测：
级联分类器、HOG描述子、QRCode描述子
dnn（Deep Neural Network module ）深度神经网络模块：
实现层部分列表
ml (Machine Learning) 机器学习算法：
Boost、SVM、最大期望、逻辑回归等
flann
Clustering and search in Multi-Dimensional Spaces
多维空间中的聚类和搜索
photo（Computational Photography ）计算摄影：
区域临近修复图像选中区域、去噪处理、高动态渲染图像处理、对比度保持去色、无缝克隆、非真实感渲染
stitching （Images stitching ）图像拼接：
特征提取和匹配、旋转估计、自动标定、图像变换、接缝评估、曝光补偿、图像融合
gapi （Graph API ）图形API：
目的是使常规图像处理快速处理和移植
下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料
