介绍
OpenCV是一个基于BSD许可（开源）发行的跨平台 计算机视觉库。
于1999年由Intel建立，如今由Willow Garage提供支持
它轻量级而且高效：由一系列 C 函数和少量 C++ 类构成
提供 Python、Java 、 MATLAB/OCTAVE（版本2.5）的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#、Ch、Ruby,GO的支持。
核心特性
| 类别 | 特性 | 描述 |
|---|---|---|
| 跨平台支持 | 多操作系统 | 支持 Windows、Linux、macOS、Android、iOS 等 |
| 编程语言 | 多语言接口 | C++（原生）、Python、Java、MATLAB/Octave 等 |
| 功能模块 | 全面覆盖 | 图像处理、特征检测、目标识别、机器学习、视频分析等 |
| 性能优化 | 高效计算 | 利用多核CPU、GPU（CUDA/OpenCL）加速，优化算法实现 |
| 开源协议 | BSD协议 | 免费用于商业和非商业用途，可自由修改和分发 |
| 社区支持 | 活跃生态 | 庞大的开发者社区，丰富的文档和教程资源 |
主要功能模块
- core：核心功能模块（矩阵操作、数据结构等）
- imgproc：图像处理（滤波、边缘检测、形态学操作等）
- imgcodecs：图像文件读写
- videoio：视频捕获和处理
- highgui：图形用户界面
- features2d：2D特征检测（SIFT、SURF、ORB等）
- objdetect：目标检测（人脸检测、Haar级联等）
- ml：机器学习算法（SVM、决策树、神经网络等）
- dnn：深度学习模块（支持TensorFlow、PyTorch模型）
- calib3d：相机标定和3D重建
支持平台
- Windows
- Linux
- Mac OS
- FreeBSD
- OpenBSD
- Android
- iOS
典型应用场景
计算机视觉：
- 人脸识别与检测
- 物体识别与跟踪
- 图像分割与重建
- 智能医疗
图像处理：
- 图像滤波与增强
- 特征提取与匹配
- 全景拼接
视频分析：
- 运动检测
- 行为识别
- 视频稳定
深度学习：
- 目标检测（YOLO、SSD）
- 图像分类
- 语义分割
工业与机器人：
- 视觉导航（汽车自动驾驶）
- 质量检测
- 3D重建
为什么有OpenCV
计算机视觉市场巨大而且持续增长，且这方面没有标准API，如今的计算机视觉软件大概有以下三种：
研究代码（慢，不稳定，独立并与其他库不兼容）
耗费很高的商业化工具（比如Halcon, MATLAB+Simulink）
依赖硬件的一些特别的解决方案（比如视频监控，制造控制系统，医疗设备）这是如今的现状，而标准的API将简化计算机视觉程序和解决方案的开发，OpenCV致力于成为这样的标准API。
OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库（Integrated Performance Primitives）得到更快的处理速度。
下图为OpenCV与当前其他主流视觉函数库的性能比较。
引用：
https://baike.baidu.com/item/opencv/10320623