本文分享内容来自图书《学习OpenCV 4：基于Python的算法实战》，该书刚刚上市，是国内第一本系统讲解OpenCV4各个模块的图书，配套案例深入浅出的讲解。第一章有在各个平台搭建环境的介绍，后面每个章节都有对模块的导读、模块经典算法的案例介绍以及进阶阅读，适合图像处理、计算机视觉领域的初学者以及相关的工程开发人员。目录如下：

第1章 OpenCV快速入门；
第2章 图像读写模块imgcodecs；
第3章 核心库模块core；
第4章 图像处理模块imgproc（一）；
第5章 图像处理模块imgproc（二）；
第6章 可视化模块highgui；
第7章 视频处理模块videoio；
第8章 视频分析模块video；
第9章 照片处理模块photo；
第10章 2D特征模块features2d；
第11章 相机标定与三维重建模块calib3d；
第12章 传统目标检测模块objdetect；
第13章 机器学习模块ml；
第14章 深度神经网络模块dnn

欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV 4：基于Python的算法实战》，两本书都以通俗易懂的讲解、丰富的案例帮助初学者学习视觉与图像方向的知识。欢迎关注公众号“计算机视觉与OpenCV”获取更多的学习资料。
OpenCV为开源软件，读者可以阅读其文档和源码了解代码结构，整个算法库的框架如图1.30所示。
图1.30
OpenCV的源码中，在modules路径下存放着OpenCV的所有模块，最重要的模块就是内核模块core与图像处理模块imgproc。本书后续章节将分模块介绍，结合案例讲解OpenCV的使用，本节介绍常用模块以及常用扩展模块的功能。

1.3.1 常用模块

OpenCV4中包含的模块有21个，每个模块都被保存在一个单独的子目录中，如图1.31所示。

图1.31
各模块的功能如下。
calib3d：该模块由相机校准（calibration）和三维重建（3d）两个部分组成，主要用于相机标定与三维视觉等；
core：OpenCV的内核模块，定义了基础数据结构与基础计算；
dnn：该模块主要用于深度学习推理部署，不支持模型训练；
features2d：该模块主要用于特征点处理，例如特征点检测与匹配等；
flann：FLANN为快速最近邻算法（Fast Library for Approximate Nearest Neighbors）的缩写，该模块包含快速近似最近邻搜索和聚类等功能；
gapi：该模块对图像处理算法做了加速处理，不属于OpenCV的功能模块；
highgui：该模块用于创建图像化界面操作，例如创建和操作图像显示窗口、鼠标与键盘事件处理，进度条等图像化交互操作；
imgcodecs：该模块负责图像文件读写，如图像读取与保存；
imgproc：该模块是OpenCV图像处理最重要的模块，主要功能如图像滤波、图像几何变换、直方图操作等；
ml：该模块为机器学习模块，包含常见的机器学习算法，如支持向量机和随机森林等；
objdetect：该模块主要用于图像目标检测，例如Haar特征检测等；
photo：该模块主要负责照片处理，如照片修复和去噪等；
stitching：该模块负责图像拼接，功能包括图像特征点寻找与匹配等图像拼接技术；
video：该模块用于视频分析，如运动估计、背景分离等；
videoio：该模块负责视频读写，主要视频文件的读取和写入。

1.3.2 扩展模块

OpenCV在视觉算法中的功能非常强大，其中一个原因就是该算法库一直在与时俱进的更新最新的算法，对于具有专利的算法（如SURF）以及一些还没有稳定的算法，OpenCV会将其置于扩展模块中，这些扩展模块包含在opencv_contrib代码库中。对于稳定的算法，会被移到OpenCV主仓库代码中，因此读者需要谨慎的使用opencv_contrib，因为不同版本的函数可能存在差异。
在OpenCV 3.x版本之后，opencv_contrib就不再包含于OpenCV源码中，opencv_contrib的源码可以在Github上下载，然后参与OpenCV源码编译，编译方法将在案例5中讲解。
opencv_contrib的模块及其功能说明如下。
alphamat：Alpha Matting信息流算法；
aruco：增强现实标记算法；
barcode：条形码检测与解码方法；
bgsegm：增强背景-前景分割算法；
bioinspired：仿生学视觉模型和衍生工具；
ccalib：用于三维重建的自定义校准模式；
cudaarithm：CUDA矩阵运算；
cudabgsegm：CUDA背景分割；
cudacodec：CUDA视频编解码；
cudafeatures2d：CUDA特征检测与描述；
cudafilters：CUDA图像滤波；
cudaimgproc：CUDA图像处理；
cudalegacy：CUDA传统支持；
cudaobjdetect：CUDA目标检测；
cudaoptflow：CUDA光流算法；
cudastereo：CUDA立体匹配；
cudawarping：CUDA图像扭曲；
cudev：CUDA设备层；
cvv：计算机视觉程序交互式可视化调试的GUI；
datasets：用于处理不同数据集的框架；
dnn_objdetect：基于DNN的目标检测；
dnn_superres：基于DNN的超分；
dpm：基于可变形零件的模型；
face：人脸分析；
freetype：使用freetype/harfbuzz绘制UTF-8字符串；
fuzzy：基于模糊数学的图像处理；
hdf：分层数据格式I/O例程；
hfs：基于层次特征选择的图像分割方法；
img_hash：该模块提供了不同的图像哈希算法的实现；
intensity_transform：该模块提供了用于调整图像对比度的强度变换算法的实现；
julia：OpenCV Julia绑定；
line_descriptor：用于从图像中提取线条的二进制描述符；
mcc：Macbeth图表模块；
optflow：光流算法；
ovis：OGRE三维可视化器；
phase_unwrapping：相位展开API；
plot：Mat数据绘制函数；
quality：图像质量分析API；
rapid：基于轮廓的三维目标跟踪；
reg：图像配准；
rgbd：RGB深度处理；
saliency：显著性API；
sfm：运动结构分析；
shape：形状距离与匹配；
stereo：立体匹配算法；
structured_light：结构光API；
superres：超分模块；
surface_matching：曲面匹配；
text：场景文字检测与识别；
tracking：追踪API；
videostab：视频稳定；
viz：三维可视化器；
wechat_qrcode：微信二维码检测器，用于检测和解析二维码；
xfeatures2d：features2d扩展模块；
ximgproc：imgproc扩展模块；
xobjdetect：objdetect扩展模块；
xphoto：photo扩展模块。