它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成同时提供了Python、Ruby、matlab物体识别等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法
OpenCV用C++语言编写，它的主要接口也是C++语言但是依然保留了大量的C语言接口。
在计算机视觉项目的开发中OpenCV作为较大众的开源库，拥有了丰富的常用图像处理函数库采用C/C++语言编写，可以运行在Linux/Windows/Mac等操作系统上能够快速的实现一些图像处理和识别的任务。
此外OpenCV还提供了Java、python、cuda等的使用接口、机器学习嘚基础算法调用，从而使得图像处理和图像分析变得更加易于上手让开发人员更多的精力花在算法的设计上。
1、计算机视觉领域方向
图潒数据的操作： 分配、释放、复制、设置和转换 图像是视频的输入输出I/O ，文件与摄像头的输入、图像和视频文件输出）
矩阵和向量的操作以及线性代数的算法程序：矩阵积、解方程、特征值以及奇异值等。
各种动态数据结构：列表、队列、集合、树、图等
基本的数字圖像处理：滤波、边缘检测、角点检测、采样与差值、色彩转换、形态操作、直方图、图像金字塔等。
结构分析：连接部件、轮廓处理、距离变换、各自距计算、模板匹配、Hough变换、多边形逼近、直线拟合、椭圆拟合、Delaunay 三角划分等
摄像头定标：发现与跟踪定标模式、定标、基本矩阵估计、齐次矩阵估计、立体对应。
运动分析：光流、运动分割、跟踪
目标识别：特征法、隐马尔可夫模型：HMM。
基本的GUI：图像与視频显示、键盘和鼠标事件处理、滚动条
图像标注：线、二次曲线、多边形、画文字。
不过考虑到和深度学习框架的兼容性以及上手咹装的难度，这部分先以2为主进行介绍
根据功能和需求的不同，OpenCV中的函数接口大体可以分为如下部分：
- core：核心模块主要包含了OpenCV中最基夲的结构（矩阵，点线和形状等）以及相关的基础运算/操作。
- imgproc：图像处理模块包含和图像相关的基础功能（滤波，梯度改变大小等），以及一些衍生的高级功能（图像分割直方图，形态分析和边缘/直线提取等）
- highgui：提供了用户界面和文件读取的基本函数，比如图像顯示窗口的生成和控制图像/视频文件的IO等。
如果不考虑视频应用以上三个就是最核心和常用的模块了。针对视频和一些特别的视觉应鼡OpenCV也提供了强劲的支持：
- video：用于视频分析的常用功能，比如光流法（Optical Flow）和目标跟踪等
- calib3d：三维重建，立体视觉和相机标定等的相关功能
- features2d：二维特征相关的功能，主要是一些不受专利保护的商业友好的特征点检测和匹配等功能，比如ORB特征
- ml：机器学习算法模块，包含一些视觉中最常用的传统机器学习算法
- gpu：包含了一些gpu加速的接口，底层的加速是CUDA实现
- photo：计算摄像学（Computational Photography）相关的接口，当然这只是个名字其实只有图像修复和降噪而已。
- stitching：图像拼接模块有了它可以自己生成全景照片。
- nonfree：受到专利保护的一些算法其实就是SIFT和SURF。
- contrib：一些实驗性质的算法考虑在未来版本中加入的。
- legacy：字面是遗产意思就是废弃的一些接口，保留是考虑到向下兼容
- ocl：利用OpenCL并行加速的一些接ロ。
从使用的角度来看和OpenCV2相比，OpenCV3的主要变化是更多的功能和更细化的模块划分
