opencv官方源码与核心文档

人工智能 2026-06-01 09:36:38

📦 一、官方源码与核心文档

这里包含了你编程和查阅资料最常使用的官方入口。

资源类型	说明	地址
源码主仓库	GitHub主库，包含全部核心源码和示例	https://github.com/opencv/opencv
扩展模块仓库	包含实验性、非免费（专利）算法	https://github.com/opencv/opencv_contrib
版本发布下载	下载稳定版源码压缩包（.zip/.tar.gz）	https://github.com/opencv/opencv/releases
API 文档入口	官方技术文档首页，可查询类和函数	https://docs.opencv.org
Python 教程	针对 Python 用户的官方入门教程	https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html
中文文档镜像	访问更快的中文版教程	https://docs.opencv.ac.cn

提示：访问官方文档时，建议先在左上角下拉菜单确认版本号（如4.x），确保与你本地库版本一致，避免因API变更导致报错。

📚 二、学习教程与示例项目

这部分资源可以帮助你从理论进阶到实践。

类型	名称/简介	特点与地址
高质量教程	LearnOpenCV 由业内专家维护的知名网站，内容非常深入。	提供大量C++/Python实战教程和代码，紧跟业界前沿（如YOLO、Transformers）。 🔗 官网：https://learnopencv.com 🐙 GitHub：github.com/spmallick/learnopencv
入门视频课程	freeCodeCamp 课程 4小时左右的视频课程，配有完整代码。	适合零基础快速上手Python和OpenCV。项目实战包括“辛普森一家”角色分类等趣味内容。 🐙 GitHub：github.com/jasmcaus/opencv-course
官方社区	OpenCV Answers / Forum	遇到Bug或疑难杂症时，可以在此提问或搜索历史解答。 🔗 地址：https://answers.opencv.org

samples/python/
│
├── 1. 核心功能与基础操作 (core/)
│ ├── 图像基本操作：读写、显示、像素访问、颜色空间转换 (mat_operations.py)
│ ├── 图像融合 (adding_images.py)
│ ├── 离散傅里叶变换 (discrete_fourier_transform.py)
│ ├── 文件输入输出（XML/YAML） (file_input_output.py)
│ └── 图像掩膜操作 (mat_mask_operations.py)
│
├── 2. 图像处理 (imgproc/)
│ ├── 图像滤波与平滑 (smoothing.py)
│ ├── 形态学操作 (morphology.py, morphology_1.py, morphology_2.py)
│ │ ├── 腐蚀与膨胀 (morphology_1.py)
│ │ ├── 开闭运算等 (morphology_2.py)
│ │ └── 提取水平/垂直线 (morph_lines_detection.py)
│ ├── 阈值分割 (threshold.py, threshold_inRange.py)
│ ├── 边缘检测
│ │ ├── Canny算子 (edge.py, CannyDetector_Demo.py)
│ │ ├── Sobel算子 (sobel_demo.py)
│ │ └── Laplacian算子 (laplace_demo.py, laplace.py)
│ ├── 几何变换
│ │ ├── 仿射变换 (Geometric_Transforms_Demo.py)
│ │ ├── 透视变换 (perspective_correction.py)
│ │ └── 图像缩放与金字塔 (pyramids.py)
│ ├── 霍夫变换
│ │ ├── 霍夫线变换 (hough_lines.py, hough_line_transform.py)
│ │ └── 霍夫圆变换 (hough_circles.py, hough_circle.py)
│ ├── 直方图 (hist.py, color_histogram.py)
│ │ ├── 直方图计算与比较 (calcHist_Demo.py, compareHist_Demo.py)
│ │ ├── 直方图均衡化 (EqualizeHist_Demo.py)
│ │ └── 反向投影 (calcBackProject_Demo1/2.py)
│ ├── 图像分割
│ │ ├── GrabCut 算法 (grabcut.py)
│ │ ├── 分水岭算法 (watershed.py)
│ │ └── 各向异性分割 (anisotropic_image_segmentation.py)
│ ├── 模板匹配 (match_template.py, mouse_and_match.py)
│ ├── 图像修复 (inpaint.py)
│ └── 基本绘图 (drawing.py, basic_geometric_drawing.py)
│
├── 3. 二维特征框架 (features2d/)
│ ├── 特征检测与匹配
│ │ ├── AKAZE (AKAZE_match.py)
│ │ ├── SURF（有专利） (SURF_*_demo.py)
│ │ ├── ORB + FLANN 匹配 (feature_homography.py)
│ │ └── ASIFT (asift.py)
│ ├── 图像拼接 (stitching.py, stitching_detailed.py, panorama_stitching_rotating_camera.py)
│ └── 寻找对象 (find_obj.py)
│
├── 4. 视频分析 (video/)
│ ├── 背景减除 (bg_sub.py)
│ ├── 光流法
│ │ ├── 稀疏光流 (LK_track.py, optical_flow.py)
│ │ ├── 密集光流 (optical_flow_dense.py)
│ │ └── DIS 光流 (dis_opt_flow.py)
│ ├── 目标跟踪
│ │ ├── Meanshift 和 Camshift (meanshift.py, camshift.py)
│ │ ├── MOSSE 跟踪器 (mosse.py)
│ │ └── 通用跟踪器接口 (tracker.py)
│ └── 视频处理 (video.py, video_threaded.py)
│
├── 5. 相机标定与三维视觉 (calib3d/)
│ ├── 相机标定 (calibrate.py, camera_calibration_show_extrinsics.py)
│ ├── 立体匹配 (stereo_match.py)
│ └── 本质矩阵估计 (essential_mat_reconstr.py)
│
├── 6. 机器学习 (ml/)
│ ├── K-Means 聚类 (kmeans.py)
│ ├── 主成分分析 (introduction_to_pca.py, pca.py)
│ ├── 支持向量机
│ │ ├── 线性 SVM (introduction_to_svm.py)
│ │ └── 非线性 SVM (non_linear_svms.py)
│ ├── 高斯混合模型 (gaussian_mix.py)
│ └── 手写数字识别 (digits.py, digits_adjust.py)
│ └── 结合 SVM 与 KNN
│
├── 7. 目标检测 (objdetect/)
│ ├── 人脸检测 (facedetect.py)
│ ├── 行人检测 (peopledetect.py)
│ └── 二维码检测 (qrcode.py)
│
├── 8. 高级与专项功能
│ ├── 计算摄影学 (photo/)：高动态范围成像 (hdr_imaging.py)
│ ├── 形状分析 (shape/)
│ │ ├── 轮廓查找与绘制 (contours.py, generalContours_demo1/2.py)
│ │ ├── 凸包 (hull_demo.py)
│ │ └── 图像矩 (moments_demo.py)
│ ├── 图像增强
│ │ ├── 图像去噪 (deconvolution.py)
│ │ └── 纹理流动 (texture_flow.py)
│ └── 实用工具
│ ├── 文本倾斜校正 (text_skewness_correction.py)
│ ├── 方形检测 (squares.py)
│ ├── 平面跟踪 (plane_tracker.py)
│ └── 辅助函数 (common.py)