opencv常用算法

OpenCV是一个广泛用于计算机视觉和机器学习的开源库，其中包含了许多常用的图像处理和计算机视觉算法。以下是一些常见的OpenCV算法：

1. **特征检测**：SIFT (尺度不变特征变换) 和 SURF ( Speeded Up Robust Features) 用于检测稳定的图像特征点，这对于目标跟踪、物体识别等任务很重要。

2. **模板匹配**：matchTemplate() 函数用于在一幅较大的图像中寻找与给定小图像相似的部分，常用于车牌识别和图像搜索。

3. **边缘检测**：Canny算子是检测图像中边缘的一种经典方法，OpenCV有现成的函数cvtColor() 或 Canny() 来实现。

4. **角点检测**：如GoodFeaturesToTrack() 可以找出图像中的关键点，并估计它们的方向。

5. **图像分割**：例如阈值分割（thresholding）、区域生长（region growing）和分水岭算法（watershed）对复杂背景下的对象分离有用。

6. **光流**：calcOpticalFlowPyrLK() 追踪视频序列中的运动，用于视频稳定、动作捕捉等场景。

7. **人脸识别**：Eigenfaces 或 Fisherfaces 是基于PCA的人脸识别技术，以及LBPH (Local Binary Patterns Histograms) 算法。

8. **行人检测**：Haar级联分类器可以用于行人检测，比如HOG (Histogram of Oriented Gradients) 特征配合AdaBoost训练。

9. **物体追踪**：CamShift 或 Kalman Filter 可以持续跟踪移动的目标。

10. **深度学习**：虽然不是OpenCV库的一部分，但许多开发者会利用OpenCV作为深度学习框架（如TensorFlow、PyTorch）的前处理工具。