OpenCV 核心算法大全、解决问题 + 落地应用完整详解
目录
OpenCV 核心算法大全、解决问题 + 落地应用完整详解
一、基础图像操作模块（底层预处理，所有算法前置依赖）
1. 色彩空间转换：cvtColor
2. 阈值分割：threshold /inRange/adaptiveThreshold
3. 形态学操作：erode 腐蚀 /dilate 膨胀 /open 开运算 /close 闭运算
4. 几何变换：resize 缩放、warpAffine 仿射、warpPerspective 透视变换
二、图像滤波与降噪模块（去除噪声，保护有效特征）
1. 均值模糊 blur
2. 高斯模糊 GaussianBlur
3. 中值滤波 medianBlur
4. 双边滤波 bilateralFilter
5. 非局部均值滤波 fastNlMeansDenoising
三、边缘、角点、关键点特征检测（物体轮廓 / 特征提取核心）
1. Canny 边缘检测
2. Sobel / Laplacian 梯度算子
3. Harris 角点检测
4. Shi-Tomasi 角点（goodFeaturesToTrack）
5. SIFT / SURF / ORB 特征点（关键点 + 描述子）
四、轮廓、形状、几何分析模块（识别物体外形、计数、测量）
1. findContours 轮廓查找 + drawContours
2. 轮廓拟合：approxPolyDP 多边形拟合 /minAreaRect 最小包围矩形 /minEnclosingCircle 最小圆
3. 形状匹配 matchShapes
4. Hu 矩不变矩
五、目标识别、模板匹配、光流跟踪
1. matchTemplate 模板匹配
2. Lucas-Kanade LK 光流 calcOpticalFlowPyrLK
3. Meanshift / Camshift 目标跟踪
4. HOG + SVM 行人检测
5. Haar 级联分类器（CascadeClassifier）
六、三维视觉、相机标定、立体视觉（3D 测量、SLAM）
1. calibrateCamera 单目标定
2. stereoCalibrate 双目相机标定 + stereoMatch（SGM/SAD 立体匹配）
3. solvePnP 位姿解算
4. Aruco / AprilTag 标记码识别
七、视频处理、图像分割、机器学习、OCR
1. 背景建模（MOG2 / KNN 背景减除 createBackgroundSubtractorMOG2）
2. GrabCut 交互式图像分割
3. K-Means 聚类分割 kmeans
4. 机器学习模块：SVM、KNN、DTrees
5. OpenCV Tesseract OCR（text 模块）
6. 深度学习模块 DNN（readNet、forward 推理）
八、补充：按工程需求快速选型速查表
OpenCV 核心算法大全、解决问题 + 落地应用完整详解
整体分为 7 大模块：基础图像操作、滤波平滑、边缘 / 特征检测、轮廓与形状分析、特征匹配与目标识别、相机标定三维视觉、视频与机器学习，每个模块包含核心算法、解决痛点、实际工程场景。
一、基础图像操作模块（底层预处理，所有算法前置依赖）
1. 色彩空间转换：cvtColor
- 核心算法：BGR↔RGB、GRAY 灰度、HSV、YCrCb、LAB
- 解决问题：
- RGB 三通道干扰阈值分割，转灰度单通道简化计算；
- HSV 分离色相 / 饱和度 / 亮度，不受光照明暗影响，适合颜色筛选；
- LAB 用于色差检测、工业色差质检。
- 应用： 交通信号灯颜色识别、皮肤肤色分割、工业零件颜色分拣、美颜调色。
2. 阈值分割：threshold /inRange/adaptiveThreshold
- 算法：全局二值化、自适应局部阈值、HSV 区间筛选
- 解决问题：把前景物体从背景分离，区分亮区 / 暗区；解决光照不均导致全局阈值失效。
- 应用： 答题卡识别、OCR 文字提取、药片计数、焊缝缺陷提取、摄像头车牌底色分离。
3. 形态学操作：erode 腐蚀 /dilate 膨胀 /open 开运算 /close 闭运算
- 解决问题： 腐蚀：消除细小白色噪点、缩小物体轮廓； 膨胀：填充物体内部小孔、连接断裂线条； 开运算：去噪保物体大小；闭运算：填充孔洞、修复断裂轮廓。
- 应用： 指纹图像降噪、电路板线路提取、二维码矫正、工件孔洞检测、车道线修复。
4. 几何变换：resize 缩放、warpAffine 仿射、warpPerspective 透视变换
- 解决问题：图像缩放、旋转、平移矫正、倾斜画面转正、透视畸变修复。
- 应用： 证件拍照矫正、试卷拍斜转正、车牌倾斜矫正、PDF 扫描件拉直、摄像头画面缩放适配窗口。
二、图像滤波与降噪模块（去除噪声，保护有效特征）
1. 均值模糊 blur
- 原理：邻域像素平均平滑
- 解决：高斯噪声、轻微画面噪点；缺点：边缘严重模糊
- 应用：低要求预览图平滑、老旧监控画面降噪
2. 高斯模糊 GaussianBlur
- 原理：高斯权重平滑，中心像素权重更高
- 解决：自然柔和降噪，兼顾轻微边缘保留，最通用预处理
- 应用：所有检测算法前置预处理（Canny、SIFT 前必用）、美颜磨皮、监控画面去雪花噪点
3. 中值滤波 medianBlur
- 原理：取邻域像素中位数
- 解决：椒盐噪声（黑白颗粒噪点），摄像头强光白斑、老旧扫描黑点
- 应用：工业扫描图纸、票据 OCR、老旧胶片图像处理
4. 双边滤波 bilateralFilter
- 原理：同时考虑空间距离 + 像素色差，只平滑同色区域、保留边缘
- 解决：降噪同时不模糊物体轮廓，替代高斯模糊做精细平滑
- 应用：人像美颜、产品外观质检（划痕保留，杂点去除）、医学影像预处理
5. 非局部均值滤波 fastNlMeansDenoising
- 解决：重度噪声（夜景、暗光摄像头），远优于高斯 / 中值，速度慢
- 应用：夜视监控、显微镜图像、暗光手机拍照降噪
三、边缘、角点、关键点特征检测（物体轮廓 / 特征提取核心）
1. Canny 边缘检测
- 流程：高斯模糊降噪→梯度计算→非极大值抑制→双阈值筛选边缘
- 解决问题：精准提取物体轮廓线条，抑制虚假边缘，输出单像素闭合边缘
- 应用： 车道线检测、零件轮廓测量、纸张边缘定位、物体轮廓计数、道路标线识别
2. Sobel / Laplacian 梯度算子
- Sobel：分别计算 X/Y 方向明暗梯度；Laplacian 二阶梯度
- 解决：提