本节书摘来自华章计算机《OpenCV图像处理》一书中的第1章，第1.1节，作者：［西］葛罗瑞亚·布埃诺·加西亚（Gloria Bueno García）著，更多章节内容可以访问云栖社区“华章计算机”公众号查看
第1章 处理图像文件和视频文件
本章概述OpenCV及其安装以及第一个基本程序，将介绍如下一些内容：为初学者简略介绍OpenCV，接着给出一个简单易学的库的安装步骤指南。在完成用户本地硬盘上的安装之后，快速了解一下OpenCV的结构。快速掌握使用具有某些通用编程框架的库来创建项目的方法。如何使用函数读、写图像和视频。最后，介绍如何通过库函数为软件项目添加丰富的用户界面，包括鼠标交互、基本绘图形以及Qt支持。
1.1 OpenCV介绍
OpenCV（Open Source Computer Vision，开源计算机视觉类库）最初由Intel开发，是一个进行实时图像处理的免费跨平台库，对于一切与计算机视觉有关的事务处理，OpenCV已经成为一个实际上的标准库工具。OpenCV的第一版于2000年正式发布，获得了BSD许可。从那时起，在该科学研究领域，OpenCV的功能已经非常丰富。2012年，非盈利组织OpenCV.org开始负责为开发者和用户维护一个支持网站。
在编写本书时，一个新的OpenCV（3.0版本）主要版本已经可用，但仍在测试状态。本书将介绍这个新版本带来的最新相关变化。
OpenCV对大部分流行的操作系统可用，例如：GNU/Linux、OS X、Windows、Android、iOS等。第一次实现时使用的是C程序设计语言；但从2.0版本开始，由于使用C++实现使得OpenCV更加流行。新的函数都是采用C++语言编写的。然而，如今的库对于其他编程语言（例如：Java、Python和MATLAB/Octave）提供了一个完整的接口。而且，已经开发出了对其他语言（例如：C#、Ruby和Perl）的封装包，以鼓励程序员采用。
为了使计算密集型视觉任务的性能最大化，OpenCV包括以下支持：
用一个线程构建模块（Threading Building Block，TBB）来支持多核计算机上的多线程——由Intel开发的一个模板库。
用Intel处理器上的一个集成性能函数库（Integrated Performance Primitive，IPP）子集来提升性能。感谢Intel使这些函数在3.0测试版本上免费可用。
使用计算统一设备架构（Compute Unif?ied Device Architecture，CUDA）和开放计算语言（Open Computing Language，OpenCL）提供图形处理器（Graphic Processing Unit，GPU）上的处理接口。
OpenCV的应用包括分割与识别、二维和三维特征工具包、对象识别、人脸识别、运动跟踪、手势识别、图像拼接、高动态范围（high dynamic range，HDR）成像、增强现实等领域。另外，为了支持上面某些应用领域，它还包含了一个具有统计机器学习功能的模块。
