reference：
https://docs.opencv.org/4.1.2/
基本使用
1.图片和视频，读写（2，8）
2.OpenCV基本数据类型（3）
3.OpenCV大型数据类型及操作：图像，数组（4，5）
4.绘图和注释（6）
重要理论
1.SVD分解（7）
2.滤波和卷积（10）
阈值
平滑（中值、高斯、双边滤波）
导数，梯度，拉普拉斯变换
图像形态学：膨胀，腐蚀
卷积
3.图像变换（11）
拉伸、收缩、扭曲、旋转
映射
图像修复，去噪
直方图均衡化
4.图像分析（12）
离散傅里叶变化
积分图
Canny边缘检测
Hough变换（线，圆）
距离变换（有、无标记）
分割
5.直方图和模板（13）
直方图信息：物体的颜色分布、物体的边缘梯度模板、以概率的形式表达物体位置的估计
直方图归一化、二值化、直方图比较、
反向投影：计算像素和直方图模型中像素吻合度
模板匹配、方差匹配——》高度结构化的图片
5.1 应用
手势识别：匹配直方图模型
通过帧与帧之间边缘和颜色的统计量是否有巨大变化，判断视频中场景的变换
兴趣点邻域特征组成的直方图来辨识兴趣点，进行目标识别
提取视频中颜色、边缘直方图序列，可以判断视频是否拷贝自网络
常见应用
1.轮廓（14）
查找轮廓：cv::findContours()
绘制轮廓：cv::drawContours()
联通区域分析
多边形轮廓逼近：cv::approxPolyDP()——Douglas-Peucker算法
轮廓长度：cv::arcLength()
矩形包围框：cv::boundingRect()
最小矩形框：cv::minAreaRect()
最小包围圈minEnclosingCircle()、椭圆边框fitEllipse()、轮廓最佳拟合线fitLine()、凸包convexHull()
1.1 几何学测试
检测点是否落在多边形内：pointPolygonTest()
检测轮廓是否为凸：isContourConvex()
比较轮廓：轮廓矩，中心矩位移不变性、归一化的中心矩缩放不变性、Hu不变矩的旋转不变性、形状场景法（形状场景距离、Hausdorff距离）
2.背景提取（15）
3.关键点检测，过滤，跟踪（16）
4.跟踪算法（17）
光流
Mean-shift和Camshift
5.相机模型与标定（18）
透镜畸变
矫正映射
6.投影与三维视觉（19）
人工智能
1.OpenCV 的机器学习算法StatModel
2.目标检测
Latent SVM
Bag of Words
