1、build和source
当我们安装完opencv中，你会发现在opencv文件夹中有两个文件夹，build和source，那它们分别是干什么的呢。
首先说这两者的关系，sources放的是opencv中的cpp文件，相当于一个工厂，build放的是opencv中的h、hpp、lib文件，相当于一个工具，opencv的开发者（当然开源后的使用者也可以）通过sources中的源文件，构建出build中的库文件，然后使用者就可以链接这些库，include<头文件>。一般非开源的程序和库是不开放sources的，而opencv作为一个开源库，这些也是使用者可见的。
source里面是各种各样的函数实现，对于只想用opencv的人来说，只关心我怎么用，于是开发者就会使用这些源文件构建出库，这些库里面包含了函数实现。这些库就是各种lib，然后还有头文件。
build里面只有接口，没有cpp中的实现什么的，build是对使用者的，使用者只用知道接口就行了，不需要知道这个是怎么做到的。当然因为opencv开源，所以使用者也可以直接查看源文件。
具体来说，soucees里面放的是函数具体的实现，比如有gray方法，对一个mat的像素怎么使它变成灰度化。
使用者include<头文件>，头文件里面是各种接口，比如gray，就是一个gray（MAt img），使用者链接这些库，inluce<头文件>，然后在程序中调用gray，然后程序运行的时候会进行链接时，在各种依赖库中寻找gray的实现，因为我们连接了opencv的库，所以在opencv的lib中就找到了gray的实现，然后就调用这个实现，然后就灰度化了，就是这个么过程。
举个不是很恰当的例子，build就像是卖给用户的macbook，用户只用知道怎么用，这个操作系统很好用，不卡，不用知道这个操作系统怎么实现了。怎么实现的就在source里面，非开源的程序和库是不可能让你看到source的。
2、build
在build文件夹中，如下，
.
首先，doc文件夹下放的是各种关于opencv的文档；include文件夹下是所有的头文件；其余四个分别是：一个给java用的库、一个给python用、一个给x86win用、一个给x64win用。两个cmake文件都是cmake的一些配置，很强大的编译工具。
2.1 include
分为opencv和opencv2.
.
这里借用博客1和博客2的介绍。
1、opencv
其中cv.h中包含的头文件：
#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/video/tracking.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/flann/flann.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/legacy/compat.hpp"
1
2
3
4
5
6
7
8
9
10
cv.hpp中包含头文件：
#include <cv.h>
1
也就是说cv.hpp是包含cv.h的，程序中凡用到cv.h的地方都可以用cv.hpp 替换，那么为什么又要设置hpp文件呢？
hpp是Header Plus Plus的简写，与 .h 文件类似。但与之不同的是，.hpp将*.cpp中的实现代码也写入其中，使得定义与实现都包含在同一文件中。这样做带来的好处显而易见，无需再将cpp文件添加到项目中编译，减少了编译次数，也不用发布烦人的lib,dll 文件，因此非常适合用来编写公用的开源库。
文件夹opencv中的头文件都是类似的，均包含文件夹opencv2里的头文件。所以我们如果是从低版本的opencv学习过渡到高版本的opencv的话，如果不适应可以先以opencv文件夹里的文件调用为标准。如果熟悉opencv里的函数分布，也可以直接调用opencv2文件夹里的具体头文件，这样在头文件预编译提高效率。
2、opencv2
先看opencv.hpp文件：
#include "opencv2/core/core_c.h"
#include "opencv2/core/core.hpp"
#include "opencv2/flann/miniflann.hpp"
#include "opencv2/imgproc/imgproc_c.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/photo/photo.hpp"
#include "opencv2/video/video.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/calib3d/calib3d.hpp"
#include "opencv2/ml/ml.hpp"
#include "opencv2/highgui/highgui_c.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/contrib/contrib.hpp"
1
2
3
4
5
6
7
8
9
10
11
12
13
14
很明显opencv.hpp的头文件包含了opencv库里的所有头文件。
接着看opencv_modules.hpp文件：
#define HAVE_OPENCV_CALIB3D
#define HAVE_OPENCV_CONTRIB
#define HAVE_OPENCV_CORE
#define HAVE_OPENCV_FEATURES2D
#define HAVE_OPENCV_FLANN
#define HAVE_OPENCV_GPU
#define HAVE_OPENCV_HIGHGUI
#define HAVE_OPENCV_IMGPROC
#define HAVE_OPENCV_LEGACY
#define HAVE_OPENCV_ML
#define HAVE_OPENCV_NONFREE
#define HAVE_OPENCV_OBJDETECT
#define HAVE_OPENCV_OCL
#define HAVE_OPENCV_PHOTO
#define HAVE_OPENCV_STITCHING
#define HAVE_OPENCV_SUPERRES
#define HAVE_OPENCV_TS
#define HAVE_OPENCV_VIDEO
#define HAVE_OPENCV_VIDEOSTAB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
其解释如下：
【calib3d】：其实就是就是Calibration（校准）加3D这两个词的组合缩写。这个模块主要是相机校准和三维重建相关的内容。基本的多视角几何算法，单个立体摄像头标定，物体姿态估计，立体相似性算法，3D信息的重建等等。
【contrib】：也就是Contributed/Experimental Stuf的缩写， 该模块包含了一些最近添加的不太稳定的可选功能，不用去多管。2.4.8之后有新型人脸识别， 立体匹配 ，人工视网膜模型等技术。
【core】： 核心功能模块，尤其是底层数据结构和算法函数。包含如下内容：
OpenCV基本数据结构
动态数据结构
绘图函数
数组操作相关函数
辅助功能与系统函数和宏
【imgproc】： Image和Processing这两个单词的缩写组合。图像处理模块，这个模块包含了如下内容：
线性和非线性的图像滤波
图像的几何变换
其它（Miscellaneous）图像转换
直方图相关
结构分析和形状描述
运动分析和对象跟踪
特征检测
【features2】： d也就是Features2D， 2D功能框架 ，包含兴趣点检测子、描述子以及兴趣点匹配框架。包含如下内容：
特征检测和描述
特征检测器（Feature Detectors）通用接口
描述符提取器（Descriptor Extractors）通用接口
描述符匹配器（Descriptor Matchers）通用接口
通用描述符（Generic Descriptor）匹配器通用接口
【flann】： Fast Library for Approximate Nearest Neighbors，高维的近似近邻快速搜索算法库， 包含两个部分：快速近似最近邻搜索和聚类。
【gpu】： 运用GPU加速的计算机视觉模块。
【highgui】： 也就是high gui，高层GUI图形用户界面，包含媒体的I / O输入输出， 视频捕捉、图像和视频的编码解码、图形交互界面的接口等内容。
【legacy】： 一些已经废弃的代码库，保留下来作为向下兼容，包含如下相关的内容。
运动分析
期望最大化
直方图
平面细分（C API）
特征检测和描述（Feature Detection and Description）
描述符提取器（Descriptor Extractors）的通用接口
通用描述符（Generic Descriptor Matchers）的常用接口
【ml】： Machine Learning，机器学习模块， 基本上是统计模型和分类算法，包含如下内容。
统计模型 （Statistical Models）
一般贝叶斯分类器 （Normal Bayes Classifier）
K-近邻 （K-NearestNeighbors）
支持向量机 （Support Vector Machines）
决策树 （Decision Trees）
提升（Boosting）
梯度提高树（Gradient Boosted Trees）
随机树 （Random Trees）
超随机树 （Extremely randomized trees）
期望最大化 （Expectation Maximization）
神经网络 （Neural Networks）
MLData
【nonfree】： 也就是一些具有专利的算法模块 ，包含特征检测和GPU相关的内容。最好不要商用，可能会被告哦。
【objdetect】： 目标检测模块，包含Cascade Classification（级联分类）和Latent SVM这两个部分。
【ocl】： 即OpenCL-accelerated Computer Vision，运用OpenCL加速的计算机视觉组件模块。
【photo】： 也就是Computational Photography，包含图像修复和图像去噪两部分。
【stitching】： images stitching，图像拼接模块，包含如下部分。
拼接流水线
特点寻找和匹配图像
估计旋转
自动校准
图片歪斜
接缝估测
曝光补偿
图片混合
【superres】： SuperResolution，超分辨率技术的相关功能模块。
【ts】： opencv测试相关代码，不用去管他。
【video】： 视频分析组件，该模块包括运动估计，背景分离，对象跟踪等视频处理相关内容。
【Videostab】： Video stabilization，视频稳定相关的组件。
2.2 X64和X86
首先，这里面放的都是一些库文件，只不过X64面向64位，X86是32位的，然后以X64为例，
.
.
这是代表编译给不同版本的visual studio用的库，这里以vc12为例。
.
.
bin文件夹下：dll文件，动态链接库。具体实现的内容。计算机环境变量中，这个路径是要加到path中的。
lib文件夹下：配置opencv环境时，添加的lib库。用来链接。
staticlib文件夹下：静态库。
静态库是编译时就把整个函数加载进去，所以可执行文件会变大。动态库是编译时加进去的是一个函数表，运行时才会从dll里面加载对应的函数实现。
这里参考于博客给出一个关于dll和lib的解释。
共有两种库：
一种是LIB包含了函数所在的DLL文件和文件中函数位置的信息（入口），代码由运行时加载在进程空间中的DLL提供，称为动态链接库dynamic link library。
一种是LIB包含函数代码本身，在编译时直接将代码加入程序当中，称为静态链接库static link library。
共有两种链接方式：
动态链接使用动态链接库，允许可执行模块（.dll文件或.exe文件）仅包含在运行时定位DLL函数的可执行代码所需的信息。
静态链接使用静态链接库，链接器从静态链接库LIB获取所有被引用函数，并将库同代码一起放到可执行文件中。
关于lib和dll的区别如下：
lib是编译时用到的，dll是运行时用到的。如果要完成源代码的编译，只需要lib；如果要使动态链接的程序运行起来，只需要dll。
如果有dll文件，那么lib一般是一些索引信息，记录了dll中函数的入口和位置，dll中是函数的具体内容；如果只有lib文件，那么这个lib文件是静态编译出来的，索引和实现都在其中。使用静态编译的lib文件，在运行程序时不需要再挂动态库，缺点是导致应用程序比较大，而且失去了动态库的灵活性，发布新版本时要发布新的应用程序才行。
动态链接的情况下，有两个文件：一个是LIB文件，一个是DLL文件。LIB包含被DLL导出的函数名称和位置，DLL包含实际的函数和数据，应用程序使用LIB文件链接到DLL文件。在应用程序的可执行文件中，存放的不是被调用的函数代码，而是DLL中相应函数代码的地址，从而节省了内存资源。DLL和LIB文件必须随应用程序一起发行，否则应用程序会产生错误。如果不想用lib文件或者没有lib文件，可以用WIN32 API函数LoadLibrary、GetProcAddress装载。
3、sources
。
samples：是一些简短的学习用例。
modules：包含了所有的源文件。
doc：是一些文档，包含一些教程。
include：是所有的头文件。包含opencv和opencv2。
3rdparty：第三方库，如ffmpeg视频编码等。
apps：一些应用，比如级联分类器，haar特征分类器。
cmake：编译相关。
data：级联分类器的一些数据。比如人脸检测、人眼检测等。
platform：平台相关，iOS、Android、Linux、script、win。
---------------------
作者：夏洛的网
来源：CSDN
原文：https://blog.csdn.net/liuxiao214/article/details/77882282
版权声明：本文为博主原创文章，转载请附上博文链接！