OpenCV 是什么：模块划分与端侧定位

OpenCV 是什么：模块划分与端侧定位

OpenCV 是一套开源的计算机视觉与图像处理库，同时提供 C++ 与 Python 两套接口。它的价值不在于某个算法特别强，而在于把图像读取、颜色空间转换、几何变换、滤波、特征提取、相机标定、深度网络推理这些环节全部收拢到一套统一的数据结构和 API 之下，让「读取→预处理→推理→后处理」这条链路可以在一份代码里写完。

理解 OpenCV 的第一步是理解它的模块划分，因为端侧部署的本质就是「选模块 + 关模块」。默认的全量构建体积很大，而端侧只需要其中几个：

端侧部署的整个思路就建立在上面这张表上：把 BUILD_LIST 限定在真正用到的模块，编译出的库体积和编译时间都会明显下降，交叉编译到 ARM 板时尤其明显。

几个必须提前记住的术语与约定：cv::Mat 是图像与矩阵的统一容器，由「头信息 + 像素数据」两部分组成；引用计数让 Mat 的拷贝变成廉价的浅拷贝，只有显式 clone() 或 copyTo() 才真正复制数据；BGR 通道序是 OpenCV 的历史默认值，imread 读出来的彩色图是 BGR 而不是 RGB；blob 是把图像按模型要求做缩放、归一化、通道重排之后得到的四维张量，通常形状是 NCHW；NMS（非极大值抑制）是检测类模型输出后处理的标准步骤，用于合并重叠框。