这是一个嵌入式大厂面试题专栏，每天更新高频面试题。专栏将包含题目描述、详细解析、相关知识点扩展以及实际代码示例。内容涵盖操作系统、驱动开发、通信协议等核心领域，并结合实际项目经验进行分析。每道题目都会附带面试官可能的追问方向，帮助大家更好地准备面试！

OpenCV常见面试题总结

基础概念

1. OpenCV是什么？

OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。它支持多种编程语言接口，包括C++、Python、Java等，可以在不同平台上运行，如Windows、Linux、Android和iOS。

2. OpenCV的主要模块

• core: 核心功能和基本数据结构
• imgproc: 图像处理函数
• highgui: 用户界面和图像/视频I/O
• video: 视频分析
• calib3d: 相机标定和3D重建
• features2d: 特征检测和描述
• objdetect: 对象检测
• dnn: 深度学习模块

3. OpenCV中的基本数据结构

• Mat: 用于存储图像和矩阵数据的基本结构
• Point/Point2f/Point3f: 表示2D/3D点
• Size: 表示尺寸(宽度和高度)
• Rect: 表示矩形区域
• Scalar: 表示4元素向量，常用于颜色表示

图像处理基础

1. 图像读取、显示和保存

// 读取图像
Mat img = imread("image.jpg");
if(img.empty()) {
    cout << "无法读取图像" << endl;
    return -1;
}

// 显示图像
imshow("Window Name", img);
waitKey(0);

// 保存图像
imwrite("output.jpg", img);

2. 色彩空间转换

Mat gray;
cvtColor(img, gray, COLOR_BGR2GRAY); // BGR转灰度

Mat hsv;
cvtColor(img, hsv, COLOR_BGR2HSV); // BGR转HSV

3. 常见的图像处理操作

• 调整大小: resize()
• 裁剪: 使用ROI(感兴趣区域)
• 旋转和缩放: getRotationMatrix2D(), warpAffine()
• 阈值处理: threshold(), adaptiveThreshold()
• 平滑/模糊: GaussianBlur(), medianBlur(), bilateralFilter()
• 形态学操作: erode(), dilate(), morphologyEx()

特征检测与匹配

1. 常用的特征检测算法

• Harris角点检测: cornerHarris()
• Shi-Tomasi角点检测: goodFeaturesToTrack()
• SIFT(Scale-Invariant Feature Transform): 尺度不变特征变换
• SURF(Speeded-Up Robust Features): 加速稳健特征
• ORB(Oriented FAST and Rotated BRIEF): 结合FAST和BRIEF的特征检测器

2. 特征匹配方法

• 暴力匹配(Brute-Force Matcher): BFMatcher
• 基于FLANN的匹配器: FlannBasedMatcher

3. 特征检测和匹配的应用

• 图像拼接(Stitching)
• 对象识别
• 运动跟踪
• 3D重建

图像分割

1. 基于阈值的分割

Mat binary;
threshold(gray, binary, 127, 255, THRESH_BINARY);

2. 基于边缘的分割

Mat edges;
Canny(gray, edges, 50, 150);

3. 基于区域的分割

• 分水岭算法(Watershed): watershed()
• GrabCut算法: grabCut()
• 均值漂移(Mean Shift): pyrMeanShiftFiltering()

4. 轮廓检测与分析

vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
drawContours(img, contours, -1, Scalar(0, 255, 0), 2);

目标检测与跟踪

1. 目标检测方法

• Haar级联分类器: 用于人脸、眼睛等检测
• HOG(Histogram of Oriented Gradients): 用于行人检测
• DNN模块: 支持各种深度学习模型(YOLO, SSD等)

2. 目标跟踪算法

• KCF(Kernelized Correlation Filters): TrackerKCF
• CSRT(Discriminative Correlation Filter with Channel and Spatial Reliability): TrackerCSRT
• MedianFlow: TrackerMedianFlow
• MOSSE(Minimum Output Sum of Squared Error): TrackerMOSSE

3. 背景减除

• MOG2(Mixture of Gaussians): createBackgroundSubtractorMOG2()
• KNN(K-Nearest Neighbors): createBackgroundSubtractorKNN()

相机标定与3D视觉

1. 相机标定

// 查找棋盘格角点
vector<vector<Point2f>> imagePoints;
for(int i = 0; i < images.size(); i++) {
    Mat gray;
    cvtColor(images[i], gray, COLOR_BGR2GRAY);
    
    vector<Point