1. Core モジュールの概要
この記事では OpenCV の「core」モジュールの概要を，簡潔に述べます.
公式ドキュメント： Core Functionability
※ OpenCVカテゴリーの各記事では，OpenCV (4.x 系)をベースに 大事な要点・基礎のみを厳選した解説をしています．また，OpenCVの各記事は用語wikiの対応する記事とも連携しているゆえ「CV ＆ OpenCVの基礎」を，勘所だけ省コストに学べる・復習できるはずです ．
2. coreモジュールの主要な機能
2節では，元のC++版に基づいて「coreモジュールの主要な機能」のみを整理・リスト化します．
2.1 「画像 ＆ 行列」の Matクラスと，その数値計算・機械学習を提供
元のC++版の「coreモジュール」では，行列データ・画像データを格納する，C++版OpenCVの基本データ構造である「Mat クラス(2.2節)」と，その行列・画像を演算するための，基本的な数値計算クラス・関数が提供されている．
また，基礎的な数値計算や線形代数や機械学習演算(及びそのためのデータ構造)も，core実装されており，以下のものはその代表例である：
- PCA (主成分分析) ，SVD (特異値分解)
- K-means クラスタリング
- cv::min , cv::maxなどの基本的な数値計算系関数．
- solveLP （Linera Programmingのソルバ）などの基本的な最適化関数．
よって，これらの線形代数・最適化・機械学習だけで済む場合は，OpenCV内だけで完結するので，独自に実装したり，他のC++ライブラリをincludeする必要がない．
このMatクラスのデータ構造にimread/imwrite関数 や videoioモジュールで，画像を読み込み/書き出ししておく．
2.2 Matクラス：画像データと任意の多次元配列・行列の処理を担当
cv::Mat クラスに画像データを格納・計算する場合は「①単一チャンネルのグレー画像」 もしくは 「②3チャンネルのカラー画像」を収納するのが基本です．ここでは詳しく述べませんが，座標(x,y)にアクセスする専用の関数()やポインタアクセスが手段として設けられています．それらを用いると(実装の工夫で苦労せずに)高速な「２重 for loop処理」を楽につくることができます．更には(OpenMPをONにするだけの)簡単な並列化・GPU化も提供されています(2.3節)．
ただし，画素値アクセスを自作せずとも，画像フィルタやCannyエッジ検出などが「imgprocモジュール」に最初から提供されています．それらの処理を，イチから自作したり，改良したい開発者・研究者でもないかぎり，提供されているクラスを使うだけで事足りることが多いですが．
また，画像の1 or 3チャンネル配列を扱うMatクラスは，任意の多次元配列を取り扱う，numpyのarrayや Pytorch のTensor的な役割のクラスです．透視投影カメラモデルで用いるような行列なども，
※クラス名が 「Imageクラス」ではなく「Matクラス」であり，Matrix(行列)データ全般を扱う「多次元配列クラス」であることがポイントです．
2.3 その他のユーティリティ機能の提供
公式ドキュメント： Utility and system functions and macros
プログラミングに役立つ，以下のようなユーティリティ機能が用意されています：
- CommandLineParserクラス： コマンドライン引数のアクセスを管理．
- TickMeterクラス：経過時間の計測 (※ Python版でも有用)
- cv::ParallelLoopBodyクラスと parallel_for_：楽な並列化のおまかせ．
- Logger : ロギング．
- XML，YAMLの入出力．
- cv::Error：エラーメッセージ表記．
- Exception: 例管理．
3. OpenCV-Pythonでは Matを使わず「 numpy」 依存.
2.1節で書いたように，OpenCV C++版では，独自のcv::Matクラスで行列・画像データや行列演算が提供されています．それに対してOpenCV-Python版では「numpyのarrayオブジェクト で，行列・画像データを格納する」ように設計されています．
これにより「Numpyの関数で計算が済むものは，C++版OpenCVの関数・クラスをバインディングをする必要がなくなった」という設計の妙がある上に，scipyやscikit-learnにpytorchなど「numpy依存の数値計算・機械学習ライブラリ」とOpenCV-pythonが，numpy arraryを通じてシームレースに相互接続できるようになります．
3.1 scikit-imageでは画像データの取り扱いが違う
scikit-imageとOpenCV-Python版では，チャンネルや色空間が一致しておらず，「多次元配列・行列データを，2ライブラリ間で相互交換する際」に，注意が必要です (※ ここではその詳しい話まではしません)．
この「OpenCV-Pythonとscikit-image間での画像データ形式の不一致」があるので，例えば「Pytorch とOpenCV or scikit-image を一緒に使う場合」でも，OpenCV-Python版か，scikit-imageのどちらか1つだけを使用するのが無難です．