OpenCV（开源计算机视觉库）是一个强大的跨平台计算机视觉库，包含了众多图像处理和计算机视觉的算法。在标题中提到的"opencv3.4.12"是OpenCV的一个特定版本，即3.4.12，这个版本发布于2018年，是一个稳定且功能丰富的版本，支持多种编程语言，包括C++、Python、Java等。
OpenCV_contrib是OpenCV的一个扩展模块，它包含了额外的模块和算法，这些算法通常还在实验阶段或者不被包含在主库中。"opencv-contrib-3.4.12"就是该扩展库的3.4.12版本。这个扩展库引入了许多先进的计算机视觉技术，如SIFT（尺度不变特征变换）和SURF（加速稳健特征）算法，它们在图像匹配、物体识别等领域有着广泛应用。
SIFT是一种特征检测算法，能从不同尺度和旋转的图像中提取出不变的局部特征，它包括尺度空间极值检测、关键点定位、方向分配和关键点描述。SIFT特征在图像识别、目标检测和追踪等方面表现出色，尤其在处理光照变化、遮挡和视角变化等问题时具有很好的鲁棒性。
SURF是SIFT的一种快速实现，通过引入Hessian矩阵来检测图像的尺度空间极值点，从而减少了计算量，提高了运行速度。同时，它还引入了一种快速的特征描述符计算方法，使得特征匹配更为高效。SURF同样适用于图像匹配、物体识别等任务，但相比于SIFT，它的计算速度更快，适合实时应用。
在Linux环境下，安装OpenCV和OpenCV_contrib通常涉及编译源代码，这需要熟悉CMake构建系统，以及对编译依赖的管理。对于Python用户，可以通过pip或conda进行安装，但在需要使用OpenCV_contrib的模块时，需要确保正确配置了额外的路径。
在"opencv-3.4.12.tar.gz"和"opencv_contrib-3.4.12.zip"这两个文件中，"opencv-3.4.12.tar.gz"是OpenCV的源代码压缩包，解压后可以进行编译安装；"opencv_contrib-3.4.12.zip"则是OpenCV_contrib的源代码，需要将其解压后与OpenCV源代码合并，才能编译出包含扩展模块的OpenCV库。
在使用OpenCV和OpenCV_contrib进行项目开发时，开发者可以利用这些工具进行图像处理、物体检测、人脸识别、特征匹配、视频分析等一系列计算机视觉任务。对于初学者，理解OpenCV的基本API和数据结构是必要的，而对于进阶用户，掌握如何利用SIFT和SURF等高级算法将有助于提升项目的复杂性和精度。OpenCV及其扩展库是计算机视觉领域的强大工具，无论是在学术研究还是实际应用中，都有着广泛的应用场景。
