OPENCV函数
cv2库函数
cv2 库是OpenCV（Open Source Computer Vision Library）的Python 接口。
OpenCV 是一个开源计算机视觉库，提供了许多用于图像处理和计算机视觉任务的函数。
以下是一些常用的cv2 库函数，涵盖了图像处理、计算机视觉和计算机图形学等领域：图像读取和显示：cv2.imread()：读取图像文件。
cv2.imshow()：显示图像窗口。
cv2.imwrite()：保存图像。
颜色空间转换：cv2.cvtColor()：进行颜色空间的转换，例如从BGR 到灰度。
图像处理：cv2.resize()：调整图像大小。
cv2.flip()：翻转图像。
cv2.rotate()：旋转图像。
cv2.threshold()：图像二值化。
滤波器和卷积：cv2.filter2D()：2D 卷积。
cv2.blur()：均值模糊。
cv2.GaussianBlur()：高斯模糊。
边缘检测：cv2.Canny()：Canny 边缘检测。
轮廓和形状分析：cv2.findContours()：查找图像中的轮廓。
cv2.drawContours()：绘制轮廓。
图像特征和描述符：cv2.SIFT()：尺度不变特征变换。
cv2.SURF()：加速稳健特征。
计算机视觉：cv2.matchTemplate()：模板匹配。
cv2.findHomography()：查找透视变换。
cv2.solvePnP()：解决透视问题。
摄像头和视频处理：cv2.VideoCapture()：打开摄像头。
cv2.VideoWriter()：写入视频文件。
cv2.VideoCapture.read()：读取摄像头帧。
图像绘制：cv2.line()：绘制直线。
cv2.circle()：绘制圆。
cv2.rectangle()：绘制矩形。
这只是cv2 库中一小部分常用函数的列表。
OpenCV 提供了丰富的功能，适用于各种计算机视觉和图像处理任务。
opencv 坐标变换函数
opencv 坐标变换函数OpenCV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。
在OpenCV中，坐标变换是常用的操作之一，它可以帮助我们将图像或物体从一个坐标系转换到另一个坐标系，以适应不同的需求或处理流程。
OpenCV提供了一些函数来实现坐标变换，包括平移、旋转、缩放和仿射变换等。
下面将逐个介绍这些函数的用法和作用。
1. 平移变换（translation）：通过平移变换，我们可以将图像或物体沿着x和y轴方向移动一定的距离。
在OpenCV中，可以使用`cv2.warpAffine`函数来实现平移变换。
该函数接受一个输入图像、一个平移矩阵和输出图像的大小作为参数，返回经过平移变换后的图像。
2. 旋转变换（rotation）：通过旋转变换，我们可以将图像或物体按照一定的角度进行旋转。
在OpenCV中，可以使用`cv2.getRotationMatrix2D`函数来获取旋转矩阵，然后使用`cv2.warpAffine`函数进行旋转变换。
该函数接受一个输入图像、一个旋转矩阵和输出图像的大小作为参数，返回经过旋转变换后的图像。
3. 缩放变换（scaling）：通过缩放变换，我们可以将图像或物体按照一定的比例进行放大或缩小。
在OpenCV中，可以使用`cv2.resize`函数来实现缩放变换。
该函数接受一个输入图像和输出图像的大小作为参数，返回经过缩放变换后的图像。
4. 仿射变换（affine transformation）：通过仿射变换，我们可以对图像或物体进行平移、旋转和缩放等多个操作的组合。
在OpenCV 中，可以使用`cv2.getAffineTransform`函数来获取仿射矩阵，然后使用`cv2.warpAffine`函数进行仿射变换。
该函数接受一个输入图像、一个仿射矩阵和输出图像的大小作为参数，返回经过仿射变换后的图像。
除了上述函数之外，OpenCV还提供了其他一些函数来实现更复杂的坐标变换，如透视变换（perspective transformation）和反向变换（inverse transformation）等。
opencv函数
imread 读图namedWindow 产生一个被命名的窗口imshow 显示图像using namespace 全局的命名空间，可以避免导致全局命名冲突问题。
cv表示opencv的命名空间std是标准输入输出的命名空间waitKey 程序运行等待时间ms为单位#include<opencv2/highgui/highgui.hpp> 包含输入输出操作#include<iostream> VC的标准输入输出cout << 输出cin>> 输入均以endl结尾#include<string> 字符串库cvtColor 彩色图像变灰度图像imwrite 写出图像F9设置断点F5调试运行后点击变量中的+显示数据结构argv[1]的定位方式为：在工程属性中，命令行参数添加路径，例如：#include<opencv2/core/core.hpp> 定义的基本构建块库Mat 基本图像容器，是一个矩阵类。
用法：Mat A; //定义矩阵Mat B(A);//复制A矩阵数据给BMat D(A,Rect(10, 10, 100, 100)); //将A矩阵的一个区域给DMat F = A.clone();//复制A矩阵数据给FMat M(2,2,CV_8UC3,Scalar(0,0,255));//创建一个矩阵，2×2大小，数据结构为CV_[每个数据占用BIT][Signed or Unsigned][Type Prefix]C[取前几个数或书写几遍] Scalar数据向量。
Signed有符号：8位数据范围为：-128~127Unsigned无符号：8位数据范围为：0~255Mat::eye(4, 4,CV_64F) //单位矩阵Mat::ones(2, 2,CV_32F) //全1矩阵Mat::zeros(3,3,CV_8UC1) //全0矩阵Mat C = (Mat_<double>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//常规矩阵定义randu(R,Scalar::all(0),Scalar::all(255));//任意矩阵的生成Point2f P(5, 1);//定义二维点Point3f P3f(2, 6, 7); //定义三维点vector<float> v；//定义浮点数向量vector<Point2f> vPoints(20);//定义点坐标（二维数据）向量uchar就是uint8加注const 不能改变参数值；sizeof 读取大小I.channels(); //图像维数I.rows; //图像的行数I.cols;//图像的列数I.depth();//图像的深度对于图像的点式处理:uchar* p;//定义一个uint8图像for(i = 0;i < nRows; ++i){p = I.ptr<uchar>(i); //将每一行的向量赋给pfor (j = 0;j < nCols; ++j){p[j] = table[p[j]];//对每一行的向量，每一列的元素进行赋值，table是变换好的数组}}或者：uchar* p = I.data;//将图像的数据空间给pfor( unsigned int i =0;i < ncol*nrows; ++i)*p++ = table[*p];//*p中存储了图像的数据，一个一个赋值或者：LUT(I,lookUpTable,J); //效率最高的读图方式Mat lookUpTable(1, 256,CV_8U);uchar * p2 = lookUpTable.data;for( int i = 0;i < 256; ++i)p2[i] = table[i];图像的RGB分离：const int channels = I.channels();switch(channels){case 1:{MatIterator_<uchar> it,end;//灰度图像的变换for(it = I.begin<uchar>(),end = I.end<uchar>();it != end; ++it)*it = table[*it];break;}case 3:{MatIterator_<Vec3b> it,end;//RGB图像的变换for(it = I.begin<Vec3b>(),end = I.end<Vec3b>();it != end; ++it)//<Vec3b>指三列向量，即三个通道分量{(*it)[0] = table[(*it)[0]];//B分量(*it)[1] = table[(*it)[1]]; //G分量(*it)[2] = table[(*it)[2]]; //R分量}}}或者：case 3:{Mat_<Vec3b> _I = I;for( int i = 0;i < I.rows; ++i)for( int j = 0;j < I.cols; ++j){_I(i,j)[0] = table[_I(i,j)[0]];_I(i,j)[1] = table[_I(i,j)[1]];_I(i,j)[2] = table[_I(i,j)[2]];}I = _I;break;}Mat& ScanImageAndReduceC(Mat& I, const uchar* const table)//看图函数Mat& ScanImageAndReduceIterator(Mat& I, const uchar* const table) //看图函数Mat& ScanImageAndReduceRandomAccess(Mat& I, const uchar* const table) //看图函数模板运算：void Sharpen(const Mat& myImage, Mat& Result) //图像锐化函数CV_Assert(myImage.depth() == CV_8U); //判决图像是否是整型的数据Result.create(myImage.size(),myImage.type());//创建MAT矩阵类型执行算法：for(int j = 1 ;j < myImage.rows-1; ++j){const uchar* previous = myImage.ptr<uchar>(j - 1);const uchar* current = myIma ge.ptr<uchar>(j);const uchar* next = myImage.ptr<uchar>(j + 1);uchar* output = Result.ptr<uchar>(j);for(int i= nChannels;i < nChannels*(myImage.cols-1); ++i){*output++ = saturate_cast<uchar>(5*current[i]-current[i-nChannels] - current[i+nChannels] - previous[i] - next[i]);}}Result.row(0).setTo(Scalar(0));//将0行的像素值设为0或者：Mat kern = (Mat_<char>(3,3) << 0, -1, 0,-1, 5, -1,0, -1, 0);filter2D(I,K,I.depth(),kern);//使用模板滤波锐化图像，该函数所在库为<opencv2/imgproc/imgproc.hpp>图像融合算法：addWeighted(src1,alpha,src2,beta, 0.0,dst);//融合函数，需两幅图像一样大图像的亮度调整算法：相应的代码for( int y = 0;y < image.rows;y++ ){ for( int x = 0;x < image.cols;x++ ){ for( int c = 0;c < 3;c++ ) //三个通道分别运算{new_image.at<Vec3b>(y,x)[c] =saturate_cast<uchar>(alpha*(image.at<Vec3b>(y,x)[c]) + beta);}}}Mat::zeros(image.size(),image.type());//创建0阵image.convertTo(new_image, -1,alpha,beta);//线性图像变换图元：Point pt = Point(10, 8);//点的坐标Scalar(B,G,R) ;//给出像素的颜色值ellipse( img,Point(x,y),Size(x,y), angle,0, 360,Scalar( 255, 0, 0 ),thickness, lineType );//画椭圆，img图像名，point中心点，size大小，angle角度，0，起始点角度，360终点角度，scalar色彩，thickness线宽（-1为全填充），lineType 线型；调用时凡是给定的参数不管，只需给出其他参数，例如Ellipse( atom_image, 90 );给出了图像名和角度，其他量为已知。
opencv 坐标系转换 函数
opencv 坐标系转换函数
OpenCV坐标系转换函数是用来将不同坐标系下的点进行转换的函数。
在计算机视觉中，不同的坐标系有不同的应用场景，例如摄像头坐标系、图像坐标系、世界坐标系等。
因此，坐标系转换函数是非常常用的功能。
常见的坐标系转换函数包括：
1. cv
2.projectPoints：将三维点投影到二维平面上。
2. cv2.undistortPoints：去畸变，将图像上的点转换到归一化平面上。
3. cv2.fisheye.undistortPoints：去鱼眼畸变。
4. cv2.perspectiveTransform：透视变换，将三维点在透视空间中的坐标转换为二维平面上的坐标。
5. cv2.warpAffine：仿射变换，将图像进行平移、旋转和缩放等操作。
6. cv2.warpPerspective：透视变换，将图像进行透视变换。
7. cv2.remap：根据映射表对图像进行重映射。
以上是常见的坐标系转换函数，使用时需要根据具体的需求选择合适的函数，并且了解不同坐标系的定义和转换关系。
- 1 -。
opencv所有函数汇总
opencv所有函数汇总OpenCV是一个开放源代码的计算机视觉和机器学习软件库。
它拥有多种函数和方法，可用于处理图像和视频、目标检测、特征提取、图像分割、图像配准、机器学习等多个领域。
以下是一些常用的OpenCV函数的汇总：1. cv2.imread该函数读取图像文件，并返回一个NumPy数组，该数组表示图像的像素值。
2. cv2.imshow用于在窗口中显示图像。
3. cv2.imwrite将图像保存到指定的文件路径。
4. cv2.cvtColor用于将图像从一个颜色空间转换为另一个颜色空间。
5. cv2.resize可用于调整图像的大小。
6. cv2.flip用于翻转图像。
7. cv2.rectangle绘制矩形框。
8. cv2.circle绘制圆形。
9. cv2.line绘制线条。
10. cv2.putText在图像上绘制文本。
11. cv2.threshold将图像分割为黑白两个阈值。
12. cv2.adaptiveThreshold根据图像不同区域的光照条件对图像进行阈值处理。
13. cv2.medianBlur对图像进行中值滤波。
14. cv2.GaussianBlur对图像进行高斯模糊。
15. cv2.bilateralFilter对图像进行双边滤波。
16. cv2.contourArea计算轮廓的面积。
17. cv2.findContours找到图像中的轮廓。
18. cv2.drawContours在图像上绘制轮廓。
19. cv2.matchTemplate在图像中查找指定模板的匹配项。
20. cv2.HoughCircles在图像中检测圆。
21. cv2.HoughLines在图像中检测直线。
22. cv2.goodFeaturesToTrack在图像中寻找角点。
23. cv2.findHomography计算两个图像之间的单应性矩阵。
24. cv2.warpPerspective将图像进行透视变换。
opencv常用函数
01、cvL oad：矩阵读取；102、c vOpen FileS torag e：为读/写打开存储文件；103、cv Relea seFil eStor age：释放存储的数据；104、cvS tartW riteS truct：开始写入新的数据结构；105、cvE ndWri teStr uct：结束写入数据结构；106、cv Write Int：写入整数型；107、cvWri teRea l：写入浮点型；108、cv Write Strin g：写入字符型；109、cv Write Comme nt：写一个XML或YAML的注释字串；110、cvWri te：写一个对象；111、cvWr iteRa wData：写入多个数值；112、cv Write FileN ode：将文件节点写入另一个文件存储器；113、cvGet RootF ileNo de：获取存储器最顶层的节点；114、cvGet FileN odeBy Name：在映图或存储器中找到相应节点；115、cvGet Hashe dKey：为名称返回一个惟一的指针；116、cv GetFi leNod e：在映图或文件存储器中找到节点；117、cvG etFil eNode Name：返回文件的节点名；118、c vRead Int：读取一个无名称的整数型；119、cvRe adInt ByNam e：读取一个有名称的整数型；120、c vRead Real：读取一个无名称的浮点型；121、c vRead RealB yName：读取一个有名称的浮点型；122、cv ReadS tring：从文件节点中寻找字符串；123、cv ReadS tring ByNam e：找到一个有名称的文件节点并返回它；124、c vRead：将对象解码并返回它的指针；125、c vRead ByNam e：找到对象并解码；126、cvRea dRawD ata：读取多个数值；127、cvSt artRe adRaw Data：初始化文件节点序列的读取；128、cv ReadR awDat aSlic e：读取文件节点的内容；129、cvG etMod uleIn fo：检查IPP库是否已经正常安装并且检验运行是否正常；130、cv Resiz eWind ow：用来调整窗口的大小；131、cvSav eImag e：保存图像；132、cvM oveWi ndow：将窗口移动到其左上角为x,y的位置；133、cv Destr oyAll Windo w：用来关闭所有窗口并释放窗口相关的内存空间；134、cv GetTr ackba rPos：读取滑动条的值；135、cv SetTr ackba rPos：设置滑动条的值；136、cv GrabF rame：用于快速将视频帧读入内存；137、cv Retri eveFr ame：对读入帧做所有必须的处理；138、cvC onver tImag e：用于在常用的不同图像格式之间转换；139、c vErod e：形态腐蚀；140、cvD ilate：形态学膨胀；141、c vMorp holog yEx：更通用的形态学函数；142、c vFloo dFill：漫水填充算法，用来进一步控制哪些区域将被填充颜色；143、cvRe size：放大或缩小图像；144、cv PyrUp：图像金字塔，将现有的图像在每个维度上都放大两倍；145、cvPyr Segme ntati on：利用金字塔实现图像分割；146、cvThr eshol d：图像阈值化；147、cv Acc：可以将8位整数类型图像累加为浮点图像；148、cv Adapt iveTh resho ld：图像自适应阈值；149、cvFi lter2D：图像卷积；150、cvC opyMa keBor der：将特定的图像轻微变大，然后以各种方式自动填充图像边界；151、cvSo bel：图像边缘检测，Sobe l算子；152、c vLapl ace：拉普拉斯变换、图像边缘检测；153、cv Hough Lines2：霍夫直线变换；154、c vHoug hCirc les：霍夫圆变换；155、cvRem ap：图像重映射，校正标定图像，图像插值；156、cvWa rpAff ine：稠密仿射变换；157、cvGe tQuad rangl eSubP ix：仿射变换；158、cv GetAf fineT ransf orm：仿射映射矩阵的计算；159、c vClon eImag e：将整个IplIm age结构复制到新的IplIm age中；160、cv2DR otati onMat rix：仿射映射矩阵的计算；161、c vTran sform：稀疏仿射变换；162、cv WarpP erspe ctive：密集透视变换(单应性)；163、cv GetPe rspec tiveT ransf orm：计算透视映射矩阵；164、cv Persp ectiv eTran sform：稀疏透视变换；165、cv CartT oPola r：将数值从笛卡尔空间到极坐标(极性空间)进行映射；166、cvPo larTo Cart：将数值从极性空间到笛卡尔空间进行映射；167、c vLogP olar：对数极坐标变换；168、cv DFT：离散傅里叶变换；169、cvM ulSpe ctrum s：频谱乘法；170、cvD CT：离散余弦变换；171、cvInt egral：计算积分图像；172、cv DistT ransf orm：图像的距离变换；173、cvE quali zeHis t：直方图均衡化；174、c vCrea teHis t：创建一新直方图；175、cvMak eHist Heade rForA rray：根据已给出的数据创建直方图；176、c vNorm alize Hist：归一化直方图；177、cvT hresh Hist：直方图阈值函数；178、cv CalcH ist：从图像中自动计算直方图；179、cvCo mpare Hist：用于对比两个直方图的相似度；180、c vCalc EMD2：陆地移动距离(EMD)算法；181、c vCalc BackP rojec t：反向投影；182、cvC alcBa ckPro jectP atch：图块的方向投影；183、cv Match Templ ate：模板匹配；184、c vCrea teMem Stora ge：用于创建一个内存存储器；185、cvCre ateSe q：创建序列；186、cvS eqInv ert：将序列进行逆序操作；187、c vCvtS eqToA rray：复制序列的全部或部分到一个连续内存数组中；188、cvFi ndCon tours：从二值图像中寻找轮廓；189、cvD rawCo ntour s：绘制轮廓；190、cvA pprox Poly：使用多边形逼近一个轮廓；191、cvC ontou rPeri meter：轮廓长度；192、cvCo ntour sMome nts：计算轮廓矩；193、cvMom ents：计算Hu不变矩；194、cv Match Shape s：使用矩进行匹配；195、cvIni tLine Itera tor：对任意直线上的像素进行采样；196、cv Sampl eLine：对直线采样；197、cvA bsDif f：帧差；198、cvWat ershe d：分水岭算法；199、cv Inpai nt：修补图像；200、cv GoodF eatur esToT rack：寻找角点；201、cvFin dCorn erSub Pix：用于发现亚像素精度的角点位置；202、c vCalc Optic alFlo wLK：实现非金字塔的Luca s-Kan ade稠密光流算法；203、cvMea nShif t：mea n-shi ft跟踪算法；204、cvC amShi ft：ca mshif t跟踪算法；205、cvCr eateK alman：创建Ka lman滤波器；206、cv Creat eConD ensat ion：创建cond ensat ion滤波器；207、cvC onver tPoin tsHom ogeni ous：对齐次坐标进行转换；208、c vFind Chess board Corne rs：定位棋盘角点；209、cvFin dHomo graph y：计算单应性矩阵；210、cvRod rigue s2：罗德里格斯变换；211、cvFi tLine：直线拟合算法；212、cv CalcC ovarM atrix：计算协方差矩阵；213、c vInve rt：计算协方差矩阵的逆矩阵；214、cvMah alano bis：计算Maha lanob is距离；215、cvKMe ans2：K均值；216、c vClon eMat：根据一个已有的矩阵创建一个新矩阵；217、cvP reCor nerDe tect：计算用于角点检测的特征图；218、cv GetIm age：C vMat图像数据格式转换成Ip lImag e图像数据格式；219、cv MatMu l：两矩阵相乘；。
opencv库常用函数
opencv库常⽤函数常⽤opencv函数：1、cv2.line()：画线——参数依次为：图⽚路径，起点和终点坐标值，颜⾊（rgb），线条宽度（像素）2、dst = cvtColor(src,code,dst=None,dstCn=None)：颜⾊空间转换函数——参数依次为(原图像，color转化代码，输出图像，输出通道), 返回转换后的图像3、ret, dst = cv2.threshold(src, thresh, maxval, type)：固定阈值⼆值化——src：输⼊图，只能输⼊单通道图像，通常来说为灰度图dst：输出图thresh：阈值maxval：当像素值超过了阈值（或者⼩于阈值，根据type来决定），所赋予的值type：⼆值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV4、cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]]) ：查找检测物体的轮廓opencv2返回两个值：contours：hierarchy。
注:opencv3会返回三个值,分别是img, countours, hierarchy参数：第⼀个参数是寻找轮廓的图像；第⼆个参数表⽰轮廓的检索模式，有四种（本⽂介绍的都是新的cv2接⼝）：cv2.RETR_EXTERNAL 表⽰只检测外轮廓cv2.RETR_LIST 检测的轮廓不建⽴等级关系cv2.RETR_CCOMP 建⽴两个等级的轮廓，上⾯的⼀层为外边界，⾥⾯的⼀层为内孔的边界信息。
如果内孔内还有⼀个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE 建⽴⼀个等级树结构的轮廓。
第三个参数method为轮廓的近似办法cv2.CHAIN_APPROX_NONE 存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1cv2.CHAIN_APPROX_SIMPLE 压缩⽔平⽅向，垂直⽅向，对⾓线⽅向的元素，只保留该⽅向的终点坐标，例如⼀个矩形轮廓只需4个点来保存轮廓信息cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS 使⽤teh-Chinl chain 近似算法返回值cv2.findContours()函数返回两个值，⼀个是轮廓本⾝，还有⼀个是每条轮廓对应的属性。
opencv腐蚀膨胀函数
opencv腐蚀膨胀函数1. cv::erode。
该函数将图像进行腐蚀操作，即将图像中的白色区域缩小或消失，黑色区域扩大或保持不变。
腐蚀使用的结构元素可以是矩形、椭圆、十字形等。
函数原型：cv::erode(输入图像, 输出图像, 结构元素, 锚点, 迭代次数, 边界类型, 边界值);。
参数解析：-输入图像：腐蚀操作的原图像。
-输出图像：腐蚀操作的结果图像。
-结构元素：腐蚀操作使用的结构元素，可以是矩形、椭圆、十字形等。
-锚点：结构元素的锚点位置，默认为结构元素中心。
-迭代次数：进行腐蚀操作的迭代次数，默认为1。
- 边界类型：边界的处理方式，可以是cv::BORDER_CONSTANT、cv::BORDER_REPLICATE、cv::BORDER_REFLECT等。
- 边界值：当边界类型为cv::BORDER_CONSTANT时，设置边界的填充值，默认为0。
2. cv::dilate。
该函数将图像进行膨胀操作，即将图像中的黑色区域缩小或消失，白色区域扩大或保持不变。
膨胀使用的结构元素可以是矩形、椭圆、十字形等。
函数原型：cv::dilate(输入图像, 输出图像, 结构元素, 锚点, 迭代次数, 边界类型, 边界值);。
参数解析：-输入图像：膨胀操作的原图像。
-输出图像：膨胀操作的结果图像。
-结构元素：膨胀操作使用的结构元素，可以是矩形、椭圆、十字形等。
-锚点：结构元素的锚点位置，默认为结构元素中心。
-迭代次数：进行膨胀操作的迭代次数，默认为1。
- 边界类型：边界的处理方式，可以是cv::BORDER_CONSTANT、cv::BORDER_REPLICATE、cv::BORDER_REFLECT等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Opencv函数分配图像空间:IplImage*cvCreateImage(CvSize size,int depth,int channels);size:cvSize(width,height);depth:IPL_DEPTH_8U,IPL_DEPTH_8S,IPL_DEPTH_16U,IPL_DEPTH_16S,IPL_DEPTH_32S,IPL_DEPTH_32F, IPL_DEPTH_64Fchannels:1,2,3or4.注意数据为交叉存取.彩色图像的数据编排为b0g0r0b1g1 r1...举例://分配一个单通道字节图像IplImage*img1=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1);//分配一个三通道浮点图像IplImage*img2=cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3);释放图像空间:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1); cvReleaseImage(&img);复制图像:IplImage*img1=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1); IplImage*img2;img2=cvCloneImage(img1);设定/获取兴趣区域:void cvSetImageROI(IplImage*image,CvRect rect);void cvResetImageROI(IplImage*image);vRect cvGetImageROI(const IplImage*image);大部分OpenCV函数都支持ROI.设定/获取兴趣通道:void cvSetImageCOI(IplImage*image,int coi);//0=allint cvGetImageCOI(const IplImage*image);大部分OpenCV函数暂不支持COI.读取存储图像从文件中载入图像:IplImage*img=0;img=cvLoadImage(fileName);if(!img)printf("Could not load image file:%s\n",fileName);Supported image formats:BMP,DIB,JPEG,JPG,JPE,PNG,PBM,PGM, PPM,SR,RAS, TIFF,TIF载入图像默认转为3通道彩色图像.如果不是，则需加flag:img=cvLoadImage(fileName,flag);flag:>0载入图像转为三通道彩色图像=0载入图像转为单通道灰度图像<0不转换载入图像(通道数与图像文件相同).图像存储为图像文件:if(!cvSaveImage(outFileName,img))printf("Could not save:%s\n",outFileName);输入文件格式由文件扩展名决定.存取图像元素假设需要读取在i行j列像点的第k通道.其中,行数i的范围为[0,height-1],列数j的范围为[0,width-1],通道k的范围为[0,nchannels-1].间接存取:(比较通用,但效率低,可读取任一类型图像数据)对单通道字节图像:CvScalar s;s=cvGet2D(img,i,j);//get the(i,j)pixel valueprintf("intensity=%f\n",s.val[0]);s.val[0]=111;cvSet2D(img,i,j,s);//set the(i,j)pixel value对多通道浮点或字节图像:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3); CvScalar s;s=cvGet2D(img,i,j);//get the(i,j)pixel valueprintf("B=%f,G=%f,R=%f\n",s.val[0],s.val[1],s.val[2]);s.val[0]=111;s.val[1]=111;s.val[2]=111;cvSet2D(img,i,j,s);//set the(i,j)pixel value直接存取:(效率高,但容易出错)对单通道字节图像:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1); ((uchar*)(img->imageData+i*img->widthStep))[j]=111;对多通道字节图像:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,3); ((uchar*)(img->imageData+i*img->widthStep))[j*img->nChannels+ 0]=111;//B((uchar*)(img->imageData+i*img->widthStep))[j*img->nChannels+ 1]=112;//G((uchar*)(img->imageData+i*img->widthStep))[j*img->nChannels+ 2]=113;//R对多通道浮点图像:((float*)(img->imageData+i*img->widthStep))[j*img->nChannels+0]=111;//B((float*)(img->imageData+i*img->widthStep))[j*img->nChannels+1]=112;//G((float*)(img->imageData+i*img->widthStep))[j*img->nChannels+2]=113;//R用指针直接存取:(在某些情况下简单高效)对单通道字节图像:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1); int height=img->height;int width=img->width;int step=img->widthStep/sizeof(uchar);uchar*data=(uchar*)img->imageData;data[i*step+j]=111;对多通道字节图像:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,3); int height=img->height;int width=img->width;int step=img->widthStep/sizeof(uchar);int channels=img->nChannels;uchar*data=(uchar*)img->imageData;data[i*step+j*channels+k]=111;对单通道浮点图像(假设用4字节调整):IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3); int height=img->height;int width=img->width;int step=img->widthStep/sizeof(float);int channels=img->nChannels;float*data=(float*)img->imageData;data[i*step+j*channels+k]=111;使用c++wrapper进行直接存取:(简单高效)对单/多通道字节图像，多通道浮点图像定义一个c++wrapper:template<class T>class Image{private:IplImage*imgp;public:Image(IplImage*img=0){imgp=img;}~Image(){imgp=0;}void operator=(IplImage*img){imgp=img;}inline T*operator[](const int rowIndx){return((T*)(imgp->imageData+rowIndx*imgp->widthStep));} };typedef struct{unsigned char b,g,r;}RgbPixel;typedef struct{float b,g,r;}RgbPixelFloat;typedef Image<RgbPixel>RgbImage;typedef Image<RgbPixelFloat>RgbImageFloat;typedef Image<unsigned char>BwImage;typedef Image<float>BwImageFloat;单通道字节图像:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1); BwImage imgA(img);imgA[i][j]=111;多通道字节图像:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,3); RgbImage imgA(img);imgA[i][j].b=111;imgA[i][j].g=111;imgA[i][j].r=111;多通道浮点图像:IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3); RgbImageFloat imgA(img);imgA[i][j].b=111;imgA[i][j].g=111;imgA[i][j].r=111;图像转换转为灰度或彩色字节图像:cvConvertImage(src,dst,flags=0);src=float/byte grayscale/color imagedst=byte grayscale/color imageflags=CV_CVTIMG_FLIP(flip vertically)CV_CVTIMG_SWAP_RB(swap the R and B channels)转换彩色图像为灰度图像:使用OpenCV转换函数:cvCvtColor(cimg,gimg,CV_BGR2GRAY);//cimg->gimg直接转换:for(i=0;i<cimg->height;i++)for(j=0;j<cimg->width;j++)gimgA[i][j]=(uchar)(cimgA[i][j].b*0.114+cimgA[i][j].g*0.587+cimgA[i][j].r*0.299) ;颜色空间转换:cvCvtColor(src,dst,code);//src->dstcode=CV_<X>2<Y><X>/<Y>=RGB,BGR,GRAY,HSV,YCrCb,XYZ,Lab,Luv,HLSe.g.:CV_BGR2GRAY,CV_BGR2HSV,CV_BGR2Lab绘图命令画长方体://用宽度为1的红线在(100,100)与(200,200)之间画一长方体cvRectangle(img,cvPoint(100,100),cvPoint(200,200),cvScalar(255,0,0), 1);画圆://在(100,100)处画一半径为20的圆,使用宽度为1的绿线cvCircle(img,cvPoint(100,100),20,cvScalar(0,255,0),1);画线段://在(100,100)与(200,200)之间画绿色线段，宽度为1cvLine(img,cvPoint(100,100),cvPoint(200,200),cvScalar(0,255,0),1);画一组线段:CvPoint curve1[]={10,10,10,100,100,100,100,10};CvPoint curve2[]={30,30,30,130,130,130,130,30,150,10};CvPoint*curveArr[2]={curve1,curve2};int nCurvePts[2]={4,5};int nCurves=2;int isCurveClosed=1;int lineWidth=1;cvPolyLine(img,curveArr,nCurvePts,nCurves,isCurveClosed,cvScalar(0,25 5,255),lineWidth);画内填充色的多边形:cvFillPoly(img,curveArr,nCurvePts,nCurves,cvScalar(0,255,255));添加文本:CvFont font;double hScale=1.0;double vScale=1.0;int lineWidth=1;cvInitFont(&font,CV_FONT_HERSHEY_SIMPLEX|CV_FONT_ITALIC,hScale,vScale,0,lineWidth);cvPutText(img,"My comment",cvPoint(200,400),&font,cvScalar(255,255,0));Other possible fonts:CV_FONT_HERSHEY_SIMPLEX,CV_FONT_HERSHEY_PLAIN,CV_FONT_HERSHEY_DUPLEX,CV_FONT_HERSHEY_COMPLEX,CV_FONT_HERSHEY_TRIPLEX,CV_FONT_HERSHEY_COMPLEX_SMALL,CV_FONT_HERSHEY_SCRIPT_SIMPLEX,CV_FONT_HERSHEY_SCRIPT_COMPLEX,综述:OpenCV有针对矩阵操作的C语言函数.许多其他方法提供了更加方便的C++接口，其效率与OpenCV一样.OpenCV将向量作为1维矩阵处理.矩阵按行存储，每行有4字节的校整.分配矩阵空间:CvMat*cvCreateMat(int rows,int cols,int type);type:矩阵元素类型.格式为CV_<bit_depth>(S|U|F)C<number_of_channels>.例如:CV_8UC1表示8位无符号单通道矩阵,CV_32SC2表示32位有符号双通道矩阵.例程:CvMat*M=cvCreateMat(4,4,CV_32FC1);释放矩阵空间:CvMat*M=cvCreateMat(4,4,CV_32FC1);cvReleaseMat(&M);复制矩阵:CvMat*M1=cvCreateMat(4,4,CV_32FC1);CvMat*M2;M2=cvCloneMat(M1);初始化矩阵:double a[]={1,2,3,4,5,6,7,8,9,10,11,12};CvMat Ma=cvMat(3,4,CV_64FC1,a);另一种方法:CvMat Ma;cvInitMatHeader(&Ma,3,4,CV_64FC1,a);初始化矩阵为单位阵:CvMat*M=cvCreateMat(4,4,CV_32FC1);cvSetIdentity(M);//这里似乎有问题，不成功存取矩阵元素假设需要存取一个2维浮点矩阵的第(i,j)个元素.间接存取矩阵元素:cvmSet(M,i,j,2.0);//Set M(i,j)t=cvmGet(M,i,j);//Get M(i,j)直接存取，假设使用4-字节校正:CvMat*M=cvCreateMat(4,4,CV_32FC1);int n=M->cols;float*data=M->data.fl;data[i*n+j]=3.0;直接存取，校正字节任意:CvMat*M=cvCreateMat(4,4,CV_32FC1);int step=M->step/sizeof(float);float*data=M->data.fl;(data+i*step)[j]=3.0;直接存取一个初始化的矩阵元素:double a[16];CvMat Ma=cvMat(3,4,CV_64FC1,a);a[i*4+j]=2.0;//Ma(i,j)=2.0;矩阵/向量操作矩阵-矩阵操作:CvMat*Ma,*Mb,*Mc;cvAdd(Ma,Mb,Mc);//Ma+Mb->Mc cvSub(Ma,Mb,Mc);//Ma-Mb->Mc cvMatMul(Ma,Mb,Mc);//Ma*Mb->Mc按元素的矩阵操作:CvMat*Ma,*Mb,*Mc;cvMul(Ma,Mb,Mc);//Ma.*Mb->Mc cvDiv(Ma,Mb,Mc);//Ma./Mb->Mc cvAddS(Ma,cvScalar(-10.0),Mc);//Ma.-10->Mc向量乘积:double va[]={1,2,3};double vb[]={0,0,1};double vc[3];CvMat Va=cvMat(3,1,CV_64FC1,va);CvMat Vb=cvMat(3,1,CV_64FC1,vb);CvMat Vc=cvMat(3,1,CV_64FC1,vc);double res=cvDotProduct(&Va,&Vb);//点乘:Va.Vb->res cvCrossProduct(&Va,&Vb,&Vc);//向量积:Va x Vb->Vcend{verbatim}注意Va,Vb,Vc在向量积中向量元素个数须相同.单矩阵操作:CvMat*Ma,*Mb;cvTranspose(Ma,Mb);//transpose(Ma)->Mb(不能对自身进行转置)CvScalar t=cvTrace(Ma);//trace(Ma)->t.val[0]double d=cvDet(Ma);//det(Ma)->dcvInvert(Ma,Mb);//inv(Ma)->Mb非齐次线性系统求解:CvMat*A=cvCreateMat(3,3,CV_32FC1);CvMat*x=cvCreateMat(3,1,CV_32FC1);CvMat*b=cvCreateMat(3,1,CV_32FC1);cvSolve(&A,&b,&x);//solve(Ax=b)for x特征值分析(针对对称矩阵):CvMat*A=cvCreateMat(3,3,CV_32FC1);CvMat*E=cvCreateMat(3,3,CV_32FC1);CvMat*l=cvCreateMat(3,1,CV_32FC1);cvEigenVV(&A,&E,&l);//l=A的特征值(降序排列)//E=对应的特征向量(每行)奇异值分解SVD:CvMat*A=cvCreateMat(3,3,CV_32FC1);CvMat*U=cvCreateMat(3,3,CV_32FC1);CvMat*D=cvCreateMat(3,3,CV_32FC1);CvMat*V=cvCreateMat(3,3,CV_32FC1);cvSVD(A,D,U,V,CV_SVD_U_T|CV_SVD_V_T);//A=U D V^T 标号使得U和V返回时被转置(若没有转置标号，则有问题不成功!!!).视频序列操作从视频序列中抓取一帧OpenCV支持从摄像头或视频文件(AVI)中抓取图像.从摄像头获取初始化:CvCapture*capture=cvCaptureFromCAM(0);//capture from video device #0从视频文件获取初始化:CvCapture*capture=cvCaptureFromAVI("infile.avi");抓取帧:IplImage*img=0;if(!cvGrabFrame(capture)){//抓取一帧printf("Could not grab a frame\n\7");exit(0);}img=cvRetrieveFrame(capture);//恢复获取的帧图像要从多个摄像头同时获取图像,首先从每个摄像头抓取一帧.在抓取动作都结束后再恢复帧图像.释放抓取源:cvReleaseCapture(&capture);注意由设备抓取的图像是由capture函数自动分配和释放的.不要试图自己释放它.获取/设定帧信息获取设备特性:cvQueryFrame(capture);//this call is necessary to get correct//capture properties int frameH=(int)cvGetCaptureProperty(capture,CV_CAP_PROP_FRAME_HEIGHT);int frameW=(int)cvGetCaptureProperty(capture,CV_CAP_PROP_FRAME_WIDTH);int fps=(int)cvGetCaptureProperty(capture,CV_CAP_PROP_FPS);int numFrames=(int)cvGetCaptureProperty(capture,CV_CAP_PROP_FRAME_COUNT);所有帧数似乎只与视频文件有关.用摄像头时不对，奇怪!!!.获取帧信息:float posMsec=cvGetCaptureProperty(capture, CV_CAP_PROP_POS_MSEC);int posFrames=(int)cvGetCaptureProperty(capture,CV_CAP_PROP_POS_FRAMES);float posRatio=cvGetCaptureProperty(capture, CV_CAP_PROP_POS_AVI_RATIO);获取所抓取帧在视频序列中的位置,从首帧开始按[毫秒]算.或者从首帧开始从0标号,获取所抓取帧的标号.或者取相对位置，首帧为0，末帧为1,只对视频文件有效.设定所抓取的第一帧标号://从视频文件相对位置0.9处开始抓取cvSetCaptureProperty(capture,CV_CAP_PROP_POS_AVI_RATIO,(double)0.9);只对从视频文件抓取有效.不过似乎也不成功!!!存储视频文件初始化视频存储器:CvVideoWriter*writer=0;int isColor=1;int fps=25;//or30int frameW=640;//744for firewire camerasint frameH=480;//480for firewire cameraswriter=cvCreateVideoWriter("out.avi",CV_FOURCC('P','I','M','1'),fps,cvSize(f rameW,frameH),isColor);其他有效编码:CV_FOURCC('P','I','M','1')=MPEG-1codecCV_FOURCC('M','J','P','G')=motion-jpeg codec(does not work well)CV_FOURCC('M','P','4','2')=MPEG-4.2codecCV_FOURCC('D','I','V','3')=MPEG-4.3codecCV_FOURCC('D','I','V','X')=MPEG-4codecCV_FOURCC('U','2','6','3')=H263codecCV_FOURCC('I','2','6','3')=H263I codecCV_FOURCC('F','L','V','1')=FLV1codec若把视频编码设为-1则将打开一个编码选择窗口(windows系统下).存储视频文件:IplImage*img=0;int nFrames=50;for(i=0;i<nFrames;i++){cvGrabFrame(capture);//抓取帧img=cvRetrieveFrame(capture);//恢复图像cvWriteFrame(writer,img);//将帧添加入视频文件}若想在抓取中查看抓取图像,可在循环中加入下列代码:cvShowImage("mainWin",img);key=cvWaitKey(20);//wait20ms 若没有20[毫秒]延迟，将无法正确显示视频序列.释放视频存储器:cvReleaseVideoWriter(&writer);。