快速学习OPENCV常用函数
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基本使用方法
OpenCV基本使用方法一、介绍O p en CV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，可以用于图像处理、目标检测、人脸识别等各种应用。
本文档将介绍O pe nC V的基本使用方法，包括图像读取、显示、保存以及常用的图像处理操作。
二、图像读取与显示1.读取图像要读取图像，可以使用`cv2.im re ad()`函数。
该函数接受图像文件的路径作为参数，并返回一个表示图像的多维数组。
i m po rt cv2i m ag e=cv2.im re ad("im ag e.jp g")2.显示图像要显示图像，可以使用`cv2.im sh ow()`函数。
该函数接受一个窗口名称和一个表示图像的多维数组作为参数。
i m po rt cv2i m ag e=cv2.im re ad("im ag e.jp g")c v2.im sh ow("Im age",i ma ge)c v2.wa it Ke y(0)c v2.de st ro yA ll Wind ow s()三、图像保存与格式转换1.保存图像要保存图像，可以使用`cv2.im wr it e()`函数。
该函数接受图像保存的路径和表示图像的多维数组作为参数。
i m po rt cv2i m ag e=cv2.im re ad("im ag e.jp g")c v2.im wr it e("n ew_i ma ge.j pg",im age)2.格式转换要将图像从一种格式转换为另一种格式，可以使用`c v2.c vt Co lo r()`函数。
该函数接受表示图像的多维数组和转换的标志作为参数。
i m po rt cv2i m ag e=cv2.im re ad("im ag e.jp g")g r ay_i ma ge=c v2.cv t Co lo r(im ag e,cv2.CO LO R_BG R2GR AY)四、常用的图像处理操作1.转换为灰度图要将彩色图像转换为灰度图，可以使用`c v2.cv tC ol or()`函数，并指定转换标志为`cv2.CO LO R_BG R2GR AY`。
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入门教程
O p e n C V入门教程-CAL-FENGHAI.-(YICAI)-Company One1OpenCV 入门教程作者：于仕琪年 8 月版权所有于仕琪本作品采用知识共享署名-相同方式共享国际许可协议进行许可。
1前言OpenCV 是一个广受欢迎的开源计算机视觉库，它提供了很多函数，实现了很多计算机视觉算法，算法从最基本的滤波到高级的物体检测皆有涵盖。
很多初学者希望快速掌握OpenCV 的使用方法，但往往会遇到各种各样的困难。
其实仔细分析，造成这些困难的原因有两类：第一类是C/C++编程基础不过关；第二类是不了解算法原理。
解决这些困难无非提升编程能力，以及提升理论基础知识。
提升编程能力需要多练习编程，提升理论知识需要系统学习《数字图像处理》、《计算机视觉》和《模式识别》等课程，所有这些都不能一蹴而就，需要耐下心来认真修炼。
同时我们也需要认识到 OpenCV 只是一个算法库，能为我们搭建计算机视觉应用提供“砖头”。
我们并不需要完全精通了算法原理之后才去使用 OpenCV，只要了解了“砖头”的功能，就可以动手了。
在实践中学习才是最高效的学习方式。
本小册子希望为初学者提供引导，使初学者快速了解 OpenCV 的基本数据结构以及用法。
此外，如您发现有错误之处，欢迎来信指正。
于仕琪深圳大学插播广告：欢迎有能力、有激情以及对计算机视觉有兴趣的同学报考我的研究生。
欲了解详情可以访问深圳大学招生网或者给我发 email。
目录第 1 章预备知识 (5)编程的流程 (5)什么叫编辑 (6)什么叫编译 (6)什么叫连接 (7)什么叫运行 (7)Visual C++是什么 (8)头文件 (9)库文件 (10)OpenCV 是什么 (11)什么是命令行参数 (12)常见编译错误 (13)找不到头文件 (13)拼写错误 (14)常见链接错误 (15)运行时错误 (17)第 2 章OpenCV 介绍 (19)OpenCV 的来源 (19)OpenCV 的协议 (19)第 3 章图像的基本操作 (21)图像的表示 (21)Mat 类 (23)创建 Mat 对象 (24)构造函数方法 (24)create()函数创建对象 (25)Matlab 风格的创建对象方法 (26)矩阵的基本元素表达 (26)像素值的读写 (27)at()函数 (28)使用迭代器 (29)通过数据指针 (30)选取图像局部区域 (32)单行或单列选择 (32)用 Range 选择多行或多列 (33)感兴趣区域 (33)取对角线元素 (34)Mat 表达式 (34)Mat_类 (36)Mat 类的内存管理 (38)输出 (40)Mat 与 IplImage 和 CvMat 的转换 (42)Mat 转为 IplImage 和 CvMat 格式 (42)IplImage 和 CvMat 格式转为 Mat (42)第 4 章数据获取与存储 (44)读写图像文件 (44)读图像文件 (44)写图像文件 (45)读写视频 (47)读视频 (47)写视频 (49)第1章预备知识OpenCV 是一个功能强大的计算机视觉库，要用好它，除了要具有相关的计算机视觉理论知识外，还需要具有一定的编程能力。
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。
cv2库函数
cv2库函数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功能。
在OpenCV中，cv2是一个用于Python的库，它提供了大量用于图像处理和计算机视觉任务的函数。
在本文中，我们将介绍一些常用的cv2库函数，以帮助读者更好地了解如何使用OpenCV进行图像处理和计算机视觉任务。
1. 读取和显示图像：cv2.imread()和cv2.imshow()cv2.imread()函数用于读取图像文件，可以指定图像文件的路径和读取模式。
读取的图像会以NumPy数组的形式返回，可以方便地进行后续处理。
cv2.imshow()函数用于显示图像，可以指定窗口的名称和要显示的图像。
通过这两个函数，我们可以快速读取和显示图像文件，方便进行后续处理和分析。
2. 图像的灰度化：cv2.cvtColor()cv2.cvtColor()函数用于将彩色图像转换为灰度图像，可以指定转换的颜色空间。
在图像处理和计算机视觉任务中，常常需要将彩色图像转换为灰度图像进行后续处理，比如边缘检测、特征提取等。
通过cv2.cvtColor()函数，可以方便地进行灰度化处理，为后续任务提供更好的基础。
3. 图像的缩放和裁剪：cv2.resize()和数组切片cv2.resize()函数用于对图像进行缩放操作，可以指定目标图像的大小和缩放模式。
图像缩放是图像处理和计算机视觉任务中常用的操作，可以用于调整图像的大小、改变图像的分辨率等。
除了cv2.resize()函数外，还可以使用NumPy数组的切片操作进行图像的裁剪，实现对图像的局部操作和提取感兴趣的区域。
4. 图像的边缘检测：cv2.Canny()cv2.Canny()函数用于对图像进行边缘检测，可以指定边缘检测的参数和阈值。
边缘检测是图像处理和计算机视觉任务中常用的操作，可以用于检测图像中的边缘和轮廓，提取图像的关键信息。
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。
- 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)。
访问图像元素如下:1、针对各种图像(包括4-通道)和矩阵的函数(cvGet2D,cvSet2D),但是它们都很慢.(img->origin=IPL_ORIGIN_TL)或者是左下角(img->origin=IPL_ORIGIN_BL)假设有8-bit1－通道的图像I(IplImage*img):I(x,y)~((uchar*)(img->imageData+img->widthStep*y))[x]假设有8-bit3-通道的图像I(IplImage*img):I(x,y)blue~((uchar*)(img->imageData+img->widthStep*y))[x*3]I(x,y)green~((uchar*)(img->imageData+img->widthStep*y))[x*3+1]I(x,y)red~((uchar*)(img->imageData+img->widthStep*y))[x*3+2]如果增加点(100,100)的亮度30，那么可以:CvPoint pt={100,100};((uchar*)(img->imageData+img->widthStep*pt.y))[pt.x*3]+=30; ((uchar*)(img->imageData+img->widthStep*pt.y))[pt.x*3+1]+=30; ((uchar*)(img->imageData+img->widthStep*pt.y))[pt.x*3+2]+=30;CvPoint pt={100,100};uchar*temp_ptr=&((uchar*)(img->imageData+img->widthStep*pt.y))[x*3];temp_ptr[0]+=30;temp_ptr[1]+=30;temp_ptr[2]+=30;假设有32-bit浮点数,1-通道图像I(IplImage*img):I(x,y)~((float*)(img->imageData+img->widthStep*y))[x]现在，通用方法：假设有N-通道，类型为T的图像：I(x,y)c~((T*)(img->imageData+img->widthStep*y))[x*N+c]或者你可使用宏CV_IMAGE_ELEM(image_header,elemtype,y,x_Nc)I(x,y)c~CV_IMAGE_ELEM(img,T,y,x*N+c)2、访问矩阵元素设有32-bit浮点数的实数矩阵M(CvMat*mat):M(i,j)~((float*)(mat->data.ptr+mat->step*i))[j]设有64-bit浮点数的复数矩阵M(CvMat*mat):Re M(i,j)~((double*)(mat->data.ptr+mat->step*i))[j*2]Im M(i,j)~((double*)(mat->data.ptr+mat->step*i))[j*2+1]设有单通道矩阵，有宏CV_MAT_ELEM(matrix,elemtype,row,col),例如对32-bit浮点数的实数矩阵M(i,j)~CV_MAT_ELEM(mat,float,i,j),假如初始化3x3单位阵：CV_MAT_ELEM(mat,float,0,0)=1.f;CV_MAT_ELEM(mat,float,0,1)=0.f;CV_MAT_ELEM(mat,float,0,2)=0.f;CV_MAT_ELEM(mat,float,1,0)=0.f;CV_MAT_ELEM(mat,float,1,1)=1.f;CV_MAT_ELEM(mat,float,1,2)=0.f;CV_MAT_ELEM(mat,float,2,0)=0.f;CV_MAT_ELEM(mat,float,2,1)=0.f;CV_MAT_ELEM(mat,float,2,2)=1.f;3、处理独立的数据如300x20032-bit浮点数image/array,也就是对一个有60000个元素的数组.int cols=300,rows=200;float*myarr=new float[rows*cols];//step1)initializing CvMat headerCvMat mat=cvMat(rows,cols,CV_32FC1,//32-bit floating-point,single channel typemyarr//user data pointer(no data is copied));//step2)using cv functions,e.g.calculating l2(Frobenius)norm double norm=cvNorm(&mat,0,CV_L2);...delete myarr;其它情况在参考手册中有描述.见cvCreateMatHeader,cvInitMatHeader, cvCreateImageHeader,cvSetData etc.---------------------------------------------------------------------4、加载图像，显示/*usage:prog<image_name>*/#include"cv.h"#include"highgui.h"int main(int argc,char**argv){IplImage*img;if(argc==2&&(img=cvLoadImage(argv[1],1))!=0){cvNamedWindow("Image view",1);cvShowImage("Image view",img);cvWaitKey(0);//very important,contains event processing loop inside cvDestroyWindow("Image view");cvReleaseImage(&img);return0;}return-1;}void cvLaplace(IplImage*src,IplImage*dst,int apertureSize=3); void cvSobel(IplImage*src,IplImage*dst,int dx,int dy,int apertureSize=3);void cvCanny(IplImage*img,IplImage*edges,double lowThresh,double highThresh,int apertureSize=3);void cvPreCornerDetect(IplImage*img,IplImage*corners,Int apertureSize);void cvCornerEigenValsAndVecs(IplImage*img,IplImage*eigenvv,int blockSize,int apertureSize=3);void cvCornerMinEigenVal(IplImage*img,IplImage*eigenvv,int blockSize,int apertureSize=3);void cvGoodFeaturesToTrack(IplImage*image,IplImage*eigImage, IplImage*tempImage,CvPoint2D32f*corners,int*cornerCount,double qualityLevel,double minDistance);//对已经粗检测出的角点进行亚像素精准定位void cvFindCornerSubPix(IplImage*img,CvPoint2D32f*corners,int count,CvSize win,CvSize zeroZone,CvTermCriteria criteria);//金字塔分解与重构void cvPyrDown(IplImage*src,IplImage*dst,IplFilterfilter=IPL_GAUSSIAN_5x5);void cvPyrUp(IplImage*src,IplImage*dst,IplFilterfilter=IPL_GAUSSIAN_5x5);void cvThreshold(IplImage*src,IplImage*dst,float thresh,float maxvalue,CvThreshType type);void cvProject3D(CvPoint3D32f*points3D,int count,CvPoint2D32f* points2D,int xindx,int yindx);void cvFindFundamentalMatrix(int*points1,int*points2,int numpoints, int method,CvMatrix3*matrix);//很好用的平滑函数void cvSmooth(const CvArr*src,CvArr*dst,intsmoothtype=CV_GAUSSIAN,int param1=3,int param2=0,double param3=0); CV_BLUR_NO_SCALE CV_BLUR CV_GAUSSIAN CV_MEDIAN CV_BILATERAL其他辅助函数：void cvPutText(CvArr*img,const char*text,CvPoint org,const CvFont* font,CvScalar color);cvCvtColor(image,gray,CV_BGR2GRAY);//彩色图像灰度化cvCvtPlaneToPix(planes[0],planes[1],planes[2],0,currentimage); cvSplit(colorimage,plane[0],plane[1],plane[2],0);。