Opencv中函数的用法
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。
opencvnorm函数
OpenCV中的norm函数是一个非常常用的函数，它可以用来计算向量和矩阵的范数。
在计算机视觉和图像处理领域，常常需要对向量和矩阵进行归一化、比较、距离计算等操作，而norm函数就是实现这些操作的重要工具之一。
一、norm函数的基本用法norm函数的基本用法如下：double norm(InputArray src, int normType=NORM_L2, InputArray mask=noArray())其中，src是输入的向量或矩阵，normType是范数的类型，mask是可选的掩码。
normType 可以取以下几个值：NORM_INF：L∞范数，即向量或矩阵中绝对值最大的元素的值。
NORM_L1：L1范数，即向量或矩阵中所有元素的绝对值之和。
NORM_L2：L2范数，即向量或矩阵中所有元素的平方和的平方根。
NORM_L2SQR：L2范数的平方，即向量或矩阵中所有元素的平方和。
NORM_HAMMING：两个等长字符串之间的汉明距离，即不相同字符的个数。
NORM_HAMMING2：两个等长字符串之间的汉明距离的平方。
NORM_TYPE_MASK：范数类型掩码。
NORM_RELATIVE：相对范数，即两个向量或矩阵的L1范数之比。
NORM_MINMAX：矩阵的最小值和最大值之差。
使用norm函数的基本步骤如下：1.导入头文件：#include2.定义输入向量或矩阵：Mat src = Mat::ones(3, 3, CV_32FC1);3.计算范数：double norm_value = norm(src, NORM_L2);二、norm函数的实际应用norm函数在实际应用中有很多用途，下面介绍一些常见的应用场景。
1.向量和矩阵的归一化在图像处理中，经常需要对向量和矩阵进行归一化操作，以便进行比较、距离计算等操作。
归一化可以将向量或矩阵的值域映射到[0,1]或[-1,1]范围内，使得不同的向量或矩阵具有可比性。
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库函数使用说明
OPENCV库函数使用说明
一、cv::Mat类介绍
cv::Mat类是OpenCV中最核心的基本数据结构，抽象代表一个n维矩阵，矩阵元素的矩阵可以是单通道浮点数，向量，多通道，可以是无符号字节，单精度浮点数以及双精度浮点数，并且支持多通道数据。
Mat类通过长度和宽度确定矩阵的大小，通过depth(函数可以得到它的深度，深度表示分量的类型。
Mat矩阵分为三种：关键的类型，普通的类型，宽字节类型，关键类型是由C++11语言提供的，主要用于简化mat 和其他类型的交互，它的性能比普通类型更好，但不支持所有类型；普通类型可以实现所有的功能，但是性能比关键类型要差；宽字节类型是在普通类型的基础上，支持访问1（uchar），2（ushort），4（uint）个字节长度的数据，它的性能比普通类型好。
二、cv::Mat函数使用
1.Mat类结构函数
一般来说，Mat类的结构函数主要有两种，分别是Mat（）和Mat （｛}），当我们只想创建一个空的Mat类时，可以使用Mat（），当想要创建一个8位单通道矩阵时，可以使用Mat（｛}）。
2.Mat常用成员函数
（1）ptr（）：返回一个指向矩阵数据的指针；
（2）row（）：返回行数；
（3）cols（）：返回列数；。
opencv mean函数
OpenCV中的mean函数定义cv2.mean()是OpenCV库中的一个函数，用于计算数组或图像的均值。
mean(src[, mask]) -> retval•src：输入数组或图像。
•mask：可选参数，指定要计算均值的区域。
它必须具有与src相同的尺寸，并且为8位单通道图像（可以是二进制掩码）。
如果没有提供mask，则将对整个src进行计算。
•retval：返回一个包含通道均值的浮点数数组。
用途mean函数主要用于计算图像或数组的均值。
在图像处理和计算机视觉领域中，均值是一种常见的统计量，它可以提供关于数据集中心位置的信息。
通过计算均值，我们可以了解数据集中所有像素或元素的平均值，从而获得更好的理解和分析数据集。
在实际应用中，mean函数常用于以下几个方面：1. 图像处理在图像处理过程中，我们经常需要对图像进行平滑处理、降噪等操作。
mean函数可以帮助我们快速计算出图像各个区域（全局或局部）的均值，并根据这些均值来调整图像亮度、对比度等属性。
例如，在直方图均衡化算法中，我们需要计算图像的均值来进行亮度调整。
2. 图像分割图像分割是将图像划分为具有不同属性或特征的区域的过程。
mean函数可以用于计算图像区域的均值，从而帮助我们识别和分割出具有相似颜色或纹理特征的区域。
例如，在基于阈值的图像分割中，我们可以通过计算每个区域的均值来确定合适的阈值。
3. 特征提取在计算机视觉任务中，特征提取是一项重要任务。
mean函数可以用于计算图像或数组中某个区域的均值，并作为一个特征进行后续处理。
例如，在人脸识别任务中，我们可以计算人脸图像某个区域（如眼睛、鼻子等）的均值作为一个特征向量。
4. 数组操作除了处理图像外，mean函数还可以用于对数组进行统计操作。
例如，在数字信号处理中，我们可以使用mean函数来计算音频信号或时间序列数据的均值。
工作方式mean函数根据输入参数src和mask来计算均值。
opencv dilate用法
opencv dilate用法OpenCV中的dilate函数是图像处理中常用的膨胀操作。
膨胀是一种形态学操作，它可以用来增加图像中物体的大小，填充图像中的空洞，连接相邻的物体等。
下面我将从多个角度来解释OpenCV中dilate函数的用法。
1. 函数原型：dilate(src, dst, kernel, anchor, iterations, borderType, borderValue)。
src，输入图像，可以是灰度图像或彩色图像。
dst，输出图像，与输入图像具有相同的尺寸和深度。
kernel，用于膨胀操作的结构元素，控制膨胀的形状和大小。
anchor，结构元素的锚点位置，默认为(-1, -1)，表示锚点位于结构元素中心。
iterations，膨胀操作的迭代次数，默认为1。
borderType，边界扩充的类型，默认为BORDER_CONSTANT。
borderValue，边界扩充的数值，默认为0。
2. 用法解释：dilate函数的作用是将图像中的物体进行膨胀操作，使其变大。
膨胀操作的效果取决于所使用的结构元素的形状和大小。
通常情况下，结构元素可以是矩形、圆形或者自定义形状。
膨胀操作会将结构元素覆盖区域内的像素值取最大值，从而使目标物体的边界变得更加平滑，填充空洞，连接相邻的物体。
3. 示例代码：python.import cv2。
import numpy as np.# 读取输入图像。
img = cv2.imread('input.jpg', 0)。
# 创建结构元素。
kernel = np.ones((5,5), np.uint8)。
# 执行膨胀操作。
dilated_img = cv2.dilate(img, kernel, iterations=1)。
# 显示结果。
cv2.imshow('Dilated Image', dilated_img)。
cv2.waitKey(0)。
opencv 画点函数
opencv 画点函数1. 介绍OpenCV是一个流行的计算机视觉库，提供了各种图像处理和计算机视觉算法。
其中，画点函数是OpenCV的基本绘图函数之一。
它可以在图像上绘制一个或多个点，用于标记关键点、特征点或目标点。
这些点可以用不同的颜色和大小进行绘制，以增强可视化效果。
本文将深入探讨OpenCV中的画点函数，详细介绍其用法、参数和示例。
通过学习这些内容，读者将能够充分理解该函数的功能，并在自己的项目中灵活应用。
2. 画点函数的基本用法画点函数在OpenCV中的函数名为cv::circle()。
它的基本用法如下：void cv::circle(InputOutputArray img, // 输入输出图像Point center, // 点的坐标int radius, // 点的半径const Scalar& color, // 点的颜色，可以是单个颜色或BGR颜色向量int thickness = 1, // 线的粗细，负数表示填充圆int lineType = LINE_8, // 线的类型，默认为8连通int shift = 0 // 坐标点的小数位数，默认为0);在上述代码中，各参数的含义如下：•img：需要绘制点的图像。
•center：点的中心坐标，可以使用cv::Point类表示，例如cv::Point(x, y)。
•radius：点的半径，单位为像素。
•color：点的颜色，可以是单个颜色值，例如cv::Scalar(0, 0, 255)表示红色，也可以是BGR颜色向量，例如cv::Scalar(255, 0, 0)表示蓝色。
•thickness：点的线条粗细，负数表示填充整个圆。
•lineType：线的类型，可以是8连通或4连通，默认为8连通。
•shift：坐标点的小数位数，默认为0。
3. 画点函数的参数详解3.1 输入输出图像img参数表示需要绘制点的图像，可以是单通道或多通道图像。
cvgetreal2d函数使用方法
cvgetreal2d函数使用方法【实用版4篇】篇1 目录1.cvgetreal2d 函数简介2.cvgetreal2d 函数参数3.cvgetreal2d 函数用法示例4.cvgetreal2d 函数的注意事项篇1正文【1.cvgetreal2d 函数简介】cvgetreal2d 函数是 OpenCV 库中的一个函数，用于获取图像的二维真实坐标。
该函数可以用于将图像的像素坐标转换为实际世界中的坐标，这对于进行图像处理和计算机视觉应用非常有用。
【2.cvgetreal2d 函数参数】cvgetreal2d 函数的参数包括：- src：输入图像，即需要进行坐标转换的图像。
- row：图像的行索引，即需要转换的像素所在的行。
- col：图像的列索引，即需要转换的像素所在的列。
- camera_matrix：摄像机矩阵，描述摄像机内部参数。
- camera_dist_coeffs：摄像机距离系数，描述摄像机到图像平面的距离。
- image_size：图像大小，包括图像的宽度和高度。
- scale_factor：缩放因子，用于调整图像大小。
【3.cvgetreal2d 函数用法示例】以下是一个使用 cvgetreal2d 函数的示例：```pythonimport cv2import numpy as np# 创建一个图像img = np.zeros((300, 300, 3), dtype=np.uint8)# 初始化摄像机矩阵和距离系数camera_matrix = np.array([[fx, 0, cx], [0, fy, cy], [0, 0, 1]]) camera_dist_coeffs = np.array([k1, k2, p1, p2, k3])# 设置图像大小image_size = (300, 300)# 设置缩放因子scale_factor = 1.0# 定义行和列索引row = 100col = 100# 获取二维真实坐标real_row, real_col = cv2.cvgetReal2D(img, row, col,camera_matrix, camera_dist_coeffs, image_size, scale_factor) print("真实坐标：", real_row, real_col)```【4.cvgetreal2d 函数的注意事项】在使用 cvgetreal2d 函数时，需要注意以下几点：- 输入图像必须是 8 位或浮点数的单通道图像。
- 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)。
1、cvLoadImage：将图像文件加载至内存；2、cvNamedWindow：在屏幕上创建一个窗口；3、cvShowImage：在一个已创建好的窗口中显示图像；4、cvWaitKey：使程序暂停，等待用户触发一个按键操作；5、cvReleaseImage：释放图像文件所分配的内存；6、cvDestroyWindow：销毁显示图像文件的窗口；7、cvCreateFileCapture：通过参数设置确定要读入的AVI文件；8、cvQueryFrame：用来将下一帧视频文件载入内存；9、cvReleaseCapture：释放CvCapture结构开辟的内存空间；10、cvCreateTrackbar：创建一个滚动条；11、cvSetCaptureProperty：设置CvCapture对象的各种属性；12、cvGetCaptureProperty：查询CvCapture对象的各种属性；13、cvGetSize：当前图像结构的大小；14、cvSmooth：对图像进行平滑处理；15、cvPyrDown：图像金字塔，降采样，图像缩小为原来四分之一；16、cvCanny：Canny边缘检测；17、cvCreateCameraCapture：从摄像设备中读入数据；18、cvCreateVideoWriter：创建一个写入设备以便逐帧将视频流写入视频文件；搜索19、cvWriteFrame：逐帧将视频流写入文件；20、cvReleaseVideoWriter：释放CvVideoWriter结构开辟的内存空间；21、CV_MAT_ELEM：从矩阵中得到一个元素；22、cvAbs：计算数组中所有元素的绝对值；23、cvAbsDiff：计算两个数组差值的绝对值；24、cvAbsDiffS：计算数组和标量差值的绝对值；25、cvAdd：两个数组的元素级的加运算；26、cvAddS：一个数组和一个标量的元素级的相加运算；27、cvAddWeighted：两个数组的元素级的加权相加运算(alpha运算)；28、cvAvg：计算数组中所有元素的平均值；29、cvAvgSdv：计算数组中所有元素的绝对值和标准差；30、cvCalcCovarMatrix：计算一组n维空间向量的协方差；31、cvCmp：对两个数组中的所有元素运用设置的比较操作；32、cvCmpS：对数组和标量运用设置的比较操作；33、cvConvertScale：用可选的缩放值转换数组元素类型；34、cvCopy：把数组中的值复制到另一个数组中；35、cvCountNonZero：计算数组中非0值的个数；36、cvCrossProduct：计算两个三维向量的向量积(叉积)；37、cvCvtColor：将数组的通道从一个颜色空间转换另外一个颜色空间；38、cvDet：计算方阵的行列式；39、cvDiv：用另外一个数组对一个数组进行元素级的除法运算；40、cvDotProduct：计算两个向量的点积；41、cvEigenVV：计算方阵的特征值和特征向量；42、cvFlip：围绕选定轴翻转；43、cvGEMM：矩阵乘法；44、cvGetCol：从一个数组的列中复制元素；45、cvGetCols：从数据的相邻的多列中复制元素；46、cvGetDiag：复制数组中对角线上的所有元素；47、cvGetDims：返回数组的维数；48、cvGetDimSize：返回一个数组的所有维的大小；49、cvGetRow：从一个数组的行中复制元素值；50、cvGetRows：从一个数组的多个相邻的行中复制元素值；51、cvGetSize：得到二维的数组的尺寸，以CvSize返回；52、cvGetSubRect：从一个数组的子区域复制元素值；53、cvInRange：检查一个数组的元素是否在另外两个数组中的值的范围内；54、cvInRangeS：检查一个数组的元素的值是否在另外两个标量的范围内；55、cvInvert：求矩阵的逆；56、cvMahalonobis：计算两个向量间的马氏距离；57、cvMax：在两个数组中进行元素级的取最大值操作；58、cvMaxS：在一个数组和一个标量中进行元素级的取最大值操作；59、cvMerge：把几个单通道图像合并为一个多通道图像；60、cvMin：在两个数组中进行元素级的取最小值操作；61、cvMinS：在一个数组和一个标量中进行元素级的取最小值操作；62、cvMinMaxLoc：寻找数组中的最大最小值；63、cvMul：计算两个数组的元素级的乘积(点乘)；64、cvNot：按位对数组中的每一个元素求反；65、cvNormalize：将数组中元素进行归一化；66、cvOr：对两个数组进行按位或操作；67、cvOrs：在数组与标量之间进行按位或操作；68、cvReduce：通过给定的操作符将二维数组简为向量；69、cvRepeat：以平铺的方式进行数组复制；70、cvSet：用给定值初始化数组；71、cvSetZero：将数组中所有元素初始化为0；72、cvSetIdentity：将数组中对角线上的元素设为1，其他置0；73、cvSolve：求出线性方程组的解；74、cvSplit：将多通道数组分割成多个单通道数组；75、cvSub：两个数组元素级的相减；76、cvSubS：元素级的从数组中减去标量；77、cvSubRS：元素级的从标量中减去数组；78、cvSum：对数组中的所有元素求和；79、cvSVD：二维矩阵的奇异值分解；80、cvSVBkSb：奇异值回代计算；81、cvTrace：计算矩阵迹；82、cvTranspose：矩阵的转置运算；83、cvXor：对两个数组进行按位异或操作；84、cvXorS：在数组和标量之间进行按位异或操作；85、cvZero：将所有数组中的元素置为0；86、cvConvertScaleAbs：计算可选的缩放值的绝对值之后再转换数组元素的类型；87、cvNorm：计算数组的绝对范数，绝对差分范数或者相对差分范数；88、cvAnd：对两个数组进行按位与操作；89、cvAndS：在数组和标量之间进行按位与操作；90、cvScale：是cvConvertScale的一个宏，可以用来重新调整数组的内容，并且可以将参数从一种数据类型转换为另一种；91、cvT：是函数cvTranspose的缩写；92、cvLine：画直线；93、cvRectangle：画矩形；94、cvCircle：画圆；95、cvEllipse：画椭圆；96、cvEllipseBox：使用外接矩形描述椭圆；97、cvFillPoly、cvFillConvexPoly、cvPolyLine：画多边形；98、cvPutText：在图像上输出一些文本；99、cvInitFont：采用一组参数配置一些用于屏幕输出的基本个特定字体；100、cvSave：矩阵保存；101、cvLoad：矩阵读取；102、cvOpenFileStorage：为读/写打开存储文件；103、cvReleaseFileStorage：释放存储的数据；104、cvStartWriteStruct：开始写入新的数据结构；105、cvEndWriteStruct：结束写入数据结构；106、cvWriteInt：写入整数型；107、cvWriteReal：写入浮点型；108、cvWriteString：写入字符型；109、cvWriteComment：写一个XML或YAML的注释字串；110、cvWrite：写一个对象；111、cvWriteRawData：写入多个数值；112、cvWriteFileNode：将文件节点写入另一个文件存储器；113、cvGetRootFileNode：获取存储器最顶层的节点；114、cvGetFileNodeByName：在映图或存储器中找到相应节点；115、cvGetHashedKey：为名称返回一个惟一的指针；116、cvGetFileNode：在映图或文件存储器中找到节点；117、cvGetFileNodeName：返回文件的节点名；118、cvReadInt：读取一个无名称的整数型；119、cvReadIntByName：读取一个有名称的整数型；120、cvReadReal：读取一个无名称的浮点型；121、cvReadRealByName：读取一个有名称的浮点型；122、cvReadString：从文件节点中寻找字符串；123、cvReadStringByName：找到一个有名称的文件节点并返回它；124、cvRead：将对象解码并返回它的指针；125、cvReadByName：找到对象并解码；126、cvReadRawData：读取多个数值；127、cvStartReadRawData：初始化文件节点序列的读取；128、cvReadRawDataSlice：读取文件节点的内容；129、cvGetModuleInfo：检查IPP库是否已经正常安装并且检验运行是否正常；130、cvResizeWindow：用来调整窗口的大小；131、cvSaveImage：保存图像；132、cvMoveWindow：将窗口移动到其左上角为x,y的位置；133、cvDestroyAllWindow：用来关闭所有窗口并释放窗口相关的内存空间；134、cvGetTrackbarPos：读取滑动条的值；135、cvSetTrackbarPos：设置滑动条的值；136、cvGrabFrame：用于快速将视频帧读入内存；137、cvRetrieveFrame：对读入帧做所有必须的处理；138、cvConvertImage：用于在常用的不同图像格式之间转换；139、cvErode：形态腐蚀；140、cvDilate：形态学膨胀；141、cvMorphologyEx：更通用的形态学函数；142、cvFloodFill：漫水填充算法，用来进一步控制哪些区域将被填充颜色；143、cvResize：放大或缩小图像；144、cvPyrUp：图像金字塔，将现有的图像在每个维度上都放大两倍；145、cvPyrSegmentation：利用金字塔实现图像分割；146、cvThreshold：图像阈值化；147、cvAcc：可以将8位整数类型图像累加为浮点图像；148、cvAdaptiveThreshold：图像自适应阈值；149、cvFilter2D：图像卷积；150、cvCopyMakeBorder：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、cvSobel：图像边缘检测，Sobel算子；152、cvLaplace：拉普拉斯变换、图像边缘检测；。