干貨｜219個(gè)opencv常用函數(shù)匯總

↑ 點(diǎn)擊藍(lán)字 關(guān)注極市平臺(tái)

作者丨AmosLLc

來(lái)源丨新機(jī)器視覺

編輯丨極市平臺(tái)

極市導(dǎo)讀

 

本文總結(jié)了219個(gè)openc常用函數(shù)。 >>

1、cvLoadImage：將圖像文件加載至內(nèi)存；

2、cvNamedWindow：在屏幕上創(chuàng)建一個(gè)窗口；

3、cvShowImage：在一個(gè)已創(chuàng)建好的窗口中顯示圖像；

4、cvWaitKey：使程序暫停，等待用戶觸發(fā)一個(gè)按鍵操作；

5、cvReleaseImage：釋放圖像文件所分配的內(nèi)存；

6、cvDestroyWindow：銷毀顯示圖像文件的窗口；

7、cvCreateFileCapture：通過參數(shù)設(shè)置確定要讀入的AVI文件；

8、cvQueryFrame：用來(lái)將下一幀視頻文件載入內(nèi)存；

9、cvReleaseCapture：釋放CvCapture結(jié)構(gòu)開辟的內(nèi)存空間；

10、cvCreateTrackbar：創(chuàng)建一個(gè)滾動(dòng)條；

11、cvSetCaptureProperty：設(shè)置CvCapture對(duì)象的各種屬性；

12、cvGetCaptureProperty：查詢CvCapture對(duì)象的各種屬性；

13、cvGetSize：當(dāng)前圖像結(jié)構(gòu)的大小；

14、cvSmooth：對(duì)圖像進(jìn)行平滑處理；

15、cvPyrDown：圖像金字塔，降采樣，圖像縮小為原來(lái)四分之一；

16、cvCanny：Canny邊緣檢測(cè)；

17、cvCreateCameraCapture：從攝像設(shè)備中讀入數(shù)據(jù)；

18、cvCreateVideoWriter：創(chuàng)建一個(gè)寫入設(shè)備以便逐幀將視頻流寫入視頻文件；

19、cvWriteFrame：逐幀將視頻流寫入文件；

20、cvReleaseVideoWriter：釋放CvVideoWriter結(jié)構(gòu)開辟的內(nèi)存空間；

21、CV_MAT_ELEM：從矩陣中得到一個(gè)元素；

22、cvAbs：計(jì)算數(shù)組中所有元素的絕對(duì)值；

23、cvAbsDiff：計(jì)算兩個(gè)數(shù)組差值的絕對(duì)值；

24、cvAbsDiffS：計(jì)算數(shù)組和標(biāo)量差值的絕對(duì)值；

25、cvAdd：兩個(gè)數(shù)組的元素級(jí)的加運(yùn)算；

26、cvAddS：一個(gè)數(shù)組和一個(gè)標(biāo)量的元素級(jí)的相加運(yùn)算；

27、cvAddWeighted：兩個(gè)數(shù)組的元素級(jí)的加權(quán)相加運(yùn)算(alpha運(yùn)算)；

28、cvAvg：計(jì)算數(shù)組中所有元素的平均值；

29、cvAvgSdv：計(jì)算數(shù)組中所有元素的絕對(duì)值和標(biāo)準(zhǔn)差；

30、cvCalcCovarMatrix：計(jì)算一組n維空間向量的協(xié)方差；

31、cvCmp：對(duì)兩個(gè)數(shù)組中的所有元素運(yùn)用設(shè)置的比較操作；

32、cvCmpS：對(duì)數(shù)組和標(biāo)量運(yùn)用設(shè)置的比較操作；

33、cvConvertScale：用可選的縮放值轉(zhuǎn)換數(shù)組元素類型；

34、cvCopy：把數(shù)組中的值復(fù)制到另一個(gè)數(shù)組中；

35、cvCountNonZero：計(jì)算數(shù)組中非0值的個(gè)數(shù)；

36、cvCrossProduct：計(jì)算兩個(gè)三維向量的向量積(叉積)；

37、cvCvtColor：將數(shù)組的通道從一個(gè)顏色空間轉(zhuǎn)換另外一個(gè)顏色空間；

38、cvDet：計(jì)算方陣的行列式；

39、cvDiv：用另外一個(gè)數(shù)組對(duì)一個(gè)數(shù)組進(jìn)行元素級(jí)的除法運(yùn)算；

40、cvDotProduct：計(jì)算兩個(gè)向量的點(diǎn)積；

41、cvEigenVV：計(jì)算方陣的特征值和特征向量；

42、cvFlip：圍繞選定軸翻轉(zhuǎn)；

43、cvGEMM：矩陣乘法；

44、cvGetCol：從一個(gè)數(shù)組的列中復(fù)制元素；

45、cvGetCols：從數(shù)據(jù)的相鄰的多列中復(fù)制元素；

46、cvGetDiag：復(fù)制數(shù)組中對(duì)角線上的所有元素；

47、cvGetDims：返回?cái)?shù)組的維數(shù)；

48、cvGetDimSize：返回一個(gè)數(shù)組的所有維的大小；

49、cvGetRow：從一個(gè)數(shù)組的行中復(fù)制元素值；

50、cvGetRows：從一個(gè)數(shù)組的多個(gè)相鄰的行中復(fù)制元素值；

51、cvGetSize：得到二維的數(shù)組的尺寸，以CvSize返回；

52、cvGetSubRect：從一個(gè)數(shù)組的子區(qū)域復(fù)制元素值；

53、cvInRange：檢查一個(gè)數(shù)組的元素是否在另外兩個(gè)數(shù)組中的值的范圍內(nèi)；

54、cvInRangeS：檢查一個(gè)數(shù)組的元素的值是否在另外兩個(gè)標(biāo)量的范圍內(nèi)；

55、cvInvert：求矩陣的逆；

56、cvMahalonobis：計(jì)算兩個(gè)向量間的馬氏距離；

57、cvMax：在兩個(gè)數(shù)組中進(jìn)行元素級(jí)的取最大值操作；

58、cvMaxS：在一個(gè)數(shù)組和一個(gè)標(biāo)量中進(jìn)行元素級(jí)的取最大值操作；

59、cvMerge：把幾個(gè)單通道圖像合并為一個(gè)多通道圖像；

60、cvMin：在兩個(gè)數(shù)組中進(jìn)行元素級(jí)的取最小值操作；

61、cvMinS：在一個(gè)數(shù)組和一個(gè)標(biāo)量中進(jìn)行元素級(jí)的取最小值操作；

62、cvMinMaxLoc：尋找數(shù)組中的最大最小值；

63、cvMul：計(jì)算兩個(gè)數(shù)組的元素級(jí)的乘積(點(diǎn)乘)；

64、cvNot：按位對(duì)數(shù)組中的每一個(gè)元素求反；

65、cvNormalize：將數(shù)組中元素進(jìn)行歸一化；

66、cvOr：對(duì)兩個(gè)數(shù)組進(jìn)行按位或操作；

67、cvOrs：在數(shù)組與標(biāo)量之間進(jìn)行按位或操作；

68、cvReduce：通過給定的操作符將二維數(shù)組簡(jiǎn)為向量；

69、cvRepeat：以平鋪的方式進(jìn)行數(shù)組復(fù)制；

70、cvSet：用給定值初始化數(shù)組；

71、cvSetZero：將數(shù)組中所有元素初始化為0；

72、cvSetIdentity：將數(shù)組中對(duì)角線上的元素設(shè)為1，其他置0；

73、cvSolve：求出線性方程組的解；

74、cvSplit：將多通道數(shù)組分割成多個(gè)單通道數(shù)組；

75、cvSub：兩個(gè)數(shù)組元素級(jí)的相減；

76、cvSubS：元素級(jí)的從數(shù)組中減去標(biāo)量；

77、cvSubRS：元素級(jí)的從標(biāo)量中減去數(shù)組；

78、cvSum：對(duì)數(shù)組中的所有元素求和；

79、cvSVD：二維矩陣的奇異值分解；

80、cvSVBkSb：奇異值回代計(jì)算；

81、cvTrace：計(jì)算矩陣跡；

82、cvTranspose：矩陣的轉(zhuǎn)置運(yùn)算；

83、cvXor：對(duì)兩個(gè)數(shù)組進(jìn)行按位異或操作；

84、cvXorS：在數(shù)組和標(biāo)量之間進(jìn)行按位異或操作；

85、cvZero：將所有數(shù)組中的元素置為0；

86、cvConvertScaleAbs：計(jì)算可選的縮放值的絕對(duì)值之后再轉(zhuǎn)換數(shù)組元素的類型；

87、cvNorm：計(jì)算數(shù)組的絕對(duì)范數(shù)， 絕對(duì)差分范數(shù)或者相對(duì)差分范數(shù)；

88、cvAnd：對(duì)兩個(gè)數(shù)組進(jìn)行按位與操作；

89、cvAndS：在數(shù)組和標(biāo)量之間進(jìn)行按位與操作；

90、cvScale：是cvConvertScale的一個(gè)宏，可以用來(lái)重新調(diào)整數(shù)組的內(nèi)容，并且可以將參數(shù)從一種數(shù)據(jù)類型轉(zhuǎn)換為另一種；

91、cvT：是函數(shù)cvTranspose的縮寫；

92、cvLine：畫直線；

93、cvRectangle：畫矩形；

94、cvCircle：畫圓；

95、cvEllipse：畫橢圓；

96、cvEllipseBox：使用外接矩形描述橢圓；

97、cvFillPoly、cvFillConvexPoly、cvPolyLine：畫多邊形；

98、cvPutText：在圖像上輸出一些文本；

99、cvInitFont：采用一組參數(shù)配置一些用于屏幕輸出的基本個(gè)特定字體；

100、cvSave：矩陣保存；

101、cvLoad：矩陣讀??；

102、cvOpenFileStorage：為讀/寫打開存儲(chǔ)文件；

103、cvReleaseFileStorage：釋放存儲(chǔ)的數(shù)據(jù)；

104、cvStartWriteStruct：開始寫入新的數(shù)據(jù)結(jié)構(gòu)；

105、cvEndWriteStruct：結(jié)束寫入數(shù)據(jù)結(jié)構(gòu)；

106、cvWriteInt：寫入整數(shù)型；

107、cvWriteReal：寫入浮點(diǎn)型；

108、cvWriteString：寫入字符型；

109、cvWriteComment：寫一個(gè)XML或YAML的注釋字串；

110、cvWrite：寫一個(gè)對(duì)象；

111、cvWriteRawData：寫入多個(gè)數(shù)值；

112、cvWriteFileNode：將文件節(jié)點(diǎn)寫入另一個(gè)文件存儲(chǔ)器；

113、cvGetRootFileNode：獲取存儲(chǔ)器最頂層的節(jié)點(diǎn)；

114、cvGetFileNodeByName：在映圖或存儲(chǔ)器中找到相應(yīng)節(jié)點(diǎn)；

115、cvGetHashedKey：為名稱返回一個(gè)惟一的指針；

116、cvGetFileNode：在映圖或文件存儲(chǔ)器中找到節(jié)點(diǎn)；

117、cvGetFileNodeName：返回文件的節(jié)點(diǎn)名；

118、cvReadInt：讀取一個(gè)無(wú)名稱的整數(shù)型；

119、cvReadIntByName：讀取一個(gè)有名稱的整數(shù)型；

120、cvReadReal：讀取一個(gè)無(wú)名稱的浮點(diǎn)型；

121、cvReadRealByName：讀取一個(gè)有名稱的浮點(diǎn)型；

122、cvReadString：從文件節(jié)點(diǎn)中尋找字符串；

123、cvReadStringByName：找到一個(gè)有名稱的文件節(jié)點(diǎn)并返回它；

124、cvRead：將對(duì)象解碼并返回它的指針；

125、cvReadByName：找到對(duì)象并解碼；

126、cvReadRawData：讀取多個(gè)數(shù)值；

127、cvStartReadRawData：初始化文件節(jié)點(diǎn)序列的讀??；

128、cvReadRawDataSlice：讀取文件節(jié)點(diǎn)的內(nèi)容；

129、cvGetModuleInfo：檢查IPP庫(kù)是否已經(jīng)正常安裝并且檢驗(yàn)運(yùn)行是否正常；

130、cvResizeWindow：用來(lái)調(diào)整窗口的大??；

131、cvSaveImage：保存圖像；

132、cvMoveWindow：將窗口移動(dòng)到其左上角為x,y的位置；

133、cvDestroyAllWindow：用來(lái)關(guān)閉所有窗口并釋放窗口相關(guān)的內(nèi)存空間；

134、cvGetTrackbarPos：讀取滑動(dòng)條的值；

135、cvSetTrackbarPos：設(shè)置滑動(dòng)條的值；

136、cvGrabFrame：用于快速將視頻幀讀入內(nèi)存；

137、cvRetrieveFrame：對(duì)讀入幀做所有必須的處理；

138、cvConvertImage：用于在常用的不同圖像格式之間轉(zhuǎn)換；

139、cvErode：形態(tài)腐蝕；

140、cvDilate：形態(tài)學(xué)膨脹；

141、cvMorphologyEx：更通用的形態(tài)學(xué)函數(shù)；

142、cvFloodFill：漫水填充算法，用來(lái)進(jìn)一步控制哪些區(qū)域?qū)⒈惶畛漕伾?/span>

143、cvResize：放大或縮小圖像；

144、cvPyrUp：圖像金字塔，將現(xiàn)有的圖像在每個(gè)維度上都放大兩倍；

145、cvPyrSegmentation：利用金字塔實(shí)現(xiàn)圖像分割；

146、cvThreshold：圖像閾值化；

147、cvAcc：可以將8位整數(shù)類型圖像累加為浮點(diǎn)圖像；

148、cvAdaptiveThreshold：圖像自適應(yīng)閾值；

149、cvFilter2D：圖像卷積；

150、cvCopyMakeBorder：將特定的圖像輕微變大，然后以各種方式自動(dòng)填充圖像邊界；

151、cvSobel：圖像邊緣檢測(cè)，Sobel算子；

152、cvLaplace：拉普拉斯變換、圖像邊緣檢測(cè)；

153、cvHoughLines2：霍夫直線變換；

154、cvHoughCircles：霍夫圓變換；

155、cvRemap：圖像重映射，校正標(biāo)定圖像，圖像插值；

156、cvWarpAffine：稠密仿射變換；

157、cvGetQuadrangleSubPix：仿射變換；

158、cvGetAffineTransform：仿射映射矩陣的計(jì)算；

159、cvCloneImage：將整個(gè)IplImage結(jié)構(gòu)復(fù)制到新的IplImage中；

160、cv2DRotationMatrix：仿射映射矩陣的計(jì)算；

161、cvTransform：稀疏仿射變換；

162、cvWarpPerspective：密集透視變換(單應(yīng)性)；

163、cvGetPerspectiveTransform：計(jì)算透視映射矩陣；

164、cvPerspectiveTransform：稀疏透視變換；

165、cvCartToPolar：將數(shù)值從笛卡爾空間到極坐標(biāo)(極性空間)進(jìn)行映射；

166、cvPolarToCart：將數(shù)值從極性空間到笛卡爾空間進(jìn)行映射；

167、cvLogPolar：對(duì)數(shù)極坐標(biāo)變換；

168、cvDFT：離散傅里葉變換；

169、cvMulSpectrums：頻譜乘法；

170、cvDCT：離散余弦變換；

171、cvIntegral：計(jì)算積分圖像；

172、cvDistTransform：圖像的距離變換；

173、cvEqualizeHist：直方圖均衡化；

174、cvCreateHist：創(chuàng)建一新直方圖；

175、cvMakeHistHeaderForArray：根據(jù)已給出的數(shù)據(jù)創(chuàng)建直方圖；

176、cvNormalizeHist：歸一化直方圖；

177、cvThreshHist：直方圖閾值函數(shù)；

178、cvCalcHist：從圖像中自動(dòng)計(jì)算直方圖；

179、cvCompareHist：用于對(duì)比兩個(gè)直方圖的相似度；

180、cvCalcEMD2：陸地移動(dòng)距離(EMD)算法；

181、cvCalcBackProject：反向投影；

182、cvCalcBackProjectPatch：圖塊的方向投影；

183、cvMatchTemplate：模板匹配；

184、cvCreateMemStorage：用于創(chuàng)建一個(gè)內(nèi)存存儲(chǔ)器；

185、cvCreateSeq：創(chuàng)建序列；

186、cvSeqInvert：將序列進(jìn)行逆序操作；

187、cvCvtSeqToArray：復(fù)制序列的全部或部分到一個(gè)連續(xù)內(nèi)存數(shù)組中；

188、cvFindContours：從二值圖像中尋找輪廓；

189、cvDrawContours：繪制輪廓；

190、cvApproxPoly：使用多邊形逼近一個(gè)輪廓；

191、cvContourPerimeter：輪廓長(zhǎng)度；

192、cvContoursMoments：計(jì)算輪廓矩；

193、cvMoments：計(jì)算Hu不變矩；

194、cvMatchShapes：使用矩進(jìn)行匹配；

195、cvInitLineIterator：對(duì)任意直線上的像素進(jìn)行采樣；

196、cvSampleLine：對(duì)直線采樣；

197、cvAbsDiff：幀差；

198、cvWatershed：分水嶺算法；

199、cvInpaint：修補(bǔ)圖像；

200、cvGoodFeaturesToTrack：尋找角點(diǎn)；

201、cvFindCornerSubPix：用于發(fā)現(xiàn)亞像素精度的角點(diǎn)位置；

202、cvCalcOpticalFlowLK：實(shí)現(xiàn)非金字塔的Lucas-Kanade稠密光流算法；

203、cvMeanShift：mean-shift跟蹤算法；

204、cvCamShift：camshift跟蹤算法；

205、cvCreateKalman：創(chuàng)建Kalman濾波器；

206、cvCreateConDensation：創(chuàng)建condensation濾波器；

207、cvConvertPointsHomogenious：對(duì)齊次坐標(biāo)進(jìn)行轉(zhuǎn)換；

208、cvFindChessboardCorners：定位棋盤角點(diǎn)；

209、cvFindHomography：計(jì)算單應(yīng)性矩陣；

210、cvRodrigues2：羅德里格斯變換；

211、cvFitLine：直線擬合算法；

212、cvCalcCovarMatrix：計(jì)算協(xié)方差矩陣；

213、cvInvert：計(jì)算協(xié)方差矩陣的逆矩陣；

214、cvMahalanobis：計(jì)算Mahalanobis距離；

215、cvKMeans2：K均值；

216、cvCloneMat：根據(jù)一個(gè)已有的矩陣創(chuàng)建一個(gè)新矩陣；

217、cvPreCornerDetect：計(jì)算用于角點(diǎn)檢測(cè)的特征圖；

218、cvGetImage：CvMat圖像數(shù)據(jù)格式轉(zhuǎn)換成IplImage圖像數(shù)據(jù)格式；

219、cvMatMul：兩矩陣相乘；

————————————————

作者為CSDN博主「AmosLLc」

原文鏈接：https://blog.csdn.net/amosllc/java/article/details/88553664

如果覺得有用，就請(qǐng)分享到朋友圈吧！

△點(diǎn)擊卡片關(guān)注極市平臺(tái)，獲取最新CV干貨

公眾號(hào)后臺(tái)回復(fù)“pytorch”獲取Pytorch 官方書籍英文版電子版～

極市干貨

YOLO教程：YOLO算法最全綜述：從YOLOv1到Y(jié)OLOv5｜YOLO系列（從V1到V5）模型解讀！

實(shí)操教程：PyTorch自定義CUDA算子教程與運(yùn)行時(shí)間分析｜詳解PyTorch中的ModuleList和Sequential｜詳細(xì)記錄solov2的ncnn實(shí)現(xiàn)和優(yōu)化

算法技巧（trick）：深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練中的 tricks（原理與代碼匯總）｜神經(jīng)網(wǎng)絡(luò)訓(xùn)練trick總結(jié)｜深度學(xué)習(xí)調(diào)參tricks總結(jié)

最新CV競(jìng)賽：2021 高通人工智能應(yīng)用創(chuàng)新大賽｜CVPR 2021 | Short-video Face Parsing Challenge｜3D人體目標(biāo)檢測(cè)與行為分析競(jìng)賽開賽，獎(jiǎng)池7萬(wàn)+，數(shù)據(jù)集達(dá)16671張！

# CV技術(shù)社群邀請(qǐng)函 #

△長(zhǎng)按添加極市小助手

添加極市小助手微信（ID : cvmart2）

備注：姓名-學(xué)校/公司-研究方向-城市（如：小極-北大-目標(biāo)檢測(cè)-深圳）

即可申請(qǐng)加入極市目標(biāo)檢測(cè)/圖像分割/工業(yè)檢測(cè)/人臉/醫(yī)學(xué)影像/3D/SLAM/自動(dòng)駕駛/超分辨率/姿態(tài)估計(jì)/ReID/GAN/圖像增強(qiáng)/OCR/視頻理解等技術(shù)交流群

每月大咖直播分享、真實(shí)項(xiàng)目需求對(duì)接、求職內(nèi)推、算法競(jìng)賽、干貨資訊匯總、與 10000+來(lái)自港科大、北大、清華、中科院、CMU、騰訊、百度等名校名企視覺開發(fā)者互動(dòng)交流~

覺得有用麻煩給個(gè)在看啦~