opencv函数功能
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；
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；
153、cvHoughLines2：霍夫直线变换；
154、cvHoughCircles：霍夫圆变换；
155、cvRemap：图像重映射，校正标定图像，图像插值；
156、cvWarpAffine：稠密仿射变换；
157、cvGetQuadrangleSubPix：仿射变换；
158、cvGetAffineTransform：仿射映射矩阵的计算；
159、cvCloneImage：将整个IplImage结构复制到新的IplImage中；
160、cv2DRotationMatrix：仿射映射矩阵的计算；
161、cvTransform：稀疏仿射变换；
162、cvWarpPerspective：密集透视变换(单应性)；
163、cvGetPerspectiveTransform：计算透视映射矩阵；
164、cvPerspectiveTransform：稀疏透视变换；
165、cvCartToPolar：将数值从笛卡尔空间到极坐标(极性空间)进行映射；166、cvPolarToCart：将数值从极性空间到笛卡尔空间进行映射；
167、cvLogPolar：对数极坐标变换；
168、cvDFT：离散傅里叶变换；
169、cvMulSpectrums：频谱乘法；
170、cvDCT：离散余弦变换；
171、cvIntegral：计算积分图像；
172、cvDistTransform：图像的距离变换；
173、cvEqualizeHist：直方图均衡化；
174、cvCreateHist：创建一新直方图；
175、cvMakeHistHeaderForArray：根据已给出的数据创建直方图；
176、cvNormalizeHist：归一化直方图；
177、cvThreshHist：直方图阈值函数；
178、cvCalcHist：从图像中自动计算直方图；
179、cvCompareHist：用于对比两个直方图的相似度；
180、cvCalcEMD2：陆地移动距离(EMD)算法；
181、cvCalcBackProject：反向投影；
182、cvCalcBackProjectPatch：图块的方向投影；
183、cvMatchTemplate：模板匹配；
184、cvCreateMemStorage：用于创建一个内存存储器；
185、cvCreateSeq：创建序列；
186、cvSeqInvert：将序列进行逆序操作；
187、cvCvtSeqToArray：复制序列的全部或部分到一个连续内存数组中；188、cvFindContours：从二值图像中寻找轮廓；
189、cvDrawContours：绘制轮廓；
190、cvApproxPoly：使用多边形逼近一个轮廓；
191、cvContourPerimeter：轮廓长度；
192、cvContoursMoments：计算轮廓矩；
193、cvMoments：计算Hu不变矩；
194、cvMatchShapes：使用矩进行匹配；
195、cvInitLineIterator：对任意直线上的像素进行采样；
196、cvSampleLine：对直线采样；
197、cvAbsDiff：帧差；
198、cvWatershed：分水岭算法；
199、cvInpaint：修补图像；
200、cvGoodFeaturesToTrack：寻找角点；
201、cvFindCornerSubPix：用于发现亚像素精度的角点位置；
202、cvCalcOpticalFlowLK：实现非金字塔的Lucas-Kanade稠密光流算法；203、cvMeanShift：mean-shift跟踪算法；
204、cvCamShift：camshift跟踪算法；
205、cvCreateKalman：创建Kalman滤波器；
206、cvCreateConDensation：创建condensation滤波器；
207、cvConvertPointsHomogenious：对齐次坐标进行转换；
208、cvFindChessboardCorners：定位棋盘角点；
209、cvFindHomography：计算单应性矩阵；
210、cvRodrigues2：罗德里格斯变换；
211、cvFitLine：直线拟合算法；
212、cvCalcCovarMatrix：计算协方差矩阵；
213、cvInvert：计算协方差矩阵的逆矩阵；
214、cvMahalanobis：计算Mahalanobis距离；
215、cvKMeans2：K均值；
216、cvCloneMat：根据一个已有的矩阵创建一个新矩阵；
217、cvPreCornerDetect：计算用于角点检测的特征图；
218、cvGetImage：CvMat图像数据格式转换成IplImage图像数据格式；219、cvMatMul：两矩阵相乘
OpenCV主要函数介绍
4.1 OpenCV主要函数介绍 1) cvLoadImage 从文件中读取图像 IplImage* cvLoadImage(const char* filename,int flags=CV_LOAD_IMAGE_COLOR ); 函数cvLoadImage从指定文件读入图像，返回读入图像的指针。其中filename是要被读入的文件的文件名；flags指定读入图像的颜色和深度。 2)cvSaveImage 保存图像到文件 int cvSaveImage( const char* filename, const CvArr* image ); 函数cvSaveImage保存图像到指定文件。其中filename保存文件名。image 要保存的图像。图像格式的的选择依赖于filename的扩展名，只有8位单通道或者3通道（通道顺序为'BGR' ）可以使用这个函数保存。 3)cvQueryFrame从摄像头或者文件中抓取并返回一帧 IplImage* cvQueryFrame( CvCapture* capture ); 函数cvQueryFrame从摄像头或者文件中抓取一帧，然后解压并返回这一帧。这个函数仅仅是函数cvGrabFrame和函数cvRetrieveFrame在一起调用的组合。返回的图像不可以被用户释放或者修改。其中capture视频获取结构。。 4)cvCaptureFromCAM 初始化摄像头 CvCapture* cvCaptureFromCAM( int index ); 函数cvCaptureFromCAM给从摄像头的视频流分配和初始化CvCapture结构。 其中index要使用的摄像头索引。如果只有一个摄像头或者用哪个摄像头也无所谓，那使用参数-1应该便可以。 5）cvHaarDetectObjects 用来检测图像中的人脸区域 CV API(CvSeq*) cvHaarDetectObjects( const CvArr* image, CvHaarClassifierCascade* cascade, CvMemStorage* storage, double scale_factor CV_DEFAULT(1.1), int min_neighbors CV_DEFAULT(3), int flags CV_DEFAULT(0), CvSize min_size CV_DEFAULT(cvSize(0,0)), CvSize max_size CV_DEFAULT(cvSize(0,0))); 用于快速检测人脸区域，便于提取得到人脸数据。其中image 为被检图像，cascade为 haar分类器级联的内部标识形式，storage 为用来存储检测到的一
opencv函数目录-Cv图像处理
目录 1 梯度、边缘和角点 1.1 Sobel 1.2 Laplace 1.3 Canny 1.4 PreCornerDetect 1.5 CornerEigenValsAndVecs 1.6 CornerMinEigenVal 1.7 CornerHarris 1.8 FindCornerSubPix 1.9 GoodFeaturesToTrack 2 采样、插值和几何变换 2.1 InitLineIterator 2.2 SampleLine 2.3 GetRectSubPix 2.4 GetQuadrangleSubPix 2.5 Resize 2.6 WarpAffine 2.7 GetAffineTransform 2.8 2DRotationMatrix 2.9 WarpPerspective 2.10 WarpPerspectiveQMatrix 2.11 GetPerspectiveTransform 2.12 Remap 2.13 LogPolar 3 形态学操作 3.1 CreateStructuringElementEx 3.2 ReleaseStructuringElement 3.3 Erode 3.4 Dilate 3.5 MorphologyEx 4 滤波器与色彩空间变换 4.1 Smooth 4.2 Filter2D 4.3 CopyMakeBorder 4.4 Integral 4.5 CvtColor 4.6 Threshold 4.7 AdaptiveThreshold 5 金字塔及其应用 5.1 PyrDown 5.2 PyrUp 6 连接部件 6.1 CvConnectedComp
OPENCV库函数使用说明
OPENCV（Intel Open Source Computer Vision Library）是一种数字图像处理和计算机视觉的函数库，由Intel公司微处理器实验室（Intel’s Microprocessor Research Lab）的视觉交互组（The Visual Interactivity Group）开发。它可以在Windows系统、Linux系统、MacOSx系统等操作平台上使用，也可以和其他编程工具结合，以满足不同的使用要求。使用OPENCV使用C/C++编写，包含300多个图像处理函数，有以下几个对立的子库组成： 1.CXCORE：一些基本函数（各种数据类型的基本运算等） 2.CV：图像处理和计算机视觉算法（图像处理、结构分析、运动分析、物体跟 踪和模式识别等） 3.HIGHGUI：用户交互部分（图形界面，图像视频输入输出，系统调用函数） 4.CVAUX：一些实验性的函数（三维跟踪等） 在这些库函数的支持下，用户可以直接调用滤波函数，形态学处理，图像特征提取，轮廓提取算法和跟踪算法，也可以添加自己编写的子函数，不但能完成复杂的开发任务，还可以提高效率，达到事半功倍的效果。 OPENCV的重要特性： 1．拥有包括300多个C函数的跨平台的中、高层API。它不依赖于其他的外部库——尽管也可以使用某些外部库。 2．对非商业应用和商业应用都是免费（FREE）的。 3．为Integrated Performance Primitives（IPP）提供了透明的接口。这意味着如果有为特定处理器优化的IPP库，OPENCV将在运行时自动加载这些库。 在VC++环境中OPENCV的使用设置： Microsoft公司开发的Visual C++是一种具有高度综合性能的软件开发工具。用它开发出的程序具有运行速度快，可移植能力强等优点，在对数字图像处理进行处理时经常采用Visual C++进行编程，通过对VC进行配置，就可以在编程过程中直接使用OPENCV的函数编写代码，减少了工作量，提高了运行效率。 在OPENCV安装完成后，首先需要把它的路径加入到系统环境变量中，然后再VC菜单Tools→Options→Directories下设置Library files路径，再选择Source files，最后选择Include files，就可以加入路径，如错误！未找到引用源。所示。设置完成后，就可以新建或打开一个使用OPENCV的工程。 打开工程后，选择菜单Project→Settings，然后将Setting for选为All Configurations，再选择右边的link标签，在Object/library modules加上工程属性中使用的库，这样就可以顺利编程。
OPENCV函数
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_64F channels: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=all int cvGetImageCOI(const IplImage*image); 大部分OpenCV函数暂不支持COI.
OPenCV3.2中Mat对象常用函数属性总结
OPenCV3.2中Mat对象常用函数属性总结Mat对象是OpenCV2.0之后引进的图像数据结构，它能自动分配内存、不存在内存泄漏的问题，是面向对象的数据结构。分了两个部分，头部与数据部分。 在使用Mat对象时，有以下四个要点需要注意： 1、输出图像的内存是自动分配的 2、使用OpenCV的C++接口，不需要考虑内存分配问题 3、赋值操作和拷贝构造函数只会复制头部分 4、使用clone与copyTo两个函数实现数据完全复制 下面我们就具体介绍一下公共成员函数和公共属性。 公共成员函数： 1、cv::Mat::Mat ( int rows, int cols, int type ) 参数： rows2D数组中的行数 cols2D数组中的列数。 type数组类型。使用CV_8UC1,…，CV_64FC4创建1 - 4通道矩阵，或CV_8UC(n)，…，CV_64FC(n)创建多通道(向上到CV_CN_MAX通道)矩阵。
2、cv::Mat::Mat ( Size size, int type ) 参数： size 2D数组大小:Size(cols, rows)。在Size()构造函数中，行数和列数以相反的顺序排列。 type 数组类型。使用CV_8UC1,…，CV_64FC4创建1 - 4通道矩阵，或CV_8UC(n)，…，CV_64FC(n)创建多通道(向上到CV_CN_MAX通道)矩阵。 3、cv::Mat::Mat ( int rows, int cols, int type, const Scalar & s ) 参数： rows2D数组中的行数。 cols 2D数组中的列数。 type数组类型。使用CV_8UC1,…，CV_64FC4创建1 - 4通道矩阵，或CV_8UC(n)，…，CV_64FC(n)创建多通道(向上到CV_CN_MAX通道)矩阵。s 初始化每个矩阵元素的可选值。在构建后将所有矩阵元素设置为特定值, 使用赋值运算符Mat::operator=(const Scalar& value) 。 4、cv::Mat::Mat ( Size size, int type,
快速学习OPENCV常用函数
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]
OpenCV最基础的图像处理的例子
?什么是OpenCV ?开源C/C++计算机视觉库. ?面向实时应用进行优化. ?跨操作系统/硬件/窗口管理器. ?通用图像/视频载入、存储和获取. ?由中、高层API构成. ?为Intel?公司的Integrated Performance Primitives (IPP) 提供了透明接口. ?特性: ?图像数据操作(分配,释放, 复制, 设定, 转换). ?图像与视频I/O (基于文件/摄像头输入, 图像/视频文件输出). ?矩阵与向量操作与线性代数计算(相乘, 求解, 特征值, 奇异值分解SVD). ?各种动态数据结构(列表, 队列, 集, 树, 图). ?基本图像处理(滤波, 边缘检测, 角点检测, 采样与插值, 色彩转换, 形态操作, 直方图, 图像金字塔). ?结构分析(连接成分, 轮廓处理, 距离转换, 模板匹配, Hough转换, 多边形近似, 线性拟合, 椭圆拟合, Delaunay三角化). ?摄像头标定 (寻找并跟踪标定模板, 标定, 基础矩阵估计, homography估计, 立体匹配). ?动作分析(光流, 动作分割, 跟踪). ?对象辨识 (特征方法, 隐马可夫链模型HMM). ?基本GUI(显示图像/视频, 键盘鼠标操作, 滚动条). ?图像标识 (直线, 圆锥, 多边形, 文本绘图) ?OpenCV 模块: ?cv - OpenCV 主要函数. ?cvaux - 辅助(实验性) OpenCV 函数. ?cxcore - 数据结构与线性代数算法. ?highgui - GUI函数. 资料链接 ?参考手册: ?
opencv最基础的图像处理
openCV——几个实用函数 2010年12月20日星期一 09:18 1. cvSmooth：各种方法的图像平滑 void cvSmooth( const CvArr* src, CvArr* dst, int smoothtype=CV_GAUSSIAN, int param1=3, int param2=0, double param3=0 ); src 输入图像. dst 输出图像. smoothtype 平滑方法: . CV_BLUR_NO_SCALE (简单不带尺度变换的模糊) - 对每个象素的param1×param2 领域求和。如果邻域大小是变化的，可以事先利用函数cvIntegral 计算积分图像。 . CV_BLUR (simple blur) - 对每个象素param1×param2邻域求和并做尺度变换 1/(param1.param2). . CV_GAUSSIAN (gaussian blur) - 对图像进行核大小为 param1×param2 的高斯卷积 . CV_MEDIAN (median blur) - 对图像进行核大小为 param1×param1 的中值滤波 (i.e. 邻域是方的). . CV_BILATERAL (双向滤波) - 应用双向 3x3 滤波，彩色 sigma=param1，空间 sigma=param2. 平滑操作的第一个参数. param2 平滑操作的第二个参数. 对于简单/非尺度变换的高斯模糊的情况，如果 param2的值为零，则表示其被设定为param1。 param3
对应高斯参数的 Gaussian sigma (标准差). 如果为零，则标准差由下面的核尺寸计算： sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 对应水平核, n=param2 对应垂直核. 对小的卷积核 (3×3 to 7×7) 使用如上公式所示的标准 sigma 速度会快。如果 param3 不为零，而 param1 和 param2 为零，则核大小有sigma 计算 (以保证足够精确的操作). 函数 cvSmooth 可使用上面任何一种方法平滑图像。每一种方法都有自己的特点以及局限。 没有缩放的图像平滑仅支持单通道图像，并且支持8位到16位的转换(与cvSobel和cvaplace相似)和32位浮点数到32位浮点数的变换格式。 简单模糊和高斯模糊支持 1- 或 3-通道, 8-比特和 32-比特浮点图像。这两种方法可以（in-place）方式处理图像。 中值和双向滤波工作于 1- 或 3-通道， 8-位图像，但是不能以 in-place 方式处理图像. 2．IplImage结构 由于OpenCV主要针对的是计算机视觉方面的处理，因此在函数库中，最重要的结构体是IplImage结构。IplImage结构来源于Intel的另外一个函数库Intel Image Processing Library (IPL)，该函数库主要是针对图像处理。IplImage结构具体定义如下： typedef struct _IplImage { int nSize; /* IplImage大小 */ int ID; /* 版本 (=0)*/
Opencv中函数的用法
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；
OPENCV图像处理常用函数
图像处理和图像识别中常用的OpenCV函数 2011-02-21 19:25:42|分类：默认分类|字号订阅 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； 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；
OpenCV常用函数说明
OpenCV基础篇中的常用函数说明： （1）函数名: cvActionTargetMod(...) Action = 核心功能（core functionality） (e.g. set, create) Target = 目标图像区域（target image area） (e.g. contour, polygon) Mod = （可选的）调整语（optional modifiers） (e.g. argument type) （2）矩阵数据类型: CV_
Matlab 到 OpenCv 的常见函数转换
1、 matlab中的imread相当于OpenCV中的cvLoadImage(imageName, CV_LOAD_IAMGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR)：读出的图像信息保持了原有图像的信息(包括通道信息和位深信息)； rgb2gray相当于cvLoadImage(imageName, CV_LOAD_IMAGE_GRAYSCALE)：单通道灰度图； 或用cvCreateImage、cvCvtColor两函数实现图像的灰度化。 2、matlab中的zeros函数相当于OpenCV中的cvSetZero函数。 3、matlab中的两矩阵点乘 .* 相当于OpenCV中的cvMul函数。 4、matlab中的两矩阵点除 ./ 相当于OpenCV中的cvDiv函数。 5、matlab中的两矩阵相加 + 相当于OpenCV中的cvAdd函数。 6、matlab中的两矩阵相减 - 相当于OpenCV中的cvSub函数。 7、matlab中的矩阵和一个常量相加 A + a 相当于OpenCV中的cvAddS函数 cvAdds(matA, cvScalar(a), matB)。 8、matlab中的矩阵和一个常量相减 A - a 相当于OpenCV中的cvSubS函数 cvSubS(matA, cvScalar(a), matB)。
9、matlab中的给矩阵赋一初值 A(:, :) = a 相当于OpenCV中的cvSet函数 cvSet(matA, cvScalar(a))。 10、matlab中取矩阵某一部分赋给另一矩阵 A = B(i : j, m : n) 相当于OpenCV中的cvGetSubRect 函数，cvGetSubRect(mat1, mat2, rect)。 11、matlab中取矩阵最大值、最小值 max(max(A))、min(min(A)) 相当于OpenCV中的cvMinMaxLoc函数 cvMinMaxLoc(A, minloc, maxloc)。 12、matlab中两矩阵相乘 A * B 相当于OpenCV中的cvMatMul函数，cvMatMul(A, B, C)。 13、matlab中计算两个三维向量的叉积 C = cross(A, B) 相当于OpenCV中的cvCrossProduct 函数，cvCrossProduct(A, B, C)。 14、matlab中计算向量的范数 c = norm(A) 相当于OpenCV中的cvNorm函数，c = cvNorm(A)。 15、matlab中求二维矩阵的奇异值分解 [u s v] = svd(A, 0) 相当于OpenCV中的cvSVD函数cvSVD(A, s, u, v)。 16、matlab中两矩阵左除 c = a / b 相当于OpenCV中的cvInvert、cvMatMul两函数即：cvInvert(a, d); cvMatMul(d, b, c)。 17、matlab中的求矩阵的逆inv函数 A = inv(B) 相当于OpenCV中的cvInvert函数：cvInvert(B,A)。
基本函数调用命令(python+opencv)
1图像读取和写入 1.1图片读取 [1]unread(img_path,flag) 读取图片，返回图片对象 img_path: 图片的路径，即使路径错误也不会报错，但打印返回的图片对象为None flag：读取图片的方式 cv2.IMREAD_COLOR，读取彩色图片，图片透明性会被忽略，为默认参数，也可以传入1 cv2.IMREAD_GRAYSCALE，按灰度模式读取图像，也可以传入0 cv2.IMREAD_UNCHANGED，读取图像，包括其alpha通道，也可以传入-1 1.2图片展示 [1]imshow(window_name,img)：显示图片，窗口自适应图片大小 window_name: 指定窗口的名字 img：要显示的图片对象 可以指定多个窗口名称，显示多个图片 waitKey(millseconds) 键盘绑定事件，阻塞监听键盘按键，返回一个数字（不同按键对应的数字不同）。如果关闭图片窗口，则无法返回一个数字，也无法继续进行编写代码。 millseconds: 传入时间毫秒数，在该时间内等待键盘事件；传入0时，会一直等待键盘事件 [1]destroyAllWindows(window_name) window_name: 需要关闭的窗口名字，不传入时关闭所有窗口 1.3图片保存 [1]imwrite(img_path_name, img, num) img_path_name:要保存的文件名 img：要保存的图像 num：可选参数，它针对特定的格式：对于JPEG，其表示的是图像的质量，用0 - 100的整数表示，默认95;对于png ,第三个参数表示的是压缩级别，默认为3。从0到9压缩级别越高图像越小 2图像像素获取和编辑 2.1像素值获取
学习opencv平滑处理
平滑处理 平滑处理”也称“模糊处理”(blurring)，是一项简单且使用频率很高的图像处理 方法。平滑处理的用途有很多，但最常见的是用来减少图像上的噪声或者失真。降 低图像分辨率时，平滑处理是很重要的(在本章的“图像金字塔”部分会详细介绍 这一点)。 目前OpenCV可以提供五种不同的平滑操作方法，所有操作都由cvSmooth函数实 尺寸调整 我们经常会将某种尺寸的图像转换为其他尺寸的图像，如放大或者缩小图像。我们 可以用cvResize()函数来放大或缩小图像。该函数可以将源图像精确转换为目标 图像的尺寸。如果源图像中设置了ROI，那么cvResize()将会对ROI区域调整 尺寸，以匹配目标图像，同样，如果目标图像中已设置ROI的值，那么 cvResize()将会将源图像进行尺寸调整并填充到目标图像的ROI中。 一般情况下，我们期望源图像和重采样后的目标图像之间的映射尽可能地平滑。参 数interpolation控制如何进行映射。当缩小图像时，目标图像的像素会映射为 源图像中的多个像素，这时需要进行插值。当放大图像时，目标图像上的像素可能 无法在源图像中找到精确对应的像素，也需要进行插值。在任何一种情况下，都有 很多z种计算像素值的方法。其中最简单的办法是将目标图像各点的像素值设为源 图像中与其距离最近的点的像素值，这就是当interpolation设为CV_工NTER一N 时用的算法。或者采用线性插值算法(CV_工NTER L工NEAR，将根据源图像附近的4 个((2x2范围)邻近像素的线性加权计算得出，权重由这4个像素到精确目标点 的距离决定。我们也可以用新的像素点覆盖原来的像素点，然后求取覆盖区域 的平均值，这种插值算法称为区域插值。。最后一种选择是三次样条插值 (Cv一工NTER CUBIC。首先对源图像附近的4x4个邻近像素进行三次样条拟 合，然后将目标像素对应的三次样条值作为目标图像对应像素点的值。 图像金字塔 图像金字塔[Adelson84]被广泛用于各种视觉应用中。图像金字塔是一个图像集 合，集合中所有的图像都源于同一个原始图像，而且是通过对原始图像连续降采样 获得，直到达到某个中止条件才停止降采样。(当然，降为一个像素肯定是中止条件。)[i307 有两种类型的图像金字塔常常出现在文献和应用中:高斯金字塔【Rosenfeld80〕和拉 普拉斯[Burt83]金字塔[Adelson84]。高斯金字塔用来向下降采样图像，而拉普拉斯 金字塔(后面会简单讨论)则用来从金字塔低层图像中向上采样重建一个图像。 要从金字塔第i层生成第i+ 1层(我们表示第i+ 1层为Gi+、)，我们先要用高斯核对G…进行卷积，然后删除所有偶数行和偶数列。当然，新得到的图像面积会变为源 图像的四分之一。按上述过程对输入图像Go循环执行操作就可产生整个金字塔。OpenCV为我们提供了从金字塔中上一级图像生成下一级图像的方法: 在这种情况下，图像首先在每个维度上扩大为原来的两倍，新增的行(偶数行)以0
opencv应用函数
目录 1 一、简介 1.1 1、OpenCV的特点 1.1.1 （1）总体描述 1.1.2 （2）功能 1.1.3 （3）OpenCV模块 1.2 2、有用的学习资源 1.2.1 （1）参考手册： 1.2.2 （2）网络资源： 1.2.3 （3）书籍： 1.2.4 （4）视频处理例程(在
3.3.2 （2）矩形框大小（以像素为精度）: 3.3.3 （3）矩形框的偏置和大小: 4 四、图像处理 4.1 1、图像的内存分配与释放 4.1.1 （1）分配内存给一幅新图像: 4.1.2 （2）释放图像: 4.1.3 （3）复制图像: 4.1.4 （4）设置/获取感兴趣区域ROI: 4.1.5 （5）设置/获取感兴趣通道COI: 4.2 2、图像读写 4.2.1 （1）从文件中读入图像: 4.2.2 （2）保存图像: 4.3 3、访问图像像素 4.3.1 （1）假设你要访问第k通道、第i行、第j列的像素。 4.3.2 （2）间接访问: (通用，但效率低，可访问任意格式的图像) 4.3.3 （3）直接访问: (效率高，但容易出错) 4.3.4 （4）基于指针的直接访问: (简单高效) 4.3.5 （5）基于c++ wrapper 的直接访问: （更简单高效） 4.4 4、图像转换 4.4.1 （1）字节型图像的灰度-彩色转换: 4.4.2 （2）彩色图像->灰度图像: 4.4.3 （3）不同彩色空间之间的转换: 4.5 5、绘图指令 4.5.1 （1）绘制矩形: 4.5.2 （2）绘制圆形: 4.5.3 （3）绘制线段: 4.5.4 （4）绘制一组线段: 4.5.5 （5）绘制一组填充颜色的多边形: 4.5.6 （6）文本标注: 5 五、矩阵处理 5.1 1、矩阵的内存分配与释放 5.1.1 （1）总体上: 5.1.2 （2）为新矩阵分配内存: 5.1.3 （3）释放矩阵内存: 5.1.4 （4）复制矩阵: 5.1.5 （5）初始化矩阵: 5.1.6 （6）初始化矩阵为单位矩阵: 5.2 2、访问矩阵元素 5.2.1 （1）假设需要访问一个2D浮点型矩阵的第（i, j）个单元. 5.2.2 （2）间接访问: 5.2.3 （3）直接访问（假设矩阵数据按4字节行对齐）: 5.2.4 （4）直接访问（当数据的行对齐可能存在间隙时possible alignment gaps）:
opencv中的几种常见的图像类型
1 opencv中的几种常见的图像类型 opencv中，几种常见的图像类型有： IplImage，Mat，CvMat，CvArr CvArr ： 老版本的结构了。是一个抽象基类，在函数原型中，常见到CvArr（CvArr*），这就允许吧CvMar* 或者IplImage* 传递到程序或函数参数中了。 CvMat ： 矩阵结构， IplImage ： 是较老版本的一种类型了，对图像进行”编码“的基本结构。这些图像可能是灰度，彩色，4通道的（RGB+ alpha），其中，每个通道可以包含任意的整数或浮点数。 Mat： 新版本中的强大的一个图像容器，是和Matlab中的函数对应的。基本上讲 Mat 是一个类，由两个数据部分组成：矩阵头（包含矩阵尺寸，存储方法，存储地址等信息）和一个指向存储所有像素值的矩阵（根据所选存储方法的不同矩阵可以是不同的维数）的指针。矩阵头的尺寸是常数值，但矩阵本身的尺寸会依图像的不同而不同，通常比矩阵头的尺寸大数个数量级。 2 opencv中存储图像类型转换 （1）将IplImage类型转换到Mat类型 Mat::Mat(const IplImage* img, bool copyData=false); 默认情况下，新的Mat类型与原来的IplImage类型共享图像数据，转换只是创建一个Mat矩阵头。当将参数copyData设为true后，就会复制整个图像数据。 例：
IplImage*iplImg = cvLoadImage("greatwave.jpg", 1); Matmtx(iplImg); // IplImage* ->Mat 共享数据 // or : Mat mtx = iplImg; （2）将Mat类型转换到IplImage类型 同样只是创建图像头，而没有复制数据。 例： IplImage ipl_img = img; // Mat -> IplImage （3）将CvMat类型转换为Mat类型 与IplImage的转换类似，可以选择是否复制数据。 Mat::Mat(const CvMat* m, bool copyData=false); （4）将Mat类型转换为CvMat类型 与IplImage的转换类似，不复制数据，只创建矩阵头。 例： // 假设Mat类型的imgMat图像数据存在 CvMat cvMat = imgMat; // Mat -> CvMat 几个例子： 为矩阵定义了一系列方便的操作符。我们可以将一个已经存在的灰度图像img变成全黑色： 选择感兴趣区域： 将Mat转为 C API 数据类型：
opencv几种常见滤波器使用方法
OpenCv中几种常见的滤波器 一. 滤波器的作用 1.问题：数字图像信号的频率分布？ 回答：信号或者图像的能量大部分在中低频段，少部分有用信号在高频段被噪声淹没（噪声都是高频信号）。因此设计滤波器能降低高频成分幅度就能减弱噪声影响。 2.问题：为什么要进行图像滤波？ 回答：1.适应图像处理要求，消除图像数字化时所混入的噪声。 2.提取对象的特征作为图像识别的特征模式（没遇到过！） 3.问题：如何理解滤波器？ 回答：把滤波器想象成一个包含加权系数的窗口，当使用滤波器平滑处理图像时，相当于把窗口放到图像上，透过窗口看图像。 4.问题：滤波器实现的结果是怎么样的？ 回答：对图像做平滑或滤波后图像变得更模糊。 二．滤波器分类 2.1线性滤波器 1.低通滤波器：允许低频率通过 2.高通滤波器：允许高频率通过 3.带通滤波器：允许一定范围频率通过 4.带阻滤波器：阻止一定范围频率通过 5.全通滤波器：允许所有频率通过，只是改变相位 2.1.1 Opencv中提供的线性滤波函数
1.方框滤波：boxFilter函数 函数原型：void boxFilter (InputArray src,OutputArray dst,int ddepth,Size ksize,Pointanchor=Point(-1,-1),boolnormalize=true,int borderType=BORDER_DEFAULT) 参数说明：InputArray，输入图像src。 OutputArray ，输出图像dst。 Int类型ddepth，输出图像深度，-1代表使用原图src 深度。 Size类型ksize，内核大小，一般用Size(w,h)，w为宽度，h为深度。 Point类型anchor，被平滑的点，表示取内核中心，默认值Point(-1,-1)。 Bool类型normalize，标识符，表示内核是否被归一化。默认值为true。 Int类型boderType，推断图像外部像素的某种边界模式。默认值BORDER_DEFAULT。 2.均值滤波：blur函数 函数原型：void blur(InputArray src,OutputArray dst,int ddepth,Size ksize,Pointanchor=Point(-1,-1), int borderType=BORDER_DEFAULT) 参数说明：InputArray，输入图像src。
OpenCV的基本数据类型
OpenCV简介 OpenCV是Intel公司支持的开源计算机视觉库。它轻量级而且高效——由一系列C函数和少量C++类构成，实现了图像处理和计算机视觉方面的很多通用算法。1999年在俄罗斯设立的软件开发中心“Software Developmellt Cellter¨开发的。 OpenCV采用C/C++语言编写，可以运行在Linux/Windows/Mac等操作系统上。OpenCV还提供了Python、Ruby、MATLAB以及其他语言的接口。OpenCV 的设计目标是执行速度尽量快，主要关注实时应用。它采用优化的C代码编写，能够充分利用多核处理器的优势。如果是希望在Intel平台上得到更快的处理速度，可以购买Intel的高性能多媒体函数库IPP(Integrated Performance Primitives)。IPP库包含许多从底层优化的函数，这些函数涵盖多个应用领域。如果系统已经安装了IPP库，OpenCV会在运行时自动使用相应的IPP库。 OpenCV的一个目标是构建一个简单易用的计算机视觉框架，以帮助开发人员更便捷地设计更复杂的计算机视觉相关应用程序。OpenCV包含的函数有500多个，覆盖了计算机视觉的许多应用领域，如工厂产品检测、医学成像、信息安全、用户界面、摄像机标定、立体视觉和机器人等。因为计算机视觉和机器学习密切相关，所以OpenCV还提供了MLL(Machine Learning Library)机器学习库。该机器学习库侧重于统计方面的模式识别和聚类(clustering)。MLL除了用在视觉相关的任务中，还可以方便地应用于其他的机器学习场合。 OpenCV的基本结构 OpenCV主体分为五个模块，其中四个模块如图6-1所示。OpenCV的CV 模块包含基本的图像处理函数和高级的计算机视觉算法。ML是机器学习库，包含一些基于统计的分类和聚类工具。HighGUI包含图像和视频输入/输出的函数。CXCore包含OpenCV的一些基本数据结构和相关函数。
相关文档
- OPenCV3.2中Mat对象常用函数属性总结
- OpenCV常用的图像和矩阵操作总结
- opencv常用函数
- opencv中的几种常见的图像类型
- opencv中函数的一相关说明如：cvtcolor和cvcvtcolor区别
- OpenCV主要函数介绍
- OpenCV 函数
- OpenCV最基础的图像处理的例子
- Matlab 到 OpenCv 的常见函数转换
- OPENCV初级教程及范例
- opencv中常用的检测和跟踪算法原理介绍
- OPENCV函数
- opencv几种常见滤波器使用方法
- OpenCv矩阵操作函数大全
- opencv应用函数
- OpenCV常用的图像和矩阵操作总结
- opencv中常用的检测和跟踪算法原理介绍
- 个人整理的opencv最基本入门资料
- OpenCV常用函数说明
- OpenCv矩阵操作函数大全