每个cver都应该知道的十大OpenCV函数

现在计算机视觉和计算机图形学非常流行，这是因为它们与人工智能有着广泛的联系，它们的主要共同点是使用OpenCV库，以便像人类一样对数字图像或视频（CV）或生成图像（CG）有高层次理解。

这就是为什么今天我们要来看一看在计算机科学领域里，对于同样的库，有哪些函数是你最能从中受益的!

在讨论OpenCV的强大功能之前，让我们先看看计算机视觉、计算机图形学和OpenCV的定义，以便更好地理解我们在这里所做的工作。

计算机视觉

计算机视觉是一个跨学科的领域，涉及如何使计算机获得对数字图像或视频的高层次理解。从工程的角度来看，它试图使人类视觉系统能够完成任务的自动化，也就是说，它希望像人类一样“看懂”世界。

计算机图形学

计算机图形学是计算机科学中的一个分支，它研究如何借助计算机生成图像。如今，计算机图形学是数字摄影、电影、视频游戏、手机和计算机显示等许多专业应用领域的核心技术。

OpenCV

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。OpenCV的建立是为了为计算机视觉应用提供一个通用的基础设施，并加速机器感知在商业产品中的应用。

该库提供了处理和分析图像内容的工具，包括识别数字照片中的对象（如人的脸和图形、文本等）、跟踪对象的运动、转换图像、应用机器学习方法以及识别各种图像中的公共元素。

好了，现在我们可以从我个人选择的十大函数开始学习。（使用Python编写函数）

imread/imshow

这个函数必须放在首位，因为要用一张图片来开始你的项目，此函数是必不可少的。从函数名可以猜到，它加载了BGR（Blue-Green-Red）格式的图像。

import cv2
import matplotlib.pyplot as plot
image = cv2.imread('data.png') #load image
plot.imshow(image) #show image

cvtColor

加载图像后，还可以使用cvtColor中的不同标志将其转换为不同的配色方案。

cv2.cvtColor(image,cv2.COLOR_BGR2RGB)

下面是cvtColor的一些其他标志：COLOR_BGR2GRAY、COLOR_BGR2HSV和COLOR_BGR2YUV等。

这是双向的，例如，COLOR_YUV2BGR也是可能的。

resize

有时你只需要一个不同于原来大小的图像，所以resize就是你需要的函数。

cv2.resize(image, dimension, interpolation = cv2.INTER_AREA)

它获取原始图像，并按尺寸创建一个新图像。尺寸定义为：

dimension = (width, height)

插值是一种重采样图片的方法，在我的例子中，它使用基于INTER_AREA的区域间重采样，还有更多类似的方法

INTER_NEAREST: 最近邻插值
INTER_LINEAR: 双线性插值
INTER_CUBIC: 4×4像素邻域上的双三次插值
INTER_LANCZOS4: 8×8邻域上的Lanczos插值

https://scc.ustc.edu.cn/zlsc/sugon/intel/ipp/ipp_manual/IPPI/ippi_appendices/ippi_appB_LanczosInterpolation.htm

split/merge

每张图片有3个通道，如果我们想把它们分割成不同的图片，我们可以使用分割函数来实现。

(channel_b, channel_g, channel_r) = cv2.split(img)

如果图像是BGR格式，它会将每个通道分成你定义的三个变量。

如果你已经分割通道,但希望将它们合并到一起，你可以使用merge。

cv2.merge(channel_b, channel_g, channel_r)

vconcat / hconcat

使用vconcat()，hconcat()可以垂直和水平连接（合并）图像。

v表示垂直，h表示水平。

cv2.vconcat([image1, image2])
cv2.hconcat([image1, image2])

ones/zeros

如果要在三维图像（矩阵）中都填充1或0（因为矩阵要求彩色图像具有3个维度）。

size = 200, 200, 3
m = np.zeros(size, dtype=np.uint8)
n = np.ones(size, dtype=np.uint8)

作为一个附加函数，我想在这里添加一个东西，那就是转置函数。

transpose

如果我们有一个要转置的已定义矩阵mat，我们所要做的就是直接对mat使用这个函数：

import numpy as np
mat = np.array([[1, 2, 3], [4, 5, 6]])
mat_transpose = mat.transpose()
print(mat_tranpose)

得到输出：

[[1 4]  [2 5]  [3 6]]
#original input
[[1, 2, 3][4, 5, 6]]

原文链接：https://towardsdatascience.com/top-10-opencv-functions-everyone-has-to-know-about-945f33de8f6f

留言送书福利

在前两天的文章中，小编寻找的那位中奖的小伙伴，一直没有联系小编，小编只有把书籍转赠他人啦...

小编看了下在留言主题“你怎么看待我们开展的送书活动，你有什么好的活动建议么？”留言的小伙伴中，有一个小伙伴经常留言（小编都记着你了），但是一直没有被小编选中，现在，机会来了，作为在没中过奖的小伙伴中，留言次数最多的你，小编决定把这本书赠送给你。

恭喜下面留言的这位读者获赠书籍《Halcon机器视觉算法原理与编程实战》一本。请联系小编：mthler。

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文（无广告）。

↓扫描二维码添加小编↓