图像处理和图像识别中常用的OpenCV函数
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. cvDestroyWindow:销毁显示图像文件的窗口;
4. cvDestroyAllWindows:销毁显示图像文件的所有窗口;
5. cvShowImage:在一个已创建好的窗口中显示图像;
6. cvWaitKey:使程序暂停,等待用户触发一个按键操作;
7. cvReleaseImage:释放图像文件所分配的内存;
8. cvCreateFileCapture:通过参数设置确定要读入的AVI文件;
9. cvQueryFrame:用来将下一帧视频文件载入内存;
10. cvReleaseCapture:释放CvCapture结构开辟的内存空间;
11. cvCreateTrackbar:创建一个滚动条;
12. cvSetCaptureProperty:设置CvCapture对象的各种属性;
13. cvGetCaptureProperty:查询CvCapture对象的各种属性;
14. cvGetSize:当前图像结构的大小;
15. cvSmooth:对图像进行平滑处理;
16. cvPyrDown:图像金字塔,降采样,图像缩小为原来四分之一;
17. cvPyrUp:图像金字塔,将现有的图像在每个维度上都放大两倍;
18. cvResize:放大或缩小图像;
19. cvCreateCameraCapture:从摄像设备中读入数据;
20. cvCreateVideoWriter:创建一个写入设备以便逐帧将视频流写入视频文件;
21. cvWriteFrame:逐帧将视频流写入文件;
22. cvReleaseVideoWriter:释放CvVideoWriter结构开辟的内存空间;
23. CV_MAT_ELEM:从矩阵中得到一个元素;
24. cvAbs:计算数组中所有元素的绝对值;
25. cvAbsDiff:计算两个数组差值的绝对值;
26. cvAbsDiffS:计算数组和标量差值的绝对值;
27. cvAdd:两个数组的元素级的加运算;
28. cvAddS:一个数组和一个标量的元素级的相加运算;
29. cvAddWeighted:两个数组的元素级的加权相加运算(alpha运算);
30. cvScaleAdd:计算一个数组缩放后与另一个数组的和;
32. cvAvgSdv:计算数组中所有元素的绝对值和标准差;
33. cvCalcCovarMatrix:计算一组n维空间向量的协方差;
34. cvCmp:对两个数组中的所有元素运用设置的比较操作;
36. cvConvertScale(cvConvert):用可选的缩放值转换数组元素类型;
38. cvCountNonZero:计算数组中非0值的个数;
39. cvCrossProduct:计算两个三维向量的向量积(叉积);
40. cvCvtColor:将数组的通道从一个颜色空间转换另外一个颜色空间;
50. cvGetDimSize:返回一个数组的所有维的大小;
52. cvGetRows:从一个数组的多个相邻的行中复制元素值;
53. cvGetSize:得到二维的数组的尺寸,以CvSize返回;
54. cvGetSubRect:从一个数组的子区域复制元素值;
55. 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;
56. 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;
58. cvMahalonobis:计算两个向量间的马氏距离;
60. cvMaxS:在一个数组和一个标量中进行元素级的取最大值操作;
62. cvMinS:在一个数组和一个标量中进行元素级的取最小值操作;
65. cvDiv:用另外一个数组对一个数组进行元素级的除法运算;
67. cvReduce:通过给定的操作符将二维数组简为向量;
71. cvSetIdentity:将数组中对角线上的元素设为1,其他置0;
74. cvMerge:把几个单通道图像合并为一个多通道图像;
91. 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;
92. cvNorm:计算数组的绝对范数, 绝对差分范数或者相对差分范数;
93. 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;
100.cvFillPoly、cvFillConvexPoly、cvPolyLine:画多边形;
103.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;
106.cvOpenFileStorage:为读/写打开存储文件;
107.cvReleaseFileStorage:释放存储的数据;
108.cvStartWriteStruct:开始写入新的数据结构;
109.cvEndWriteStruct:结束写入数据结构;
113.cvWriteComment:写一个XML或YAML的注释字串;
116.cvWriteFileNode:将文件节点写入另一个文件存储器;
117.cvGetRootFileNode:获取存储器最顶层的节点;
118.cvGetFileNodeByName:在映图或存储器中找到相应节点;
119.cvGetHashedKey:为名称返回一个惟一的指针;
120.cvGetFileNode:在映图或文件存储器中找到节点;
121.cvGetFileNodeName:返回文件的节点名;
123.cvReadIntByName:读取一个有名称的整数型;
125.cvReadRealByName:读取一个有名称的浮点型;
127.cvReadStringByName:找到一个有名称的文件节点并返回它;
131.cvStartReadRawData:初始化文件节点序列的读取;
132.cvReadRawDataSlice:读取文件节点的内容;
133.cvGetModuleInfo:检查IPP库是否已经正常安装并且检验运行是否正常;
136.cvMoveWindow:将窗口移动到其左上角为x,y的位置;
137.cvDestroyAllWindow:用来关闭所有窗口并释放窗口相关的内存空间;
140.cvGrabFrame:快速的从摄像头或视频文件中抓取帧,被抓取的帧在内部被存储;
141.cvRetrieveFrame:取回由函数cvGrabFrame抓取的图像,返回的图像不可以被用户释放或者修改;
142.cvConvertImage:用于在常用的不同图像格式之间转换;
146.cvCreateStructuringElementEx:创建自定义的IplConvKernel核,应用在相应形态学操作中;
147.cvReleaseStructuringElement:释放由自定义创建的IplConvKernel核;
148.cvFloodFill:漫水填充算法,用来进一步控制哪些区域将被填充颜色;
149.cvPyrSegmentation:利用金字塔实现图像分割;
152.cvAdaptiveThreshold:图像自适应阈值;
154.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;
161.cvGetQuadrangleSubPix:仿射变换(提取像素四边形,使用子像素精度);
162.cvGetRectSubPix:从图像中提取像素矩形,使用子像素精度;
163.cvGetAffineTransform:仿射映射矩阵的计算;
164.cvCloneImage:将整个IplImage结构复制到新的IplImage中;
165.cv2DRotationMatrix:仿射映射矩阵的计算;
167.cvWarpPerspective:密集透视变换(单应性);
168.cvGetPerspectiveTransform:计算透视映射矩阵;
169.cvPerspectiveTransform:稀疏透视变换;
170.cvCartToPolar:将数值从笛卡尔空间到极坐标(极性空间)进行映射;
171.cvPolarToCart:将数值从极性空间到笛卡尔空间进行映射;
181.cvMakeHistHeaderForArray:根据已给出的数据创建直方图;
185.cvCompareHist:用于对比两个直方图的相似度;
188.cvCalcBackProjectPatch:图块的方向投影;
190.cvCreateMemStorage:用于创建一个内存存储器;
193.cvCvtSeqToArray:复制序列的全部或部分到一个连续内存数组中;
194.cvFindContours:从二值图像中寻找轮廓;
197.cvConvexHull2:使用Sklansky算法计算2D点集的凸外形;
198.cvPointPolygonTest:点在多边形中的位置(内部、外部、多边形边上);
203.cvInitLineIterator:对任意直线上的像素进行采样;
208.cvGoodFeaturesToTrack:寻找角点;
209.cvCornerHarris:Harris角点检测;
210.cvFindCornerSubPix:用于发现亚像素精度的角点位置;
211.cvMeanShift:mean-shift跟踪算法;
213.cvCreateConDensation:condensation算法,分配condensation滤波器结构;
214.cvReleaseConDensation:condensation算法,释放condensation滤波器结构;
215.cvConDensInitSampleSet:condensation算法,初始化condensation算法中的粒子集;
216.cvConDensUpdateByTime:condensation算法,估计下个模型状态;
217.cvConvertPointsHomogenious:对齐次坐标进行转换;
218.cvFindChessboardCorners:定位棋盘角点;
219.cvCalibrateCamera2:利用定标来计算摄像机的内参数和外参数;
220.cvInitUndistortMap:计算形变和非行变图像的对应;
221.cvInitUndistortRectifyMap:computes the undistortion and rectification transformation map;
222.cvRemap:图像重映射,校正标定图像,图像插值;
223.cvFindFundamentalMat:由两幅图像中对应点计算出基本矩阵;
224.cvComputeCorrespondEpilines:为一幅图像中的点计算其在另一幅图像中对应的对极线;
225.cvDrawChessboardCorners:绘制检测到的棋盘角点;
229.cvCalcCovarMatrix:计算协方差矩阵;
231.cvMahalanobis:计算Mahalanobis距离;
233.cvCloneMat:根据一个已有的矩阵创建一个新矩阵;
234.cvPreCornerDetect:计算用于角点检测的特征图;
235.cvGetImage:CvMat图像数据格式转换成IplImage图像数据格式;
237.cvMatMulAdd:dst = src1 * src2 + src3;
242.cvSetMouseCallback:用鼠标获取确定窗口上的矩形;
243.cvContourArea:计算整个或部分轮廓的面积;
245.cvBoundingRect:计算点集的最外面矩形边界(获取轮廓的外接矩形);
246.cvSeqRemove:删除序列中指定位置的元素(轮廓);
247.cvGetTickCount:返回64位长整数的时间数据;
248.cvGetTickFrequency:返回系统时钟频率;
249.cvRNG:随机生成一个64位随机数(uint64);
250.cvRandInt:返回均匀分布32位的随机数(uint32);
251.cvRandReal:返回均匀分布0~1之间的随机小数;
252.cvRandArr:用随机数填充数组并更新RNG状态;
253.cvRandInit:初始化CvRandState数据结构,可以选定随机分布的种类,并给定它种子;
254.cvInitMatHeader:初始化矩阵头,不分配存储空间;
256.CvSVMParams:SVM训练参数,该结构需要初始化,并传递给CvSVM训练函数;
257.CvSVM::train:训练SVM(支持向量机);
258.CvSVM::predict:预测一个新样本的响应值,在分类问题中,这个函数返回类别编号,在回归问题中,返回函数值;
260.CvSVM::get_support_vector_count:获得支持向量的个数;
261.CvSVM::get_support_vector:获得对应索引编号的支持向量;
262.CvSVM::save:将SVM训练完的数据保存到指定的文件中(save来源于cvStatModel为ML库的通用类);
263.CvSVM::load:将指定的文件装载到SVM指定的对象中;
264.cvCreateBGCodeBookModel:codebook方法中,初始化;
265.cvBGCodeBookUpdate:codebook方法中,更新背景模型;
266.cvBGCodeBookClearStale:codebook方法中,清除消极的codebook;
267.cvBGCodeBookDiff:codebook方法中,背景减除;
268.cvReleaseBGCodeBookModel:codebook方法中,释放资源;
269.cvSegmentFGMask:对前景做连通域分割;
270.cvRunningAvg:更新running average,可用于运动目标检测中更新背景;
271.cvCalcOpticalFlowHS:使用Horn&Schunck算法计算两幅图像的光流;
272.cvCalcOpticalFlowLK:使用Lucas&Kanade算法计算两幅图像的光流(非金字塔);
273.cvCalcOpticalFlowPyrLK:使用金字塔Lucas&Kanade方法计算一个稀疏特征集的光流;
274.cvCalcOpticalFlowBM:用块匹配方法计算两幅图像的光流;
275.cvUpdateMotionHistory:运动模板中,去掉影像以更新运动历史图像;
276.cvRunningAvg:更新running average滑动平均;
277.cvCalcMotionGradient:运动模板中,计算运动历史图像的梯度方向;
278.cvSegmentMotion:运动模板中,将整个运动分割为独立的运动部分;
279.cvCalcGlobalOrientation:运动模板中,计算某些选择区域的全局运动方向;
280.cvGetMinMaxHistValue:直方图中找到最小值和最大值;
281.cvMinAreaRect2:寻找最小面积的外接矩形;
282.cvMinEnclosingCircle:计算轮廓的最小外接圆;
284.cvMaxRect:寻找包含两个输入矩形的具有最小面积的矩形边界;
286.cvCreateKalman:Kalman中,分配Kalman滤波器结构;
287.cvReleaseKalman:Kalman中,释放Kalman滤波器结构;
288.cvKalmanPredict:Kalman中,估计后来的模型状态;
289.cvKalmanCorrect:Kalman中,调节模型状态;
290.cvLoadHaarClassifierCascade:CvHaarClassifierCascade中,从文件中装载训练好的级联分类器或者从OpenCV中嵌入的分类器数据库中导入;
291.cvHaarDetectObjects:CvHaarClassifierCascade中,检测图像中的目标;
292.cvSetImageForHaarClassifierCascade:CvHaarClassifierCascade中,为隐藏的cascade(hidden cascade)指定图像;
293.cvReleaseHaarClassifierCascade:CvHaarClassifierCascade中,释放haar classifier cascade;
294.cvRunHaarClassifierCascade:CvHaarClassifierCascade中,在给定位置的图像中运行cascade of boosted classifier;
295.CvAdaptiveSkinDetector::process:皮肤检测;
296.cvCalcEigenObjects:计算传入影像阵列的eigen vector、eigen value、image average(影像平均值);
297.cvEigenDecomposite:透过eigen vector和原始影像集来解析每张图片降维后对应的系数coefficients;
298.cvEigenProjection:投影图片在特征空间;
300.cvFree:释放内存(cvAlloc与cvFree应匹配出现);
301.CvANN_MLP::create:constructs MLP(multi-layer perceptrons) withthe specified topology;
302.CvANN_MLP::train:trains/updates MLP;
303.CvANN_MLP::predict:predicts responses for input samples;
304.CvANN_MLP::get_layer_count:returns the number fo layers in the MLP;
305.CvANN_MLP::get_layer_size:returns numbers of neurons in each layer ofthe MLP;
306.CvANN_MLP::get_weights:returns neurons weights of the particularlayer;
307.CvKNearest::CvKNearest:default and training constructors;
308.CvKNearest::train:trains the model;
309.CvKNearest::find_nearest:finds the neighbors and predicts responses forinput vectors;
311.CvKNearest::get_var_count:returns the number of used features(variablescount);
312.CvKNearest::get_sample_count:returns the total number of train samples;
314.cvGetSeqElem:returns a pointer to a sequenceelement according to its index;
315.cvGetReal2D:return a specific element ofsingle-channel 2D array;
324.cvLUT:显示查找表,实际上就是一张像素灰度值的映射表,它将实际采样到的像素灰度值经过一定的变换如阈值、反转、二值化、对比度调整、线性变换等,变成了另外一个与之对应的灰度值;
325. class FeatureDetector:abstract base class for 2D image feature detectors;
326. class FastFeatureDetector:wrapping class for feature detection using the FAST() method;
329.cvExtractSURF:detects keypoints andcomputes SURF descriptors for them;
图像处理和图像识别中常用的OpenCV函数相关推荐
- opencv学习篇(1) 图像处理和图像识别中常用的OpenCV函数
今天开始打算整理一下上一阶段所学的内容,感觉学习的阅读的太多,知识点像一团乱麻一样,需要整理一下了. 为了能快速查阅opencv的一些基本函数,先汇总一下,以供日后查阅. 1. cvLoadIma ...
- 图像处理和图像识别中常用的matlab函数
下面仅给出函数的大概意思,详细用法见: help 函数名 或 matlab help 1.imread:read image from graphics file: 2.imshow:display ...
- 图像处理和图像识别中常用的CxImage函数
1.Load:reads from disk the image in a specific format: 2.Save:saves to disk the image in a specific ...
- php的正则表达式函数,php中常用的正则表达式函数
php中常用的正则表达式函数 * preg_match() * preg_match_all() * preg_replace() * preg_filter() * preg_grep() * pr ...
- java数据类型的转换函数_JAVA中常用数据类型转换函数
JAVA中常用数据类型转换函数: string->byte Byte static byte parseByte(String s) byte->string Byte static St ...
- MySQL中常用日期时间函数及获得
MySQL中常用日期时间函数: 下面的查询选择了所有记录,其date_col的值是在最后30天以内: mysql> SELECT something FROM table WHERE TO_DA ...
- OpenGL中常用的 GLUT 函数
GLUT函数说明 一.初始化 void glutInit(int* argc,char** argv) 这个函数用来初始化GLUT库.对应 main 函数的形式应是: int main(int arg ...
- 数据分析中常用的 Excel 函数
这里就开门见山啦!其实大家在数据分析工作中常用的的函数都差不多,做个总结,希望对入门或者转行的小伙伴可以有所帮助. 数据分析中常用 excel 函数: 本篇文章主要给大家分享几常用的excel功能.建 ...
- mysql 中常用的聚合函数的使用
mysql 中常用的聚合函数的使用 文章目录 1 count 函数 2 sum 函数 3 avg 函数 计算平均值 4 max 和min 函数 求最大值 ,最小值 总结 参考文档: 什么是聚合函数: ...
最新文章
- RDKit | 基于RDKit的MaxMin方法选择高度多样化的库
- 上传镜像文件到服务器,通过把docker镜像保存为文件载入到别的服务器
- MySQL(6)数据库中的高级(进阶) SQL 语句
- 中断底半部:softirq、tasklet、workqueue
- 万物互联之~RPC专栏
- Entity FrameWork 操作使用详情
- mac svn 使用
- 从 Android 10 开始,以甜点命名的“传统”结束了!
- PHP curl_setopt函数用法介绍
- 对自己编译的文件(exe/dll)进行签名的实践(Windows)
- 教程——sumolympics
- Ubuntu下,curl 安装
- PHP进销存源码 ERP多仓库管理系统源码 手机端+小程序版进销存 全开源可二开 uniapp
- 解决mac按键精灵鼠标位置不准(连点器)
- 上座部佛教的佛陀略传
- 让每个生命带着尊严谢幕!淘宝竟有这样一家“临终关怀”网店
- 苹果健康app+有android,苹果官方认证,这8款App最佳,你有几个?
- Oculus/VR新手入门指南
- 技术领导力:作为技术团队领导经常为人所忽略的技能和职责
- 热烈祝贺“UTONMOS第一届公会会长圆桌会议”圆满举行
热门文章
- 【opencv】(3) 图像滤波:均值、方框、中值、高斯
- vue下轻松解决模拟微信视频缩略图拖拽→吸附窗口边界的功能
- Pip install: ImportError: cannot import name IncompleteRead
- 字符串匹配算法 -- BM(Boyer-Moore) 和 KMP(Knuth-Morris-Pratt)详细设计及实现
- MQTT消息长度限制
- 开源工程系列之讯飞VBOX改装蓝牙5.0(aptX HD)音箱
- 手把手教你如何扩展GridView之自带CheckBox
- Java中创建泛型数组
- 【案例】城市地址三级联动
- P2261 [CQOI2007]余数求和