OpenCV学习（三）-常用函数

OpenCV（Open Source Computer Vision Library）是一个功能强大的开源计算机视觉库，广泛用于图像处理、视频分析、特征检测、目标检测等任务。它提供了大量的函数来处理图像和视频数据。以下是一些常用的OpenCV函数及其用途：

1. 图像读取与显示

• cv2.imread(filename, flags)：读取图像文件。
  • filename：图像文件路径。
  • flags：读取图像的方式（如cv2.IMREAD_COLOR, cv2.IMREAD_GRAYSCALE等）。
• cv2.imshow(winname, mat)：显示图像。
  • winname：窗口名称。
  • mat：要显示的图像。
• cv2.imwrite(filename, img)：保存图像。
  • filename：保存的文件路径。
  • img：要保存的图像。

2. 图像处理

• cv2.cvtColor(src, code)：图像颜色空间转换。
  • src：输入图像。
  • code：转换类型（如cv2.COLOR_BGR2GRAY将BGR图像转换为灰度图像）。
• cv2.GaussianBlur(src, ksize, sigmaX)：高斯模糊。
  • src：输入图像。
  • ksize：高斯核的大小。
  • sigmaX：高斯核在X方向的标准差。
• cv2.Canny(image, threshold1, threshold2)：边缘检测。
  • image：输入图像。
  • threshold1：第一个阈值。
  • threshold2：第二个阈值。

3. 图像操作

• cv2.resize(src, dsize)：调整图像大小。
  • src：输入图像。
  • dsize：目标图像的尺寸。
• cv2.flip(src, flipCode)：翻转图像。
  • src：输入图像。
  • flipCode：翻转方式（如0表示沿X轴翻转，1表示沿Y轴翻转，-1表示同时沿X和Y轴翻转）。
• cv2.warpAffine(src, M, dsize)：仿射变换。
  • src：输入图像。
  • M：变换矩阵。
  • dsize：输出图像的尺寸。

4. 图像阈值处理

• cv2.threshold(src, thresh, maxval, type)：图像二值化。
  • src：输入图像。
  • thresh：阈值。
  • maxval：最大值。
  • type：阈值处理类型（如cv2.THRESH_BINARY, cv2.THRESH_BINARY_INV等）。

5. 轮廓检测

• cv2.findContours(image, mode, method)：查找图像中的轮廓。
  • image：输入二值图像。
  • [mode](file://d:\testFun\shudu.py#L0-L0)：轮廓检索模式（如cv2.RETR_EXTERNAL, cv2.RETR_TREE等）。
  • method：轮廓逼近方法（如cv2.CHAIN_APPROX_SIMPLE）。
• cv2.drawContours(image, contours, contourIdx, color, thickness)：绘制轮廓。
  • image：绘制轮廓的图像。
  • contours：轮廓列表。
  • contourIdx：轮廓索引（-1表示所有轮廓）。
  • color：轮廓颜色。
  • thickness：轮廓线宽。

6. 特征检测

• cv2.goodFeaturesToTrack(image, maxCorners, qualityLevel, minDistance)：检测图像中的角点。
  • image：输入图像。
  • maxCorners：最多检测的角点数。
  • qualityLevel：角点质量阈值。
  • minDistance：角点之间的最小距离。
• cv2.SIFT_create()：创建SIFT特征检测器。
• cv2.SURF_create()：创建SURF特征检测器。

7. 视频处理

• cv2.VideoCapture(filename)：打开视频文件或摄像头。
  • filename：视频文件路径或摄像头索引（如0表示默认摄像头）。
• cv2.read()：从视频流中读取帧。
• cv2.VideoWriter(filename, fourcc, fps, frameSize)：写入视频文件。
  • filename：输出视频文件路径。
  • fourcc：编码格式（如cv2.VideoWriter_fourcc(*'XVID')）。
  • fps：帧率。
  • frameSize：帧的尺寸。

8. 深度学习

• cv2.dnn.readNetFromCaffe(prototxt, caffeModel)：从Caffe模型中加载网络。
  • prototxt：模型的结构文件。
  • caffeModel：模型的权重文件。
• cv2.dnn.blobFromImage(image, scalefactor, size, mean, swapRB, crop)：将图像转换为深度学习模型所需的blob格式。
  • image：输入图像。
  • scalefactor：缩放因子。
  • [size](file://d:\testFun\shudu.py#L0-L0)：输出图像的尺寸。
  • mean：均值。
  • swapRB：是否交换红蓝通道。
  • crop：是否裁剪图像。open