OpenCV笔记 图像处理基本函数汇总 C++版

最新推荐文章于 2024-12-27 22:04:32 发布
最新推荐文章于 2024-12-27 22:04:32 发布
阅读量430 收藏 5
点赞数 1
分类专栏： OpenCV学习笔记 文章标签： 图像处理函数 OpenCV 矩阵运算 线性代数与方程式 频率域变换
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/two_ye/article/details/111662026
版权

图像处理基本函数

一、矩阵运算

1.基本运算

序号函数说明
1void add(InputArray src1, InputArray src2, OutputArray dst,InputArray mask = noArray(), int dtype = -1)矩阵加法，A+B的更高级形式，支持mask
2void subtract(InputArray src1, InputArray src2, OutputArray dst,InputArray mask = noArray(), int dtype = -1)矩阵减法，A-B的更高级形式，支持mask
3void multiply(InputArray src1, InputArray src2, OutputArray dst, double scale = 1, int dtype = -1)矩阵逐元素乘法，同Mat::mul()函数，与A*B区别，支持mask
4void divide(InputArray src1, InputArray src2, OutputArray dst,double scale = 1, int dtype = -1)矩阵逐元素除法，与A/B区别，支持mask

2.逻辑运算

序号函数说明
1void bitwise_and(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray())矩阵src1与矩阵src2逐元素进行和位运算
2void bitwise_not(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray())矩阵src1与矩阵src2逐元素进行非位运算
3void bitwise_or(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray())矩阵src1与矩阵src2逐元素进行或位运算
4void bitwise_xor(InputArray src1, InputArray src2, OutputArray dst, InputArray mask = noArray())矩阵src1与矩阵src2逐元素进行异或位运算

3.比较运算

序号函数说明
1void compare(InputArray src1, InputArray src2, OutputArray dst, int cmpop)矩阵逐元素比较大小，比较操作子cmpop可选 CMP_EQ 或 CMP_GT 或 CMP_GE 或 CMP_LT 或 CMP_LE 或 CMP_NE
2MatExpr min(const Mat& a, const Mat& b)返回矩阵a和矩阵b对应位置上的最小值
3MatExpr max(const Mat& a, const Mat& b)返回矩阵a和矩阵b对应位置上的最大值

4.其它运算

序号函数说明
1MatExpr abs(const Mat& m)矩阵逐元素求绝对值
2void absdiff(InputArray src1, InputArray src2, OutputArray dst)两个矩阵的差的绝对值
3void sqrt(InputArray src, OutputArray dst)矩阵逐元素计算元素值的平方根
4void meanStdDev(InputArray src, OutputArray mean, OutputArray stddev, InputArray mask=noArray())矩阵的元素求均值和标准差
5Scalar sum(InputArray src)矩阵的元素求和，返回向量的第一个元素为所有元素之和
6Scalar mean(InputArray src, InputArray mask = noArray())矩阵的元素求均值，返回向量的第一个元素为所有元素的平均值
7void exp(InputArray src, OutputArray dst)矩阵逐元素计算 e ^ x ，x为元素值
8pow(InputArray src, double power, OutputArray dst)矩阵逐元素计算元素值的power次幂
9void log(InputArray src, OutputArray dst)矩阵逐元素计算元素值绝对值的自然对数(以常数e为底数的对数)
10int countNonZero( InputArray src )统计矩阵中的非零值个数
11void minMaxLoc(InputArray src, CV_OUT double* minVal,CV_OUT double* maxVal = 0, CV_OUT Point* minLoc = 0, CV_OUT Point* maxLoc = 0, InputArray mask = noArray())获取矩阵最小值、最大值，并定位对应的索引值

二、线性代数与方程式

1.线性代数

序号函数说明
1void transpose(InputArray src, OutputArray dst)矩阵转置
2Scalar trace(InputArray mtx)矩阵的迹
3double determinant(InputArray mtx)矩阵的行列式
4bool eigen(InputArray src, OutputArray eigenvalues,OutputArray eigenvectors = noArray())矩阵的特征值和特征向量
5double invert(InputArray src, OutputArray dst, int flags = DECOMP_LU)矩阵的逆或者伪逆
6void mulTransposed( InputArray src, OutputArray dst, bool aTa,InputArray delta = noArray(),double scale = 1, int dtype = -1 )矩阵和它自己的转置相乘，aTa用于指定乘法顺序
7void calcCovarMatrix( InputArray samples, OutputArray covar,InputOutputArray mean, int flags, int ctype = CV_64F)计算协方差阵。samples表示输入的向量集，它们可以是若干个同样形式的向量组成，也可以是一个矩阵的若干行组成；nsamples表示输入的向量的数目；covar表示输出的协方差矩阵;mean: 输出的均值矩阵

2.方程式

序号函数说明
1int solveCubic(InputArray coeffs, OutputArray roots)求解三次方程的根。coeffs表示方程系数，是一个3或4个元素的数组；roots表示输出具有1或3个元素的实根的数组
2double solvePoly(InputArray coeffs, OutputArray roots, int maxIters = 300)求解多项式的实根和重根。maxIters 表示算法执行的最大迭代次数

三、图像变换

1.基本变换

序号函数说明
1void reduce(InputArray src, OutputArray dst, int dim, int rtype, int dtype = -1)矩阵转向量。dim表示矩阵被简化后的维数索引(0意味着矩阵被处理成一行,1意味着矩阵被处理成为一列,-1意味着维数将根据输出向量的大小自动选择)；rtype表示简化操作的方式(REDUCE_SUM或REDUCE_AVG或REDUCE_MAX或REDUCE_MIN)，即输出是矩阵的所有行/列的和/均值/最大值/最小值
2void repeat(InputArray src, int ny, int nx, OutputArray dst)拷贝矩阵，并在x/y方向重复nx/ny次
3void split(InputArray m, OutputArrayOfArrays mv)多通道矩阵分解成多个单通道矩阵
4void merge(InputArrayOfArrays mv, OutputArray dst)多个单通道矩阵合成一个多通道矩阵
5void flip(InputArray src, OutputArray dst, int flipCode)矩阵翻转。flipCode可选：0 垂直方向翻转； 1 水平方向翻转； -1 水平、垂直方向同时翻转
6double norm(InputArray src1, int normType = NORM_L2, InputArray mask = noArray())求范数，1-范数、2-范数、无穷范数

2.频率域变换

序号函数说明
1void dct(InputArray src, OutputArray dst, int flags = 0)正离散余弦变换
2void idct(InputArray src, OutputArray dst, int flags = 0)逆离散余弦变换
3void dft(InputArray src, OutputArray dst, int flags = 0, int nonzeroRows = 0)正离散傅立叶变换，idct等同dct(src, dst, flags
4void idft(InputArray src, OutputArray dst, int flags = 0, int nonzeroRows = 0)逆离散傅立叶变换，idft等同dft(src, dst, flags
5void mulSpectrums(InputArray a, InputArray b, OutputArray c, int flags, bool conjB = false)两个傅立叶频谱间逐元素的乘法

3.幅值与相位

序号函数说明
1void magnitude(InputArray x, InputArray y, OutputArray magnitude)计算矢量的幅值。x表示矢量的浮点型X坐标值，也就是实部；y表示矢量的浮点型Y坐标值，也就是虚部
2void phase(InputArray x, InputArray y, OutputArray angle,bool angleInDegrees = false)相位计算，即两个向量之间的夹角

4.查表变换

序号函数说明
1void LUT(InputArray src, InputArray lut, OutputArray dst)查表变换
图像增强方法汇总OpenCV+python实现【第一部分：常用图像增强方法】
今晚打老虎的专栏
07-03 3632
图像增强是指通过各种技术手段改善图像的视觉效果，使其更适合特定的应用场景。以下是一些常见的图像增强方法。注意：本文从广义的角度讲图像增强方法，这些图像增强方法不一定都适用于CV中AI模型训练前的图像处理。
C/C++学习路线总结与分享
热门推荐
dvlinker的技术专栏
10-07 10万+
C/C++学习路线总结与分享
MIT 线性代数 Linear Algebra 5: Permutation matrix and column space of matrix
Lyn_S的博客
10-02 632
好， 本节我们接着上一节的话题 LULULU 分解。上一节中，我们的结论是，一类不需要row exchange的满秩矩阵是可以进行LULULU 分解分解的，这一节，我们将研究另一类需要行变换的矩阵 permutation matrix 在进入正题之前，我们先讨论一类特殊的矩阵permutation matrix。这一类矩阵是由单位仅经过row exchange得到的矩阵，比如size是3的单位阵 I3I_3I3​ 经过行变换后会得到以下6个矩阵： [100010001][100001010]\begin{b
Opencv常用图像处理函数（c++和python）
Happinessคิดถึง的博客
03-10 370
学习，温故而知新。我写的东西都是给自己看的。方便平时忘记了，直接查看博客知道答案。 下面是常用的函数： 大家平时想学习图像处理，可以去看那本opencv蝴蝶书。 下面给两个学习opencv网址（C++的） W3CschoolOpenCV官方文档 网友整理的学习笔记 c++写法： Mat img = imread("../2.png"); Mat gray,th，deal; cvtColor(...
python生成一列有0有1的矩阵_如何在Python中生成0-1矩阵的所有可能组合？
weixin_39583013的博客
12-15 545
How can generate all possible combinations of a 0-1 matrix of size K by N?For example, if I take K=2 and N=2, I get the following combinations.combination 1[0, 0;0, 0];combination 2[1, 0;0, 0];combina...
对称矩阵的特征向量两两正交的证明
机器学习与遥感图像智能信息处理
08-02 2万+
对称阵有一个很优美的性质：它总能相似对角化，对称阵不同特征值对应的特征向量两两正交。 假设矩阵AA是一个对称矩阵， xix_i和xjx_j 是矩阵AA 的任意两个特征向量，λi\lambda_i和λj\lambda_j 是与xix_i和xjx_j 相对应的特征值，则有： Axi=λixi(1)Ax_i = \lambda_ix_i \qqu
OpenCV 学习笔记2 C++
lt405514623的博客
04-11 1024
直方图（Histogram）是图像处理中常用的工具，它表示图像中每个像素强度值的分布情况。在OpenCV中，可以使用 cv::calcHist 函数来计算图像的直方图。图像直方图是一种展示图像像素强度分布的统计图表。它显示了图像中每个像素强度值的频率，有助于分析图像的亮度、对比度和色调等特征。以下是图像直方图的一些主要作用：1.直方图可以用于分析图像的整体亮度和对比度。通过观察直方图的形状，可以了解图像中亮度的分布情况，从而调整图像的亮度和对比度，使其更符合需求。2.
python图像处理opencv笔记（二）：视频基本操作
submarineas的博客
08-23 2765
视频基本操作 视频读取 opencv中通过VideoCaptrue类对视频进行读取操作以及调用摄像头，下面是该类的API： import cv2 video = cv2.VideoCapture(0) # 打开本地摄像头，如果是视频流，可将0替换为url 在C++中，CvCapture 是一个结构体，用来保存图像捕获所需要的信息。 opencv通过调用底层ffmpeg提供两种方式从外部捕获图像，打开摄像头或者解析视频流，直接再后面加0或者路径就可以了。而在python中也一样，VideoCaptur
OpenCV 笔记(34)：频域低通滤波——理想低通滤波器
Java与Android技术栈
06-25 1920
1. 频域低通滤波1.1 频域滤波频域滤波器是一种通过对图像进行傅里叶变换，然后在频域上选择性地滤除或增强某些频率成分来实现图像滤波的方法。频域滤波和空域滤波都有各自的优缺点和使用场景：特性频域滤波空域滤波原理基于频谱进行操作基于像素进行操作实现计算量较大计算量较小滤波效果灵活可控较简单应用去周期性噪声、增强细节、图像配准去随机噪声、平滑图像、锐化图像频域滤波器的基本步骤如下：对图像进行傅里叶变...
[学习笔记-图像处理篇]图像高/低通滤波处理c++程序梳理
warningm_dm的博客
05-11 848
写在前面，吐个槽。 离一千米的谱，找个高通滤波程序，c++的，就难找。找到一运行，还有问题。调了一晚上，第二天一看，居然昨晚调对了，但是以为不对把程序删了。 摊手，就逼熊猫摊手。 大佬传送门：OpenCV C++实现频域滤波器汇总 理想低通、理想高通、巴特沃思低通、巴特沃思高通、高斯低通、高斯高通 注： 1）运行环境VS 2）大佬程序是直接复制在编辑器里，会出现不明符号的问题 3）滤波后图像被imwrite标准化了，参考imwrite保存的图像都是黑的 4）这里我只保存gauss_high结果，如何使保存
python输入n×n的矩阵0和1,如何一个测试，如果Python中的矩阵只有1和0？
weixin_31133141的博客
12-18 434
Let's say I've got a matrix like this:mat1 = np.array([1,0,1], [1,1,0], [0,0,0]);And I've got another one like this:mat2 = np.array([0,1,0], [0,0,1], [1,1,1]);I want to detect if something likenp.add(...
《python语言程序设计》第6章函数 第18题。利用函数建立一个显示nxn的矩阵
电饭叔
10-13 459
《python语言程序设计》第6章函数 第18题利用函数建立一个显示NXN的矩阵
第六章第十七题（显示0和1构成的矩阵）(Display matrix of 0s and 1s)
jxh1025_的博客
10-22 1110
第六章第十七题（显示0和1构成的矩阵）(Display matrix of 0s and 1s) *6.17（显示0和1构成的矩阵）编写一个方法，使用下面的方法头显示n * n的矩阵： public static void printMatrix(int n) 每个元素都是随机产生的0或1。编写一个测试程序，提示用户输入n，显示一个n * n矩阵。 以下是一个运行示例： Enter n:3 0 1 0 0 0 0 1 1 1 *6.17(Display matrix of 0s and 1s)Write
python输出个数、给定一个n*n的矩阵m_简述Numpy
weixin_39970369的博客
12-10 2568
numpy的数组对象ndarraynp.array()生成一个ndarray数组np.array()输出成[]形式，元素由空格分割轴(axis)：保存数据的维度秩(rank)：轴的数量ndarray对象的属性属性说明.ndim秩，即轴的数量或维度的数量.shapendarray对象的尺度，对于矩阵，n行m列.sizendarray对象元素的个数，相当于.shape中n*m的值.dtypendarr...
opencv-图像的几何变换小结
飞羽QQ
07-05 654
resize/transpose/flip def resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None) 。src 输入图 。dst 输出图，形态和输入图相同，当dsize不等于0，输出图尺寸会和dsize相同,当dsize等于0，输出图尺寸会由输入图尺寸、fx、fy计算而得 。dsize 输出尺寸，当输入为0时，fx、fy皆不可为0，dsize = Size(round(fxsrc.cols),round
C++OpenCV学习入门（2）：图像处理主要函数介绍
WHEgqing的专栏
03-06 640
图像载入函数是imread()，其原型如下。 Mat imread(const string& filename, intflag=1); （1）第一个参数const string& filename是需要载入的图像的路径； （2）第二个参数intflag用来标志加载图像的颜色类型，其中默认值是1，表示三通道的彩色图像。
MIT线性代数教材：Linear Algebra and Its Applications
最新发布
weixin_42940307的博客
12-27 1039
这本教材是MIT线性代数课程所使用的教材，上课的老师是Gilbert Strang，而教材的作者也是Gilbert Strang。这本书内容比较直观，配图不少，叙述风格比较几何风格。习题也丰富，但并不怎么对我的胃口，因此我也怎么看过，直接上图。
np.zeros()函数
u011699626的博客
12-28 9万+
函数调用方法： numpy.zeros(shape, dtype=float) 各个参数意义： shape：创建的新数组的形状（维度）。 dtype：创建新数组的数据类型。 返回值：给定维度的全零数组。 基础用法： import numpy as np array = np.zeros([2, 3]) print(array) print(array.dtype) """ result: [[0. 0. 0.] [0. 0. 0.]] float64 """ 可以看到我们成功创建了一个2行3列的全零
numpy 归一化_数据科学中100个Numpy代码技巧
weixin_39695490的博客
11-20 752
NumPy是Python语言的扩展库，支持许多高维数组和矩阵的操作。此外，它还为数组操作提供了许多数学函数库。机器学习涉及到对数组的大量转换和操作，这使得NumPy成为必不可少的工具之一。下面的100个练习都是从numpy邮件列表、stack overflow和numpy文档中收集的。1.以np的名称导入numpy包(★☆☆)import numpy as np2.打印numpy版本和配置(★☆☆...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

视觉闫小亘

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值