每个人都应该知道的十大OpenCV函数

欢迎大家来到IT世界,在知识的湖畔探索吧!

计算机视觉和计算机图形学现在非常流行，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同一个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!

欢迎大家来到IT世界,在知识的湖畔探索吧!

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的任务自动化，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。

该图书馆提供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。

一旦我们解决了这个问题，我们可以从我个人选择的十大函数开始。（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 

欢迎大家来到IT世界,在知识的湖畔探索吧!

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。

欢迎大家来到IT世界,在知识的湖畔探索吧!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：

欢迎大家来到IT世界,在知识的湖畔探索吧!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

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

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。

欢迎大家来到IT世界,在知识的湖畔探索吧!cv2.merge(channel_b, channel_g, channel_r) 

vconcat / hconcat

使用vconcat()，hconcat()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）。

欢迎大家来到IT世界,在知识的湖畔探索吧!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：

欢迎大家来到IT世界,在知识的湖畔探索吧![[1 4] [2 5] [3 6]] #original input [[1, 2, 3] [4, 5, 6]]