opencv函数表

2022/9/18 Python Opencv

Abstract: 整理的一些opencv函数，持续更新中

最近在学习opencv-python，整理了一些学到的函数作为笔记使用，感慨互联网的强大。

函数名	作用	参数信息
cv2.add(src1, src2, dst=None, mask=None, dtype=None)	对两张相同大小和类型的图像进行加法运算，或对一张图像与一个标量进行加法运算	scr1, scr2：进行加法运算的图像，或一张图像与一个 numpy array 标量 dst：输出的图像，可选项，默认值为 None mask：掩模图像，8位灰度格式；掩模图像数值为 0 的像素，输出图像对应像素的各通道值也为 0。可选项，默认值为 None dtype：图像数组的深度，即每个像素值的位数，可选项若相加后的值大于255，则取255
cv2.addWeighted(src1, alpha, src2, beta, gamma, dst=None, dtype=None)	对两张相同大小和类型的图像进行权重加法	src1, src2：需要融合相加的两副大小和通道数相等的图像 alpha：src1的权重 beta：src2的权重 gamma：gamma修正系数，不需要修正设置为0 dst：可选参数，输出结果保存的变量，默认值为None，如果为非None，输出图像保存到dst对应实参中，其大小和通道数与输入图像相同，图像的深度（即图像像素的位数）由dtype参数或输入图像确认 dtype：可选参数，输出图像数组的深度，即图像单个像素值的位数（如RGB用三个字节表示，则为24位），选默认值None表示与源图像保持一致
cv2.approxPolyDP(curve, epsilon, closed, approxCurve=None)	以指定的精度逼近多边形曲线	curve: 2D点的输入向量 approxCurve: 近似的结果 epsilon: 指定近似精度的参数 closed: 如果为真，则近似曲线是闭合的(其第一个和最后一个顶点是已连接)；否则，它不关闭
cv2.arcLength(curve, closed)	计算轮廓周长或曲线长度	curve: 2D点的输入向量 closed: 指示曲线是否闭合
cv2.blur(src, ksize, dst=None, anchor=None, borderType=None)	图像均值滤波	src：需要处理的图像，即原始图像。它可以有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F中的一种。 ksize：滤波核的大小。滤波核大小是指在均值处理过程中，其邻域图像的高度和宽度。 anchor：锚点，其默认值是（-1,-1），表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作为锚点。 borderType：边界样式，该值决定了以何种方式处理边界。一般情况下不需要考虑该值的取值，直接采用默认值即可
cv2.boxFilter(src, ddepth, ksize, dst=None, anchor=None, normalize=None, borderType=None)	图像方框滤波	src：需要处理的图像，即原始图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F中的一种 ddepth：处理结果图像的图像深度，一般使用-1表示与原始图像使用相同的图像深度 ksize：滤波核的大小。滤波核大小是指在滤波处理过程中所选择的邻域图像的高度和宽度 anchor：锚点，其默认值是（-1,-1），表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作为锚点 normalize：表示在滤波时是否进行归一化（这里指将计算结果规范化为当前像素值范围内的值）处理，该参数是一个逻辑值，可能为真（值为1）或假（值为0）： 1.当参数normalize=1时，表示要进行归一化处理，要用邻域像素值的和除以面积。此时方框滤波与均值滤波效果相同 2.当参数normalize=0时，表示不需要进行归一化处理，直接使用邻域像素值的和。当 normalize=0时，因为不进行归一化处理，因此滤波得到的值很可能超过当前像素值范围的最大值，从而被截断为最大值。这样，就会得到一幅纯白色的图像 borderType：边界样式，该值决定了以何种方式处理边界
cv2.boundingRect(array)	计算灰度图像的点集或非零像素的右上包围矩形	array: 输入灰度图像或2D点集
cv2.bitwise_and(src1, src2, dst=None, mask=None)	计算两个数组的位与结果	src1表示第一个array或scalar类型的输入值 src2表示第二个array或scalar类型的输入值 dst表示与输入值具有同样大小的array输出值 mask表示可选操作掩码，8位单通道array
cv2.cvtColor(src, code, dst=None, dstCn=None)	将图像从一种颜色空间转换为另一种颜色空间	src：输入图像即要进行颜色空间变换的原图像，可以是Mat类 dst：输出图像即进行颜色空间变换后存储图像，也可以Mat类 code：转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片。关于code参数 dstCn：目标图像通道数，如果取值为0，则由src和code决定
cv2.copyMakeBorder(src, top, bottom, left, right, borderType, dst=None, value=None)	填充（扩边）图像，在卷积运算或填充时被用到	src：源图像 top：顶部方向上的像素数的边框宽度 bottom：底部方向上的像素数的边框宽度 left：左侧像素的边界宽度 right：沿正确方向的像素数的边框宽度 borderType：边界类型 BORDER_REPLICATE: aaaaaa\|abcdefgh\|hhhhhh BORDER_REFLECT: fedcba\|abcdefgh\|hgfedcb BORDER_REFLECT_101: gfedcb\|abcdefgh\|gfedcba BORDER_WRAP: cdefgh\|abcdefgh\|abcdefg BORDER_CONSTANT: iiiiii\|abcdefgh\|iiiiiii value：一个可选参数
cv2.convertScaleAbs(src, dst=None, alpha=None, beta=None)	在输入数组的每个元素上，函数convertScaleAbs依次执行三个操作，缩放，获取绝对值，转换为无符号的8位类型：dst(I)=saturate_cast(src(I)∗alpha+beta)	src: input array. 输入数组 dst: output array. 输出数组 alpha: optional scale factor. 可选比例因子 beta: optional delta added to the scaled values. 可选增量添加到缩放值
cv2.Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)	Canny 边缘检测是一种使用多级边缘检测算法检测边缘的方法。Canny 边缘检测分为如下几个步骤：步骤 1：去噪。噪声会影响边缘检测的准确性，因此首先要将噪声过滤掉。步骤 2：计算梯度的幅度与方向。步骤 3：非极大值抑制，即适当地让边缘“变瘦”。步骤 4：确定边缘。使用双阈值算法确定最终的边缘信息。	image: 为 8 位输入图像。 threshold1: 表示处理过程中的第一个阈值。 threshold2: 表示处理过程中的第二个阈值。 edges: 为计算得到的边缘图像。 apertureSize: 表示 Sobel 算子的孔径大小。 L2gradient: 为计算图像梯度幅度（gradient magnitude）的标识。其默认值为 False。如果为 True，则使用更精确的 L2 范数进行计算（即两个方向的导数的平方和再开方），否则使用 L1 范数（直接将两个方向导数的绝对值相加）
cv2.contourArea(contour, oriented=None)	计算轮廓面积	contour: 2D点的输入向量 oriented: 定向区域标志。如果为True，该函数将根据轮廓方向(顺时针或逆时针)返回一个带符号的面积值。默认情况下，该参数为False，这意味着返回绝对值
cv2.createCLAHE(clipLimit=None, tileGridSize=None)	自适应直方图均衡化	clipLimit: 颜色对比度的阈值 titleGridSize: 进行像素均衡化的网格大小，即在多少网格下进行直方图的均衡化操作
cv2.circle(img, center, radius, color, thickness=None, lineType=None, shift=None)	在图像中绘制圆	img: 图像 center: 圆心 radius: 圆的半径 color: 颜色 thickness: 线宽 lineType: 线的种类 shift: 点坐标的小数位数
cv2.calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=None)	图像直方图统计	images: 原图像的图像格式为 uint8 或 ﬂoat32。当传入函数时应该用中括号 [] 括来传入，例如[img] channels: 同样用中括号来传入，它会告诉函数统幅的哪幅灰度图的直方图。如果传入的图像是灰度图它的值就是 [0]，如果是彩色图像，那么传入的参数可以是 [0]、[1]、[2]，它们分别对应着 B、G、R 通道，每个通道的图像都是灰度图 mask：掩模图像。统计整幅图像的直方图时就把它设为 None。但是如果你想统计图像的某一部分区域的直方图的，你就制作一个掩模图像并使用它 histSize：BIN 的数目。也应用中括号括来 ranges: 统计的像素值范围，常为 [0-256]
cv2.destroyWindow(winname)	用来释放( 销毁)指定窗口
cv2.destroyAllWindows()	用来释放( 销毁)所有窗口
cv2.dilate(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)	图像膨胀操作	src：目标图片 kernel：进行操作的核，默认为3×3 dst：与src大小和类型相同的输出图像 anchor：锚在元素中的位置；默认值(-1，-1)表示锚点位于元素中心 iterations：膨胀次数，默认为1 borderType：像素点外延的方法 borderValue：常数边框情况下的边框值
cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)	在图像中绘制轮廓	image: 目标图像 contours: 所有输入的轮廓 contourIdx: 选定某个轮廓进行绘制 color: 轮廓的颜色 thinckness: 绘制轮廓的线宽 lineType: 线的种类 hierarchy: 有关图像轮廓的拓扑信息 maxLevel: 绘制轮廓的最高级别 offset: 可选偏移量
cv2.erode(src, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)	图像腐蚀操作	src：目标图片 kernel：进行操作的核，默认为3×3 dst：与src大小和类型相同的输出图像 anchor：锚在元素中的位置；默认值(-1，-1)表示锚点位于元素中心 iterations：腐蚀次数，默认为1 borderType：像素点外延的方法 borderValue：常数边框情况下的边框值
cv2.equalizeHist(src, dst=None)	均衡灰度图像的直方图	src: 八位单通道数组 dst: 返回值，与src大小和类型相同的目标图像
cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)	从图像中检索轮廓	image：8-bit单通道图像。该图像会将非0像素值视为1，0像素值视为0，因此也被视为二值图像。 mode：轮廓检索模式 RETR_EXTERNAL ：只检索最外面的轮廓 RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中 RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界 RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。( 最常用 ) method：轮廓逼近方法 CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，如下图左所示。所有其他方法输出多边形 ( 顶点的序列 ) CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分 contours：返回值，检测到的轮廓。每个轮廓都以点向量的形式存储 hierarchy：返回值，包含有关图像轮廓的拓扑信息 offset：可选偏移量，每个轮廓点偏移量。如果从图像ROI中提取轮廓，然后在整个图像上下文中对其进行分析，这将非常有用
cv2.GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None, borderType=None)	图像高斯滤波	src：输入图像；图像可以具有任何数量的信道，其独立地处理的，但深度应CV_8U，CV_16U，CV_16S，CV_32F或CV_64F dst：输出与图像大小和类型相同的图像src ksize：高斯核大小。 ksize.width 并且 ksize.height 可以有所不同，但它们都必须是正数和奇数。或者，它们可以为零，然后从计算 sigma sigmaX：X方向上的高斯核标准偏差 sigmaY：Y方向上的高斯核标准差；如果 sigmaY 为零，则将其设置为等于 sigmaX；如果两个西格玛均为零，则分别根据ksize.width 和进行计算 ksize.height，建议指定所有的ksize，sigmaX和sigmaY。 borderType：像素外推方法
cv2.imread(filename, flags=None)	读取图片	filepath：读入imge的完整路径 flags：标志位，cv2.IMREAD_UNCHANGED cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道，可用1作为实参替代 cv2.IMREAD_GRAYSCALE：读入灰度图片，可用0作为实参替代 cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道，可用-1作为实参替代 PS：alpha通道，又称A通道，是一个8位的灰度通道，该通道用256级灰度来记录图像中的透明度复信息，定义透明、不透明和半透明区域，其中黑表示全透明，白表示不透明，灰表示半透明
cv2.imshow(winname, mat)	在窗口中显示图像，该窗口和图像的原始大小自适应	winname：字符串，显示窗口的名称 img：所显示的 OpenCV 图像，nparray 多维数组函数 cv2.imshow() 之后要用 waitKey() 函数设定图像窗口的显示时长，否则不会显示图像窗口
cv2.imwrite(filename, img, params=None)	保存图像	filename：要保存的文件的路径和名称，包括文件扩展名 img：要保存的 OpenCV 图像，nparray 多维数组 paras：不同编码格式的参数，可选项 cv2.CV_IMWRITE_JPEG_QUALITY：设置 .jpeg/.jpg 格式的图片质量，取值为 0-100（默认值 95），数值越大则图片质量越高； cv2.CV_IMWRITE_WEBP_QUALITY：设置 .webp 格式的图片质量，取值为 0-100； cv2.CV_IMWRITE_PNG_COMPRESSION：设置 .png 格式图片的压缩比，取值为 0-9（默认值 3），数值越大则压缩比越大
cv2.Laplacian(src, ddepth, dst=None, ksize=None, scale=None, delta=None, borderType=None)	Laplacian（拉普拉斯）算子是一种二阶导数算子，其具有旋转不变性，可以满足不同方向的图像边缘锐化（边缘检测）的要求。通常情况下，其算子的系数之和需要为零	dst: 目标图像 src: 原始图像 ddepth: 目标图像的深度 ksize: 用于计算二阶导数的核尺寸大小。该值必须是正的奇数。当ksize的值为1时，Laplacian算子计算时采用的 3×3的核如上所示 scale: 计算Laplacian值的缩放比例因子，该参数是可选的。默认情况下，该值为 1，表示不进行缩放 delta: 加到目标图像上的可选值，默认为0 borderType: 边界样式
cv2.merge(mv, dst=None)	图像通道的合并	mv：要合并的单通道 dst：通道合并的图像，nparray 多维数组
cv2.medianBlur(src, ksize, dst=None)	图像中值滤波	src：是需要处理的图像，即源图像。它能够有任意数量的通道，并能对各个通道独立处理。图像深度应该是CV_8U、CV_16U、CV_16S、CV_32F 或者 CV_64F中的一种。 ksize：是滤波核的大小。滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。需要注意，核大小必须是比1大的奇数，比如3、5、7等 dst：与src大小和类型相同的目标数组
cv2.morphologyEx(src, op, kernel, dst=None, anchor=None, iterations=None, borderType=None, borderValue=None)	图像形态学操作	src：输入图像，输入图像的通道数是任意的 op：形态操作的类型kernel:输入一个数组作为核关于参数 anchor：核的锚点位置，负值说明该锚点位于核中心。默认为核中心 iterations：腐蚀与膨胀被应用的次数。默认为None borderType：像素边界扩展类型 borderValue:边界为常量时的边界值。默认值有特殊含义。默认值为None
cv2.matchTemplate(image, templ, method, result=None, mask=None)	模板匹配	image: 待搜索的原图 templ: 模板图像 result: 匹配的结果 method: 进行匹配的方法关于method参数 mask: 掩膜，尺寸必须和templ相同；如果您只想检测模板图像上的特定区域，则可以为模板图像提供一个掩膜；掩膜，即为模板图像上感兴趣的区域，用于忽略模板图像上无用的干扰的特征，即不属于检测目标的干扰特征。对于模板上你不希望被搜索的区域，掩膜值应该设置为0。对于模板图像上您要进行搜索的区域，掩膜值应该设置为255。掩膜与模板图像具有相同的维度，并且每个元素的类型也需要一致
cv2.minMaxLoc(src, mask=None)	找出一个数组中的最大值和最小值	src: 输入的单通道数组 mask: 选择子数组的掩膜
cv2.namedWindow(winname, flags=None)	新建一个显示窗口，可以指定窗口的类型	winname：新建的窗口的名称 flags：窗口的标识，一般默认为WINDOW_AUTOSIZE WINDOW_AUTOSIZE 窗口大小自动适应图片大小，并且不可手动更改 WINDOW_NORMAL 用户可以改变这个窗口大小 WINDOW_OPENGL 窗口创建的时候会支持OpenGL
cv2.pyrDown(src, dst=None, dstsize=None, borderType=None)	对图像进行滤波然后进行下采样。从一个高分辨率大尺寸的图像向上构建一个金字塔（尺寸变小，分辨率降低）	src：输入图像 dst：输出图像 dstsize：输出图像的大小 borderType：图像边界的处理方式
cv2.pyrUp(src, dst=None, dstsize=None, borderType=None)	对图像进行滤波然后进行上采样。从一个低分辨率小尺寸的图像向下构建一个金子塔（尺寸变大，但分辨率不会增加)	src：输入图像 dst：输出图像 dstsize：输出图像的大小 borderType：图像边界的处理方式
cv2.resize(src, dsize, dst=None, fx=None, fy=None, interpolation=None)	对图片进行缩放	src ：原图像，即待改变大小的图像 dsize：输出图像的大小，如（300，300） dst：改变后的图像。这个图像和原图像具有相同的内容，只是大小和原图像不一样而已 fx：width方向的缩放比例 fy：height方向的缩放比例 interpolation：这个是指定插值的方式，图像缩放之后，肯定像素要进行重新计算的，就靠这个参数来指定重新计算像素的方式，有以下几种： INTER_NEAREST - 最邻近插值 INTER_LINEAR - 双线性插值，如果最后一个参数你不指定，默认使用这种方法 INTER_CUBIC - 4x4像素邻域内的双立方插值 INTER_LANCZOS4 - 8x8像素邻域内的Lanczos插值
cv2.rectangle(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)	绘制简单、粗或填充的矩形。	img: 图像 pt1: 矩形的顶点 pt2: pt1的对角点 color: 线条颜色 thickness: 线宽 lineType: 线的种类 shift: 点坐标的小数位数
cv2.split(m, mv=None)	图像颜色通道分离	m：图像数据，nparray 多维数组 mv：指定的分拆通道（可选）
cv2.Sobel(src, ddepth, dx, dy, dst=None, ksize=None, scale=None, delta=None, borderType=None)	利用Sobel算子进行图像梯度计算	src：输入图像 ddepth: 输出图像的深度（可以理解为数据类型），-1表示与原图像相同的深度 dx,dy: 当组合为dx=1,dy=0时求x方向的一阶导数，当组合为dx=0,dy=1时求y方向的一阶导数（如果同时为1，通常得不到想要的结果） dst: 输出图像，和src同类型 ksize:（可选参数）Sobel算子的大小，必须是1,3,5或者7,默认为3。求X方向和Y方向一阶导数时，卷积核分别为： scale:（可选参数）将梯度计算得到的数值放大的比例系数，效果通常使梯度图更亮，默认为1 delta:（可选参数）在将目标图像存储进多维数组前，可以将每个像素值增加delta，默认为0 borderType:（可选参数）决定图像在进行滤波操作（卷积）时边沿像素的处理方式，默认为BORDER_DEFAULT
cv2.Scharr(src, ddepth, dx, dy, dst=None, scale=None, delta=None, borderType=None)	该算子具有和 Sobel 算子同样的速度，且精度更高。可以将 Scharr 算子看作对 Sobel 算子的改进	dst: 代表输出图像 src: 代表原始图像 ddepth: 代表输出图像深度。该值与函数 cv2.Sobel()中的参数 ddepth 的含义相同 dx: 代表 x 方向上的导数阶数 dy: 代表 y 方向上的导数阶数 dst: 输出图像，和src同类型 scale: 代表计算导数值时的缩放因子，该项是可选项，默认值是 1，表示没有缩放 delta: 代表加到目标图像上的亮度值，该项是可选项，默认值为 0 borderType: 代表边界样式
cv2.threshold(src, thresh, maxval, type, dst=None)	普通阈值函数	src：灰度图像 thresh：起始阈值 maxval：最大值 type：定义处理数据与阈值的关系关于type参数 dst：输出大小和类型以及通道数与src相同的阵列
cv2.waitKey(delay=None)	在一个给定的时间内(单位ms)等待用户按键触发；如果用户没有按下键,则继续等待 (循环)。不断刷新图像 , 频率时间为delay , 单位为ms，返回值为当前键盘按键值，设置 waitKey(0) , 则表示程序会无限制的等待用户的按键事件