opencv中文手册

目录1梯度、边缘和角点o1.1Sobelo1.2Laplaceo1.3Cannyo1.4PreCornerDetecto1.5CornerEigenValsAndVecso1.6CornerMinEigenValo1.7CornerHarriso1.8FindCornerSubPixo1.9GoodFeaturesToTrack2采样、插值和几何变换o2.1InitLineIteratoro2.2SampleLineo2.3GetRectSubPixo2.4GetQuadrangleSubPixo2.5Resizeo2.6WarpAffineo2.7GetAffineTransformo2.82DRotationMatrixo2.9WarpPerspectiveo2.10WarpPerspectiveQMatrixo2.11GetPerspectiveTransformo2.12Remapo2.13LogPolar3形态学操作o3.1CreateStructuringElementExo3.2ReleaseStructuringElemento3.3Erodeo3.4Dilateo3.5MorphologyEx4滤波器与色彩空间变换o4.1Smootho4.2Filter2Do4.3CopyMakeBordero4.4Integralo4.5CvtColoro4.6Thresholdo4.7AdaptiveThreshold5金字塔及其应用o5.1PyrDowno5.2PyrUp6连接部件o6.1CvConnectedCompo6.2FloodFillo6.3FindContourso6.4StartFindContourso6.5FindNextContouro6.6SubstituteContouro6.7EndFindContourso6.8PyrSegmentationo6.9PyrMeanShiftFilteringo6.10Watershed7图像与轮廓矩o7.1Momentso7.2GetSpatialMomento7.3GetCentralMomento7.4GetNormalizedCentralMomento7.5GetHuMoments8特殊图像变换o8.1HoughLineso8.2HoughCircleso8.3DistTransformo8.4Inpaint9直方图o9.1CvHistogramo9.2CreateHisto9.3SetHistBinRangeso9.4ReleaseHisto9.5ClearHisto9.6MakeHistHeaderForArrayo9.7QueryHistValue_1Do9.8GetHistValue_1Do9.9GetMinMaxHistValueo9.10NormalizeHisto9.11ThreshHisto9.12CompareHisto9.13CopyHisto9.14CalcHisto9.15CalcBackProjecto9.16CalcBackProjectPatcho9.17CalcProbDensityo9.18EqualizeHist10匹配o10.1MatchTemplateo10.2MatchShapeso10.3CalcEMD2梯度、边缘和角点Sobel使用扩展Sobel算子计算一阶、二阶、三阶或混合图像差分voidcvSobel(constCvArr*src,CvArr*dst,intxorder,intyorder,intaperture_size=3);src输入图像.dst输出图像.xorderx方向上的差分阶数yordery方向上的差分阶数aperture_size扩展Sobel核的大小，必须是1,3,5或7。除了尺寸为1，其它情况下，aperture_size×aperture_size可分离内核将用来计算差分。对aperture_size=1的情况，使用3x1或1x3内核（不进行高斯平滑操作）。这里有一个特殊变量CV_SCHARR(=-1)，对应3x3Scharr滤波器，可以给出比3x3Sobel滤波更精确的结果。Scharr滤波器系数是：对x-方向或矩阵转置后对y-方向。函数cvSobel通过对图像用相应的内核进行卷积操作来计算图像差分：由于Sobel算子结合了Gaussian平滑和微分，所以，其结果或多或少对噪声有一定的鲁棒性。通常情况，函数调用采用如下参数(xorder=1,yorder=0,aperture_size=3)或(xorder=0,yorder=1,aperture_size=3)来计算一阶x-或y-方向的图像差分。第一种情况对应：核。第二种对应：或者核的选则依赖于图像原点的定义(origin来自IplImage结构的定义)。由于该函数不进行图像尺度变换，所以和输入图像(数组)相比，输出图像(数组)的元素通常具有更大的绝对数值（译者注：即像素的位深）。为防止溢出，当输入图像是8位的，要求输出图像是16位的。当然可以用函数cvConvertScale或cvConvertScaleAbs转换为8位的。除了8-位图像，函数也接受32-位浮点数图像。所有输入和输出图像都必须是单通道的，并且具有相同的图像尺寸或者ROI尺寸。Laplace计算图像的Laplacian变换voidcvLaplace(constCvArr*src,CvArr*dst,intaperture_size=3);src输入图像.dst输出图像.aperture_size核大小(与cvSobel中定义一样).函数cvLaplace计算输入图像的Laplacian变换，方法是先用sobel算子计算二阶x-和y-差分，再求和:对aperture_size=1则给出最快计算结果，相当于对图像采用如下内核做卷积：类似于cvSobel函数，该函数也不作图像的尺度变换，所支持的输入、输出图像类型的组合和cvSobel一致。Canny采用Canny算法做边缘检测voidcvCanny(constCvArr*image,CvArr*edges,doublethreshold1,doublethreshold2,intaperture_size=3);image单通道输入图像.edges单通道存储边缘的输出图像threshold1第一个阈值threshold2第二个阈值aperture_sizeSobel算子内核大小(见cvSobel).函数cvCanny采用CANNY算法发现输入图像的边缘而且在输出图像中标识这些边缘。threshold1和threshold2当中的小阈值用来控制边缘连接，大的阈值用来控制强边缘的初始分割。注意事项：cvCanny只接受单通道图像作为输入。外部链接：经典的canny自调整阈值算法的一个opencv的实现见在OpenCV中自适应确定canny算法的分割门限PreCornerDetect计算用于角点检测的特征图，voidcvPreCornerDetect(constCvArr*image,CvArr*corners,intaperture_size=3);image输入图像.corners保存候选角点的特征图aperture_sizeSobel算子的核大小(见cvSobel).函数cvPreCornerDetect计算函数其中D表示一阶图像差分，表示二阶图像差分。角点被认为是函数的局部最大值：//假设图像格式为浮点数IplImage*corners=cvCloneImage(image);IplImage*dilated_corners=cvCloneImage(image);IplImage*corner_mask=cvCreateImage(cvGetSize(image),8,1);cvPreCornerDetect(image,corners,3);cvDilate(corners,dilated_corners,0,1);cvSubS(corners,dilated_corners,corners);cvCmpS(corners,0,corner_mask,CV_CMP_GE);cvReleaseImage(&corners);cvReleaseImage(&dilated_corners);CornerEigenValsAndVecs计算图像块的特征值和特征向量，用于角点检测voidcvCornerEigenValsAndVecs(constCvArr*image,CvArr*eigenvv,intblock_size,intaperture_size=3);image输入图像.eigenvv保存结果的数组。必须比输入图像宽6倍。block_size邻域大小(见讨论).aperture_sizeSobel算子的核尺寸(见cvSobel).对每个象素，函数cvCornerEigenValsAndVecs考虑block_size×block_size大小的邻域S(p)，然后在邻域上计算图像差分的相关矩阵：然后它计算矩阵的特征值和特征向量，并且按如下方式(λ1,λ2,x1,y1,x2,y2)存储这些值到输出图像中，其中λ1,λ2-M的特征值，没有排序(x1,y1)-特征向量，对λ1(x2,y2)-特征向量，对λ2CornerMinEigenVal计算梯度矩阵的最小特征值，用于角点检测voidcvCornerMinEigenVal(constCvArr*image,CvArr*eigenval,intblock_size,intaperture_size=3);image输入图像.eigenval保存最小特征值的图像.与输入图像大小一致block_size邻域大小(见讨论cvCornerEigenValsAndVecs).aperture_sizeSobel算子的核尺寸(见cvSobel).当输入图像是浮点数格式时，该参数表示用来计算差分固定的浮点滤波器的个数.函数cvCornerMinEigenVal与cvCornerEigenValsAndVecs类似，但是它仅仅计算和存储每个象素点差分相关矩阵的最小特征值，即前一个函数的min(λ1,λ2)CornerHarris哈里斯（Harris）角点检测voidcvCornerHarris(constCvArr*image,CvArr*harris_responce,intblock_size,intaperture_size=3,doublek=0.04);image输入图像。harris_responce存储哈里斯（Harris）检测responces的图像。与输入图像等大。block_size邻域大小（见关于cvCornerEigenValsAndVecs的讨论）。aperture_size扩展Sobel核的大小（见cvSobel）。格式.当输入图像是浮点数格式时，该参数表示用来计算差分固定的浮点滤波器的个数。kharris检测器的自由参数。参见下面的公式。函数cvCornerHarris对输入图像进行Harris边界检测。类似于cvCornerMinEigenVal和cvCornerEigenValsAndVecs。对每个像素，在block_size*block_size大小的邻域上，计算其2*2梯度共变矩阵（或相关异变矩阵）M。然后，将det(M)-k*trace(M)2（这里2是平方）保存到输出图像中。输入图像中的角点在输出图像中由局部最大值表示。FindCornerSubPix精确角点位置voidcvFindCornerSubPix(constCvArr*image,CvPoint2D32f*corners,intcount,CvSizewin,CvSizezero_zone,CvTermCriteriacriteria);image输入图像.corners输入角点的初始坐标，也存储精确的输出坐标count角点数目win