有很多函数有mask,代表掩码,如果某位mask是0,那么对应的src的那一位就不计算,mask要和矩阵/ROI/的大小相等
大多数函数支持ROI,如果图像ROI被设置,那么只处理ROI部分
少部分函数支持COI,如果COI设置,只处理感兴趣的通道
矩阵逻辑运算
void cvAnd(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvAndS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvOr(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvOrS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvXor(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//
void cvXorS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//
void cvNot(const CvArr* src,CvArr* dst);//矩阵取反
矩阵算术运算 绝对值
void cvAbs(const CvArr* src,CvArr* dst);
void cvAbsDiff(const CvArr* src1,const CvArr* src2, CvArr* dst);//两矩阵相减取绝对值
void cvAbsDiffS(const CvArr* src, CvArr* dst,CvScalar value);//矩阵减去一个数取绝对值
加减
void cvAdd(const CvArr* src1,const CvArr* src2,CvArr* dst,const CvArr* mask = NULL);//两数组相加,dst(I)=src1(I)+src2(I) if mask(I)!=0
void cvAddS(const CvArr* src,CvScalar value,CvArr*dst,const CvArr* mask = NULL);//数组和一个数相加,dst(I)=src(I)+value if mask(I)!=0
void cvAddWeighted(const CvArr* src1,double alpha,const CvArr* src2,double beta,double gamma,CvArradded to each sum* dst);//带权相加相当于dst(x,y) = α ? src1(x,y) + β ? src2(x,y) + γ
void cvSub(const CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL);//矩阵减法,dst(I)=src1(I)-src2(I) if mask(I)!=0
void cvSubS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//矩阵减数,dst(I)=src(I)-value if mask(I)!=0
void cvSubRS(const CvArr* src, CvScalar value, CvArr* dst, const CvArr* mask=NULL);//数减矩阵,dst(I)=value-src(I) if mask(I)!=0
乘除
void cvDiv(const CvArr* src1, const CvArr* src2, CvArr* dst, double scale=1);//scale*src1(i)/src2(i),如果src1=NULL,则计算scale/src2(i)
void cvMul(const CvArr* src1,const CvArr* src2,CvArr* dst,double scale=1);//两矩阵元素之间的简单乘法,一般的矩阵点乘用cvGEMM();
次方
void cvPow(const CvArr* src, CvArr* dst, double power);//为每个src的数求power次方
指数
void cvExp(const CvArr* src, CvArr* dst);//dst(I)=EXP(src(I))
对数
void cvLog(const CvArr* src, CvArr* dst);//
线性代数计算 加&乘
void cvScaleAdd(const CvArr* src1, CvScalar scale, const CvArr* src2, CvArr* dst);//src1和scale的乘积加上src2
void cvCrossProduct(const CvArr* src1,const CvArr* src2,CvArr* dst);//计算两个3D向量(单通道)的叉乘运算
double cvDotProduct(const CvArr* src1, const CvArr* src2);//两个向量点乘
void cvGEMM(const CvArr* src1, const CvArr* src2, double alpha, const CvArr* src3, double beta, CvArr* dst, int tABC=0);//乘加运算的始祖
由通用乘加函数参与定义的两个具体宏
cvMatMul(const CvArr* src1,const CvArr* src2,CvArr* dst);
cvMatMulAdd(const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);
CvScalar cvTrace(const CvArr* mat);//计算对角线上的元素和
变换
void cvTransform(const CvArr* src, CvArr* dst, const CvMat* transmat, const CvMat* shiftvec=NULL);//dst=transmat · src + shiftvec
void cvPerspectiveTransform(const CvArr* src, CvArr* dst, const CvMat* mat);//把矩阵每个元素中三个通道当做一个矩阵,乘mat,mat是一个3×3或者4×4的转换矩阵
转置
void cvTranspose(const CvArr* src, CvArr* dst);
void cvMulTransposed(const CvArr* src, CvArr* dst, int order, const CvArr* delta=NULL, double scale=1.0);//(src-delta)乘以它的转置再乘以scale
逆矩阵
double cvInvert(const CvArr* src,CvArr* dst,int method=CV_LU);//求原矩阵的逆矩阵,默认使用高斯消去法
方阵可逆的充要条件是|A|!=0
method取值为CV_LU高斯消去法(默认) CV_SVD 奇异值分解SVD CV_SVD_SYM对称矩阵的SVD
行列式
double cvDet(const CvArr* mat);//计算方阵行列式,一定是单通道的
小型方阵直接计算,大型方阵用高斯消去法计算
如果矩阵正定对称,用奇异值分解的方法解决cvSVD();
特征向量特征值
void cvEigenVV(CvArr* mat, CvArr* evects, CvArr* evals, double eps=0);//计算对称矩阵的特征值和特征向量,evects输出特征向量,evals输出特征值,eps雅可比方法停止参数
要求三个矩阵都是浮点类型,10×10以下该方法有效,20×20以上的矩阵不能计算出结果,为节约计算量,eps通常设为DBL_EPSILON(10^-15)
如果给定的矩阵是对称正定矩阵,那么考虑使用cvSVD();
协方差
void cvCalcCovarMatrix(const CvArr** vects, int count, CvArr* cov_mat, CvArr* avg, int flags);//给定一组大小和类型相同的向量,向量的个数,计算标记,输出协方差正阵和每个向量的平均值矩阵
CV_COVAR_NORMAL 普通计算协方差和平均值,输出的是n×n的协方差阵
CV_COVAR_SCRAMBLED 快速PCA“Scrambled”协方差,输出的是m×m的协方差阵
CV_COVAR_USE_AVERAGE 平均值是输入的
CV_COVAR_SCALE 重新缩放输出的协方差矩阵
四个flag通过并运算协同发挥作用,前两个不能并
CvSize cvMahalonobis(const CvArr* vec1,const CvArr* vec2,CvArr* mat);
int cvSolve(const CvArr* src1, const CvArr* src2, CvArr* dst, int method=CV_LU);//Solves a linear system or least-squares problem.
void cvSVD(CvArr* A, CvArr* W, CvArr* U=NULL, CvArr* V=NULL, int flags=0);//Performs singular value decomposition of a real floating-point matrix.
void cvSVBkSb(const CvArr* W, const CvArr* U, const CvArr* V, const CvArr* B, CvArr* X, int flags);//Performs singular value back substitution.
数组比较
void cvCmp(const CvArr* src1, const CvArr* src2, CvArr* dst, int cmp_op);//两矩阵比较运算
CV_CMP_EQ - src1(I) 是否相等
CV_CMP_GT - src1(I) 是否大于
CV_CMP_GE - src1(I) 是否大于等于
CV_CMP_LT - src1(I) 是否小于
CV_CMP_LE - src1(I) 是否小于等于
CV_CMP_NE - src1(I) 是否不等
如果判断为假,dst设为0,如果判断为真,dst设为0xff
void cvCmpS(const CvArr* src, double value, CvArr* dst, int cmp_op);//矩阵和一个数字比较运算
矩阵内转换 类型转换
void cvConvertScale(const CvArr* src,CvArr* dst,double scale,double shift);//矩阵首先乘以scale再加上shift,然后把src中的数据类型转换成dst类型,但是src和dst通道数需要相等
void cvConvertScaleAbs(const CvArr* src,CvArr* dst,double scale,double shift);//在src到dst类型转换前,先做绝对值
void cvCvtColor(const CvArr* src,CvArr* dst, int code);//图像 颜色空间转换,src要为8U 16U 32F,dst的数据类型需要和src相同,通道数看code
code格式如:CV_原色彩空间2目的色彩空间 色彩空间要考虑RGB的顺序
支持的颜色空间包括:RGB RGB565 RGB555 GRAY RGBA XYZ YCrCb HSV HLS Luv BayerRG
空间转换
void cvFlip(const CvArr* src, CvArr* dst=NULL, int flip_mode=0);//图像绕x、y轴旋转。当用在一维数组上时并且flip_mode>0,可以用来颠倒数据排列
flip_mode=0:左右对称values of the conversion resul
flip_mode>0:上下对称
flip_mode<0:中心对称
矩阵间操作 void cvCopy(const CvArr* src,CvArr* dst,const CvArr* mask=NULL);
void cvMerge(const CvArr* src0,const CvArr* src1,const CvArr* src2,const CvArr* src3,CvArr* dst);//多个数组合并成一个,类型和尺寸都相同,dst有多个通道,src可以赋值NULL
void cvSplit(cosnt CvArr* src,CvArr* dst0,CvArr* dst1,CvArr* dst2,CvArr* dst3);//一个多通道数组分解成多个数组,类型尺寸都想同,dst可以赋值NULL
void cvRepeat(const CvArr* src, CvArr* dst);//在dst中重复叠加src,dst(i,j)=src(i mod rows(src), j mod cols(src))
CvMat* cvReshape(const CvArr* originalarr, CvMat* headerdata, int new_cn, int new_rows=0);//把一个originalarr(可以是已经有内容的图片),转换为有新的通道数、新的行数的数据(CvMat*只含数据,没有图片头)
CvArr* cvReshapeMatND(const CvArr* arr, int sizeof_header, CvArr* header, int new_cn, int new_dims, int* new_sizes);
void cvLUT(const CvArr* src, CvArr* dst, const CvArr* lut);//src是8bit类型的数据,lut是一张一维查找表,拥有256个通道数类型和dst相同的元素,src的某一位置的元素数值n,到 lut的n位置查找的内容填入dst的相应src的n元素的位置
统计运算 最大最小
void cvMax(const CvArr* src1, const CvArr* src2, CvArr* dst);
void cvMaxS(const CvArr* src, double value, CvArr* dst);//找较大值放到dst中
void cvMin(const CvArr* src1,const CvArr* src2,CvArr* dst);
void cvMins(const CvArr* src,double value,CvArr* dst);//找较小值放到dst中
void cvMinMaxLoc(const CvArr* arr, double* min_val, double* max_val, CvPoint* min_loc=NULL, CvPoint* max_loc=NULL, const CvArr* mask=NULL);
找出全局某个通道中最大最小的值,和她们的位置,如果不止一个通道,一定要设置COI
零的个数
int cvCountNonZero( const CvArr* arr );//统计非零的个数
是否落在范围内
void cvInRange(const CvArr* src,const CvArr* lower,const CvArr* upper,CvArr* dst);
void cvInRangeS(const CvArr* src,CvScalar lower,CvScalar upper,CvArr* dst);//判断原数组中的每个数大小是否落在对应的lower、upper数组位置数值的中间
if( lower(i)<=src(i)<upper(i) ){ dst(i)=0xff; }else{ dst(i)=0; }
平均值标准差
CvScalar cvAvg(const CvArr* arr,const CvArr* mask = NULL);//计算mask非零位置的所有元素的平均值,如果是图片,则单独计算每个通道上的平均值,如果COI设置了,只计算该COI通道的平均值
void cvAvgSdv(const CvArr* arr, CvScalar* mean, CvScalar* std_dev, const CvArr* mask=NULL);//计算各通道的平均值,标准差,支持COI
double cvNorm(const CvArr* arr1,const CvArr* arr2=NULL,int norm_type=CV_L2,const CvArr* mask=NULL);//计算一个数组的各种范数
如果arr2为NULL,norm_type为
CV_C 求所有数取绝对值后的最大值,CV_L1 求所有数的绝对值的和,CV_L2求所有数的平方和的平方根
如果arr2不为NULL,norm_type为
CV_C arr1和arr2对应元素差的绝对值中的最大值 CV_L1 arr1和arr2对应元素差的绝对值的和 CV_L2 arr1和arr2的差平方和的平方根
CV_RELATIVE_C CV_RELATIVE_L1 CV_RELATIVE_L2 上面结果除以cvNorm(arr2,NULL,对应的norm_type);
cvNormalize(const CvArr* src,CvArr* dst,double a=1.0,double b=0.0,int norm_type=CV_L2,const CvArr* mask=NULL);
CV_C CV_L1 CV_L2 CV_MINMAX
cvReduce(const CvArr* src,CvArr* dst,int dim,int op=CV_REDUCE_SUM);//根据一定规则,把矩阵约简为向量
dim 决定约简到行还是列 1:约简到单个列,0:约简到单个行,-1:根据dst的CvSize,决定约简到行还是列
op 决定按什么规则约简
CV_REDUCE_SUM - 行/列的和
CV_REDUCE_AVG - 行/列平均值
CV_REDUCE_MAX - 行/列中最大值
CV_REDUCE_MIN - 行/列中最小值
取得设置数组信息 得到指定行列
CvMat* cvGetCol(const CvArr* arr,CvMat* submat,int col);
CvMat* cvGetCols(const CvArr* arr,CvMat* submat,int start_col,int end_col);//取目标矩阵的某列/连续几列,submat和返回值的实际数据还是在原矩阵中,只是修改了头部和数据指针,没有数据拷贝
CvMat* cvGetRow(const CvArr* arr,CvMat* submat,int row);
CvMat* cvGetRows(const CvArr* arr,CvMat* submat,int start_row,int end_row);
得到对角线
CvMat* cvGetDiag(const CvArr* arr,CvMat* submat,int diag=0);//取矩阵arr的对角线,结果放在向量中,并不要求原矩阵是方阵,diag表示从哪个位置开始取对角线
维度大小
int cvGetDims(const CvArr* arr,int* sizes=NULL);//获取数组的维数和每一维的大小,sizes十一个数组的头指针。图像或者矩阵的维数一定是2,先行数后列数
int cvGetDimSize(const CvArr* arr,int index);//获取某一维的大小
矩阵大小
CvSize cvGetSize(const CvArr* arr);//返回矩阵和图像的大小。小的结构体一般都是直接返回值而不是重新分配指针,分配指针的效率可能比直接返回值效率更低
截取矩形矩阵
CvMat* cvGetSubRect(const CvArr* arr, CvMat* submat, CvRect rect);//从输入的数组中根据输入的矩形截取一块数组中的矩形,返回的CvMat*就是submat
得到和设置元素 因为效率原因,实际很少会直接用到这些方法,而是根据实际的应用来决定如何操作每一个数
uchar* cvPtr1D(CvArr* arr,int idx0,int* type);//得到的是指针,所以可以修改,比下面的效率更高
uchar* cvPtr2D(CvArr* arr,int idx0,int idx1,int* type);
uchar* cvPtr3D(CvArr* arr,int idx0,int idx1,int idx2,int* type);
uchar* cvPtrND(CvArr* arr,int* idx,int* type,int create_node=1,unsigned* precalc_hashval=NULL);//int* idx是一个数组指针,里面保存着索引
double cvGetReal1D(const CvArr* arr,int idx0);//得到的是具体值
double cvGetReal2D(const CvArr* arr,int idx0,int idx1);
double cvGetReal3D(const CvArr* arr,int idx0,int idx1,int idx2);
double cvGetRealND(const CvArr* arr,int* idx);
CvScalar cvGet1D(const CvArr* arr,int idx0);
CvScalar cvGet2D(const CvArr* arr,int idx0,int idx1);
CvScalar cvGet3D(const CvArr* arr,int idx0,int idx1,int idx2);
CvScalar cvGetND(const CvArr* arr,int* idx);
double cvmGet(const CvMat* mat, int row, int col);//仅仅用于矩阵单通道浮点数的获取,由于是inline并且没有类型判断,所以效率比较高
void cvSetReal1D(CvArr* arr, int idx0, double value);
void cvSetReal2D(CvArr* arr, int idx0, int idx1, double value);
void cvSetReal3D(CvArr* arr, int idx0, int idx1, int idx2, double value);
void cvSetRealND(CvArr* arr, int* idx, double value);
void cvSet1D(CvArr* arr, int idx0, CvScalar value);
void cvSet2D(CvArr* arr, int idx0, int idx1, CvScalar value);
void cvSet3D(CvArr* arr, int idx0, int idx1, int idx2, CvScalar value);
void cvSetND(CvArr* arr, int* idx, CvScalar value);
void cvmSet(CvMat* mat, int row, int col, double value);//仅仅用于设置单通道浮点类型的矩阵
void cvClearND(CvArr* arr, int* idx);//把多维数组的某位置设置为0
void cvSet(CvArr* arr, CvScalar value, const CvArr* mask=NULL);//把数组每个元素都设为value
void cvSetZero(CvArr* arr);//对普通矩阵,每位都设为0;对稀疏矩阵,删除所以元素
一般算数运算 int cvRound(double value ); int cvFloor( double value ); int cvCeil( double value);//求和double最(上/下)接近的整数
float cvSqrt(float value);//求平方根
float cvInvSqrt(float value);//求平方根倒数
float cvCbrt(float value);//求立方根
float cvCbrt(float value);//求两个向量的夹角
int cvIsNaN(double value);//判断是否是合法数
int cvIsInf(double value);//判断是否无穷
void cvCartToPolar(const CvArr* x, const CvArr* y, CvArr* magnitude, CvArr* angle=NULL, int angle_in_degrees=0);//
void cvPolarToCart(const CvArr* magnitude, const CvArr* angle, CvArr* x, CvArr* y, int angle_in_degrees=0);//
void cvSolveCubic(const CvArr* coeffs, CvArr* roots);//求三次方方程解,coeffs作为三次方程的系数,可以是三元(三次方系数为1)或者四元
随机数生成 CvRNG cvRNG(int64 seed=-1);//生成随机数生成器
unsigned cvRandInt(CvRNG* rng);
double cvRandReal(CvRNG* rng);
void cvRandArr(CvRNG* rng, CvArr* arr, int dist_type, CvScalar param1, CvScalar param2);//
dist_type决定生成随机数组中的分布 CV_RAND_UNI均匀分布 CV_RAND_NORMAL正态/高斯分布
param1:均匀分布中的下界(包含),正态分布中的平均值
param2:均匀分布中的上界(不包含),正态分布中的偏差
分布转换
void cvDFT(const CvArr* src, CvArr* dst, int flags, int nonzero_rows=0);
int cvGetOptimalDFTSize(int size0);
void cvMulSpectrums(const CvArr* src1, const CvArr* src2, CvArr* dst, int flags);
void cvDCT(const CvArr* src, CvArr* dst, int flags);
分享到:
相关推荐
在本压缩包“OpenCV-MinGW-Build-OpenCV-4.5.2-x64.zip”中,提供的是一份已经针对MinGW编译器优化的OpenCV 4.5.2版本,适用于64位Windows系统。 OpenCV 4.5.2是该库的一个稳定版本,它包含了众多新特性和性能提升...
使用opencv进行图像处理----于仕其 基本知识
图像操作是OpenCV中最基本和最重要的操作之一。OpenCV提供了多种图像操作函数,包括图像载入、显示、保存和销毁等。 1. 图像载入函数 OpenCV提供了多种图像载入函数,包括imread()、imreadmulti()和imread_...
基于opencv的图像增强函数,Demo用vc6.0实现。 如果您对安装opencv或在vc6.0下配置opencv有疑问,请访问opencv中文网站: http://www.opencv.org.cn/
OpenCV-4.6.0-android-sdk.zip 是一个针对Android平台的OpenCV SDK(软件开发工具包)的压缩包,包含了开发者在Android设备上实现计算机视觉功能所需的所有组件和资源。 SDK的核心内容通常包括以下几个部分: 1. *...
在`OpenCV-android-sdk\samples`目录下,OpenCV提供了一些示例应用,这些应用展示了如何在Android上使用OpenCV进行实际的图像处理任务。比如,`FaceDetection`示例演示了如何检测图像中的面部,而`TessTwo`则展示了...
在给定的压缩包"opencv-python-4.5.5-cp311-cp311-win-amd64.zip"中,包含的是OpenCV的Python绑定版本4.5.5,专为Python 3.11编译,并适用于Windows操作系统上的AMD64架构。这个安装包使得开发者能够在Python环境中...
这个“OpenCV-3.0.0-android-sdk-1.zip”压缩包包含了OpenCV 3.0.0版本针对Android平台的SDK,为开发者提供了一系列在Android设备上实现计算机视觉功能的工具和资源。 首先,OpenCV的核心是其C++库,它包含了大量的...
标题"opencv-3.2.0-android-sdk下载"表明这是一个针对Android平台的OpenCV版本,具体为3.2.0版的SDK。SDK(Software Development Kit)是一套用于开发软件的工具集合,通常包括库文件、头文件、示例代码、文档以及...
5. **使用OpenCV API**:一旦OpenCV成功加载,你就可以通过它的Java或C++接口访问各种函数和类,进行图像处理操作。 6. **运行示例**:解压的文件中很可能包含了示例代码,你可以将它们导入到Android Studio中,...
OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉库,它提供了很多函数,这些函数非常高效地实现了计算机视觉算法(最基本的滤波到高级的物体检测皆有涵盖)。OpenCV 使用 C/C++ 开发,同时也...
标题"opencv-4.3.0-android-sdk-source.zip"表明这是OpenCV 4.3.0针对Android平台的SDK源码压缩包。这个版本的SDK通常包括头文件、库文件、示例代码、文档以及构建工具,用于Android应用开发。由于官网下载可能速度...
OpenCV-3.4.3-android-sdk是一个专为Android平台设计的版本,它包含了在Android设备上进行计算机视觉开发所需的所有组件。 在2018年8月发布的OpenCV-3.4.3-android-sdk.zip压缩包中,开发者可以找到以下关键组件和...
标题中的"OpenCV-2.3.1-win-superpack.exe"指的是OpenCV库的2.3.1版本的Windows超级安装包。这个版本发布于几年前,但仍然是许多初学者和开发者研究计算机视觉的基础资源。 OpenCV 2.3.1是该库的一个关键里程碑,它...
OpenCV的Java API提供了丰富的功能,如`HighGui`模块用于图像显示,`Core`模块提供了基本的矩阵操作,而`Imgproc`模块则包含了各种图像处理函数,如滤波、边缘检测和形态学操作。此外,`Feature2D`模块可以用来进行...
这个"opencv-3.4.2-android-sdk.zip"压缩包包含了在Android平台上使用OpenCV进行开发所需的所有资源。OpenCV 3.4.2是该库的一个稳定版本,提供了大量的优化算法和功能,使得开发者能够高效地实现复杂的图像处理任务...
4. **示例应用**:SDK中通常包含一些示例应用,这些应用演示了如何在Android上集成和使用OpenCV,包括基本的图像处理操作和一些复杂的计算机视觉任务,比如人脸识别、二维码识别等,对开发者进行快速上手有极大帮助...
OpenCV库包含了数百个预先编写的函数和模块,涵盖了图像处理的基础操作,如滤波、色彩空间转换、几何变换等,同时也提供了高级功能,如机器学习算法(SVM、决策树等)、深度学习模块(DNN)和3D重建。在iOS平台上,...
标题中的"opencv-2.4.13.6-vc14.exe"和"opencv-4.1.0-vc14_vc15.exe"分别代表了OpenCV的不同版本,前者是2.4.13.6版,后者是4.1.0版,它们都是针对Visual Studio 14 (VS2015) 和 Visual Studio 14_1 (VS2017) 的编译...