圖像處理和圖像識別中常用的OpenCV函數
1. cvLoadImage：將圖像文件加載至內存；
2. cvNamedWindow：在屏幕上創建一個窗口；
3. cvDestroyWindow：銷毀顯示圖像文件的窗口；
4. cvDestroyAllWindows：銷毀顯示圖像文件的所有窗口；
5. cvShowImage：在一個已創建好的窗口中顯示圖像；
6. cvWaitKey：使程序暫停，等待用戶觸發一個按鍵操作；
7. cvReleaseImage：釋放圖像文件所分配的內存；
8. cvCreateFileCapture：通過參數設置確定要讀入的AVI文件；
9. cvQueryFrame：用來將下一幀視頻文件載入內存；
10. cvReleaseCapture：釋放CvCapture結構開辟的內存空間；
11. cvCreateTrackbar：創建一個滾動條；
12. cvSetCaptureProperty：設置CvCapture對象的各種屬性；
13. cvGetCaptureProperty：查詢CvCapture對象的各種屬性；
14. cvGetSize：當前圖像結構的大小；
15. cvSmooth：對圖像進行平滑處理；
16. cvPyrDown：圖像金字塔，降采樣，圖像縮小為原來四分之一；
17. cvPyrUp：圖像金字塔，將現有的圖像在每個維度上都放大兩倍；
18. cvResize：放大或縮小圖像；
19. cvCreateCameraCapture：從攝像設備中讀入數據；
20. cvCreateVideoWriter：創建一個寫入設備以便逐幀將視頻流寫入視頻文件；
21. cvWriteFrame：逐幀將視頻流寫入文件；
22. cvReleaseVideoWriter：釋放CvVideoWriter結構開辟的內存空間；
23. CV_MAT_ELEM：從矩陣中得到一個元素；
24. cvAbs：計算數組中所有元素的絕對值；
25. cvAbsDiff：計算兩個數組差值的絕對值；
26. cvAbsDiffS：計算數組和標量差值的絕對值；
27. cvAdd：兩個數組的元素級的加運算；
28. cvAddS：一個數組和一個標量的元素級的相加運算；
29. cvAddWeighted：兩個數組的元素級的加權相加運算(alpha運算)；
30. cvScaleAdd：計算一個數組縮放後與另一個數組的和；
31. cvAvg：計算數組中所有元素的平均值；
32. cvAvgSdv：計算數組中所有元素的絕對值和標準差；
33. cvCalcCovarMatrix：計算一組n維空間向量的協方差；
34. cvCmp：對兩個數組中的所有元素運用設置的比較操作；
35. cvCmpS：對數組和標量運用設置的比較操作；
36. cvConvertScale(cvConvert)：用可選的縮放值轉換數組元素類型；
37. cvCopy：把數組中的值復制到另一個數組中；
38. cvCountNonZero：計算數組中非0值的個數；
39. cvCrossProduct：計算兩個三維向量的向量積(叉積)；
40. cvCvtColor：將數組的通道從一個顏色空間轉換另外一個顏色空間；
41. cvDet：計算方陣的行列式；
42. cvDotProduct：計算兩個向量的點積；
43. cvEigenVV：計算方陣的特征值和特征向量；
44. cvFlip：圍繞選定軸翻轉；
45. cvGEMM：矩陣乘法；
46. cvGetCol：從一個數組的列中復制元素；
47. cvGetCols：從數據的相鄰的多列中復制元素；
48. cvGetDiag：復制數組中對角線上的所有元素；
49. cvGetDims：返回數組的維數；
50. cvGetDimSize：返回一個數組的所有維的大小；
51. cvGetRow：從一個數組的行中復制元素值；
52. cvGetRows：從一個數組的多個相鄰的行中復制元素值；
53. cvGetSize：得到二維的數組的尺寸，以CvSize返回；
54. cvGetSubRect：從一個數組的子區域復制元素值；
55. cvInRange：檢查一個數組的元素是否在另外兩個數組中的值的範圍內；
56. cvInRangeS：檢查一個數組的元素的值是否在另外兩個標量的範圍內；
57. cvInvert：求矩陣的逆；
58. cvMahalonobis：計算兩個向量間的馬氏距離；
59. cvMax：在兩個數組中進行元素級的取最大值操作；
60. cvMaxS：在一個數組和一個標量中進行元素級的取最大值操作；
61. cvMin：在兩個數組中進行元素級的取最小值操作；
62. cvMinS：在一個數組和一個標量中進行元素級的取最小值操作；
63. cvMinMaxLoc：尋找數組中的最大最小值；
64. cvMul：計算兩個數組的元素級的乘積(點乘)；
65. cvDiv：用另外一個數組對一個數組進行元素級的除法運算；
66. cvNormalize：將數組中元素進行歸一化；
67. cvReduce：通過給定的操作符將二維數組簡為向量；
68. cvRepeat：以平鋪的方式進行數組復制；
69. cvSet：用給定值初始化數組；
70. cvSetZero：將數組中所有元素初始化為0；
71. cvSetIdentity：將數組中對角線上的元素設為1，其他置0；
72. cvSolve：求出線性方程組的解；
73. cvSplit：將多通道數組分割成多個單通道數組；
74. cvMerge：把幾個單通道圖像合並為一個多通道圖像；
75. cvSub：兩個數組元素級的相減；
76. cvSubS：元素級的從數組中減去標量；
77. cvSubRS：元素級的從標量中減去數組；
78. cvSum：對數組中的所有元素求和；
79. cvSVD：二維矩陣的奇異值分解；
80. cvSVBkSb：奇異值回代計算；
81. cvTrace：計算矩陣跡；
82. cvTranspose：矩陣的轉置運算；
83. cvNot：按位對數組中的每一個元素求反；
84. cvOr：對兩個數組進行按位或操作；
85. cvOrs：在數組與標量之間進行按位或操作；
86. cvXor：對兩個數組進行按位異或操作；
87. cvXorS：在數組和標量之間進行按位異或操作；
88. cvAnd：對兩個數組進行按位與操作；
89. cvAndS：在數組和標量之間進行按位與操作；
90. cvZero：將所有數組中的元素置為0；
91. cvConvertScaleAbs：計算可選的縮放值的絕對值之後再轉換數組元素的類型；
92. cvNorm：計算數組的絕對範數， 絕對差分範數或者相對差分範數；
93. cvScale：是cvConvertScale的一個宏，可以用來重新調整數組的內容，並且可以將參數從一種數據類型轉換為另一種；
94. cvT：是函數cvTranspose的縮寫；
95. cvLine：畫直線；
96. cvRectangle：畫矩形；
97. cvCircle：畫圓；
98. cvEllipse：畫橢圓；
99. cvEllipseBox：使用外接矩形描述橢圓；
100.cvFillPoly、cvFillConvexPoly、cvPolyLine：畫多邊形；
101.cvPutText：在圖像上輸出一些文本；
102.cvGetTextSize：計算文本串的寬和高；
103.cvInitFont：采用一組參數配置一些用於屏幕輸出的基本個特定字體；
104.cvSave：矩陣保存；
105.cvLoad：矩陣讀取；
106.cvOpenFileStorage：為讀/寫打開存儲文件；
107.cvReleaseFileStorage：釋放存儲的數據；
108.cvStartWriteStruct：開始寫入新的數據結構；
109.cvEndWriteStruct：結束寫入數據結構；
110.cvWriteInt：寫入整數型；
111.cvWriteReal：寫入浮點型；
112.cvWriteString：寫入字符型；
113.cvWriteComment：寫一個XML或YAML的註釋字串；
114.cvWrite：寫一個對象；
115.cvWriteRawData：寫入多個數值；
116.cvWriteFileNode：將文件節點寫入另一個文件存儲器；
117.cvGetRootFileNode：獲取存儲器最頂層的節點；
118.cvGetFileNodeByName：在映圖或存儲器中找到相應節點；
119.cvGetHashedKey：為名稱返回一個惟一的指針；
120.cvGetFileNode：在映圖或文件存儲器中找到節點；
121.cvGetFileNodeName：返回文件的節點名；
122.cvReadInt：讀取一個無名稱的整數型；
123.cvReadIntByName：讀取一個有名稱的整數型；
124.cvReadReal：讀取一個無名稱的浮點型；
125.cvReadRealByName：讀取一個有名稱的浮點型；
126.cvReadString：從文件節點中尋找字符串；
127.cvReadStringByName：找到一個有名稱的文件節點並返回它；
128.cvRead：將對象解碼並返回它的指針；
129.cvReadByName：找到對象並解碼；
130.cvReadRawData：讀取多個數值；
131.cvStartReadRawData：初始化文件節點序列的讀取；
132.cvReadRawDataSlice：讀取文件節點的內容；
133.cvGetModuleInfo：檢查IPP庫是否已經正常安裝並且檢驗運行是否正常；
134.cvResizeWindow：用來調整窗口的大小；
135.cvSaveImage：保存圖像；
136.cvMoveWindow：將窗口移動到其左上角為x,y的位置；
137.cvDestroyAllWindow：用來關閉所有窗口並釋放窗口相關的內存空間；
138.cvGetTrackbarPos：讀取滑動條的值；
139.cvSetTrackbarPos：設置滑動條的值；
140.cvGrabFrame：快速的從攝像頭或視頻文件中抓取幀，被抓取的幀在內部被存儲；
141.cvRetrieveFrame：取回由函數cvGrabFrame抓取的圖像，返回的圖像不可以被用戶釋放或者修改；
142.cvConvertImage：用於在常用的不同圖像格式之間轉換；
143.cvErode：形態學腐蝕；
144.cvDilate：形態學膨脹；
145.cvMorphologyEx：更通用的形態學函數；
146.cvCreateStructuringElementEx：創建自定義的IplConvKernel核，應用在相應形態學操作中；
147.cvReleaseStructuringElement：釋放由自定義創建的IplConvKernel核；
148.cvFloodFill：漫水填充算法，用來進一步控制哪些區域將被填充顏色；
149.cvPyrSegmentation：利用金字塔實現圖像分割；
150.cvThreshold：圖像閾值化；
151.cvAcc：可以將8位整數類型圖像累加為浮點圖像；
152.cvAdaptiveThreshold：圖像自適應閾值；
153.cvFilter2D：圖像卷積；
154.cvCopyMakeBorder：將特定的圖像輕微變大，然後以各種方式自動填充圖像邊界；
155.cvCanny：Canny邊緣檢測；
156.cvSobel：圖像邊緣檢測，Sobel算子；
157.cvLaplace：拉普拉斯變換、圖像邊緣檢測；
158.cvHoughLines2：霍夫直線變換；
159.cvHoughCircles：霍夫圓變換；
160.cvWarpAffine：稠密仿射變換；
161.cvGetQuadrangleSubPix：仿射變換(提取像素四邊形，使用子像素精度)；
162.cvGetRectSubPix：從圖像中提取像素矩形，使用子像素精度；
163.cvGetAffineTransform：仿射映射矩陣的計算；
164.cvCloneImage：將整個IplImage結構復制到新的IplImage中；
165.cv2DRotationMatrix：仿射映射矩陣的計算；
166.cvTransform：稀疏仿射變換；
167.cvWarpPerspective：密集透視變換(單應性)；
168.cvGetPerspectiveTransform：計算透視映射矩陣；
169.cvPerspectiveTransform：稀疏透視變換；
170.cvCartToPolar：將數值從笛卡爾空間到極坐標(極性空間)進行映射；
171.cvPolarToCart：將數值從極性空間到笛卡爾空間進行映射；
172.cvLogPolar：對數極坐標變換；
173.cvDFT：離散傅裏葉變換；
174.cvMulSpectrums：頻譜乘法；
175.cvDCT：離散余弦變換；
176.cvIntegral：計算積分圖像；
177.cvDistTransform：圖像的距離變換；
178.cvEqualizeHist：直方圖均衡化；
179.cvCreateHist：創建一新直方圖；
180.cvReleaseHist：釋放創建的直方圖；
181.cvMakeHistHeaderForArray：根據已給出的數據創建直方圖；
182.cvNormalizeHist：歸一化直方圖；
183.cvThreshHist：直方圖閾值函數；
184.cvCalcHist：從圖像中自動計算直方圖；
185.cvCompareHist：用於對比兩個直方圖的相似度；
186.cvCalcEMD2：陸地移動距離(EMD)算法；
187.cvCalcBackProject：反向投影；
188.cvCalcBackProjectPatch：圖塊的方向投影；
189.cvMatchTemplate：模板匹配；
190.cvCreateMemStorage：用於創建一個內存存儲器；
191.cvCreateSeq：創建序列；
192.cvSeqInvert：將序列進行逆序操作；
193.cvCvtSeqToArray：復制序列的全部或部分到一個連續內存數組中；
194.cvFindContours：從二值圖像中尋找輪廓；
195.cvDrawContours：繪制輪廓；
196.cvApproxPoly：使用多邊形逼近一個輪廓；
197.cvConvexHull2：使用Sklansky算法計算2D點集的凸外形；
198.cvPointPolygonTest：點在多邊形中的位置(內部、外部、多邊形邊上)；
199.cvContourPerimeter：輪廓長度；
200.cvContoursMoments：計算輪廓矩；
201.cvMoments：計算Hu不變矩；
202.cvMatchShapes：使用矩進行匹配；
203.cvInitLineIterator：對任意直線上的像素進行采樣；
204.cvSampleLine：對直線采樣；
205.cvAbsDiff：幀差；
206.cvWatershed：分水嶺算法；
207.cvInpaint：修補圖像；
208.cvGoodFeaturesToTrack：尋找角點；
209.cvCornerHarris：Harris角點檢測；
210.cvFindCornerSubPix：用於發現亞像素精度的角點位置；
211.cvMeanShift：mean-shift跟蹤算法；
212.cvCamShift：camshift跟蹤算法；
213.cvCreateConDensation：condensation算法，分配condensation濾波器結構；
214.cvReleaseConDensation：condensation算法，釋放condensation濾波器結構；
215.cvConDensInitSampleSet：condensation算法，初始化condensation算法中的粒子集；
216.cvConDensUpdateByTime：condensation算法，估計下個模型狀態；
217.cvConvertPointsHomogenious：對齊次坐標進行轉換；
218.cvFindChessboardCorners：定位棋盤角點；
219.cvCalibrateCamera2：利用定標來計算攝像機的內參數和外參數；
220.cvInitUndistortMap：計算形變和非行變圖像的對應；
221.cvInitUndistortRectifyMap：computes the undistortion and rectification transformation map；
222.cvRemap：圖像重映射，校正標定圖像，圖像插值；
223.cvFindFundamentalMat：由兩幅圖像中對應點計算出基本矩陣；
224.cvComputeCorrespondEpilines：為一幅圖像中的點計算其在另一幅圖像中對應的對極線；
225.cvDrawChessboardCorners：繪制檢測到的棋盤角點；
226.cvFindHomography：計算單應性矩陣；
227.cvRodrigues2：羅德裏格斯變換；
228.cvFitLine：直線擬合算法；
229.cvCalcCovarMatrix：計算協方差矩陣；
230.cvInvert：計算協方差矩陣的逆矩陣；
231.cvMahalanobis：計算Mahalanobis距離；
232.cvKMeans2：K均值；
233.cvCloneMat：根據一個已有的矩陣創建一個新矩陣；
234.cvPreCornerDetect：計算用於角點檢測的特征圖；
235.cvGetImage：CvMat圖像數據格式轉換成IplImage圖像數據格式；
236.cvMatMul：兩矩陣相乘；
237.cvMatMulAdd：dst = src1 * src2 + src3；
238.cvRound：返回和參數最接近的整數值；
239.cvFloor：返回不大於參數的最大整數值；
240.cvCeil：返回不小於參數的最小整數值；
241.cvCreateImage：創建圖像；
242.cvSetMouseCallback：用鼠標獲取確定窗口上的矩形；
243.cvContourArea：計算整個或部分輪廓的面積；
244.cvArcLength：計算輪廓周長或曲線長度；
245.cvBoundingRect：計算點集的最外面矩形邊界(獲取輪廓的外接矩形)；
246.cvSeqRemove：刪除序列中指定位置的元素(輪廓)；
247.cvGetTickCount：返回64位長整數的時間數據；
248.cvGetTickFrequency：返回系統時鐘頻率；
249.cvRNG：隨機生成一個64位隨機數(uint64)；
250.cvRandInt：返回均勻分布32位的隨機數(uint32)；
251.cvRandReal:返回均勻分布0~1之間的隨機小數；
252.cvRandArr：用隨機數填充數組並更新RNG狀態；
253.cvRandInit：初始化CvRandState數據結構，可以選定隨機分布的種類，並給定它種子；
254.cvInitMatHeader：初始化矩陣頭，不分配存儲空間；
255.cvTermCriteria：叠代算法終止準則；
256.CvSVMParams：SVM訓練參數，該結構需要初始化，並傳遞給CvSVM訓練函數；
257.CvSVM::train：訓練SVM(支持向量機)；
258.CvSVM::predict：預測一個新樣本的響應值，在分類問題中，這個函數返回類別編號，在回歸問題中，返回函數值；
259.cvSet2D：修改指定的數組；
260.CvSVM::get_support_vector_count：獲得支持向量的個數；
261.CvSVM::get_support_vector：獲得對應索引編號的支持向量；
262.CvSVM::save：將SVM訓練完的數據保存到指定的文件中(save來源於cvStatModel為ML庫的通用類)；
263.CvSVM::load：將指定的文件裝載到SVM指定的對象中；
264.cvCreateBGCodeBookModel：codebook方法中，初始化；
265.cvBGCodeBookUpdate：codebook方法中，更新背景模型；
266.cvBGCodeBookClearStale：codebook方法中，清除消極的codebook；
267.cvBGCodeBookDiff：codebook方法中，背景減除；
268.cvReleaseBGCodeBookModel：codebook方法中，釋放資源；
269.cvSegmentFGMask：對前景做連通域分割；
270.cvRunningAvg：更新running average，可用於運動目標檢測中更新背景；
271.cvCalcOpticalFlowHS：使用Horn&Schunck算法計算兩幅圖像的光流；
272.cvCalcOpticalFlowLK：使用Lucas&Kanade算法計算兩幅圖像的光流(非金字塔)；
273.cvCalcOpticalFlowPyrLK：使用金字塔Lucas&Kanade方法計算一個稀疏特征集的光流；
274.cvCalcOpticalFlowBM：用塊匹配方法計算兩幅圖像的光流；
275.cvUpdateMotionHistory：運動模板中，去掉影像以更新運動歷史圖像；
276.cvRunningAvg：更新running average滑動平均；
277.cvCalcMotionGradient：運動模板中，計算運動歷史圖像的梯度方向；
278.cvSegmentMotion：運動模板中，將整個運動分割為獨立的運動部分；
279.cvCalcGlobalOrientation：運動模板中，計算某些選擇區域的全局運動方向；
280.cvGetMinMaxHistValue：直方圖中找到最小值和最大值；
281.cvMinAreaRect2：尋找最小面積的外接矩形；
282.cvMinEnclosingCircle：計算輪廓的最小外接圓；
283.cvFitEllipse2：獲取輪廓的橢圓邊界框；
284.cvMaxRect：尋找包含兩個輸入矩形的具有最小面積的矩形邊界；
285.cvBoxPoints：尋找盒子的頂點；
286.cvCreateKalman：Kalman中，分配Kalman濾波器結構；
287.cvReleaseKalman：Kalman中，釋放Kalman濾波器結構；
288.cvKalmanPredict：Kalman中，估計後來的模型狀態；
289.cvKalmanCorrect：Kalman中，調節模型狀態；
290.cvLoadHaarClassifierCascade：CvHaarClassifierCascade中，從文件中裝載訓練好的級聯分類器或者從OpenCV中嵌入的分類器數據庫中導入；
291.cvHaarDetectObjects：CvHaarClassifierCascade中，檢測圖像中的目標；
292.cvSetImageForHaarClassifierCascade：CvHaarClassifierCascade中，為隱藏的cascade(hidden cascade)指定圖像；
293.cvReleaseHaarClassifierCascade：CvHaarClassifierCascade中，釋放haar classifier cascade；
294.cvRunHaarClassifierCascade：CvHaarClassifierCascade中，在給定位置的圖像中運行cascade of boosted classifier；
295.CvAdaptiveSkinDetector::process：皮膚檢測；
296.cvCalcEigenObjects：計算傳入影像陣列的eigen vector、eigen value、image average(影像平均值)；
297.cvEigenDecomposite：透過eigen vector和原始影像集來解析每張圖片降維後對應的系數coefficients；
298.cvEigenProjection：投影圖片在特征空間；
299.cvAlloc：分配內存；
300.cvFree：釋放內存(cvAlloc與cvFree應匹配出現)；
301.CvANN_MLP::create：constructs MLP(multi-layer perceptrons) withthe specified topology；
302.CvANN_MLP::train：trains/updates MLP；
303.CvANN_MLP::predict：predicts responses for input samples；
304.CvANN_MLP::get_layer_count：returns the number fo layers in the MLP；
305.CvANN_MLP::get_layer_size：returns numbers of neurons in each layer ofthe MLP；
306.CvANN_MLP::get_weights：returns neurons weights of the particularlayer；
307.CvKNearest::CvKNearest：default and training constructors；
308.CvKNearest::train：trains the model；
309.CvKNearest::find_nearest：finds the neighbors and predicts responses forinput vectors；
310.CvKNearest::get_max_k：returns the number of maximum neighbors thatmay be passed to the method CvKNearest::find_nearest()；
311.CvKNearest::get_var_count：returns the number of used features(variablescount)；
312.CvKNearest::get_sample_count：returns the total number of train samples；
313.CvKNearest::is_regression：returns type of the problem(true forregression and false for classification)；
314.cvGetSeqElem：returns a pointer to a sequenceelement according to its index；
315.cvGetReal2D：return a specific element ofsingle-channel 2D array；
316.cvSqrt：計算平方根；
317.cvPow：對數組內每個元素求冪；
318.cvCbrt：計算立方根；
319.cvExp：計算數組元素的指數冪；
320.cvLog：計算每個數組元素的絕對值的自然對數；
321.cvSetImageROI：設置感興趣區域；
322.cvResetImageROI：釋放感興趣區域；
323.cvSetImageCOI：設置感興趣通道；
324.cvLUT：顯示查找表，實際上就是一張像素灰度值的映射表，它將實際采樣到的像素灰度值經過一定的變換如閾值、反轉、二值化、對比度調整、線性變換等，變成了另外一個與之對應的灰度值；
325. class FeatureDetector：abstract base class for 2D image feature detectors；
326. class FastFeatureDetector：wrapping class for feature detection using the FAST() method；
327. class SURF(SurfFeatureDetector、SurfDescriptorExtractor)：extracting Speeded Up RobustFeatures from an image；
328. class SIFT(SiftFeatureDetector)：extracting keypoints and computingdescriptors using the Scale Invariant Feature Transform(SIFT) algorithm；
329.cvExtractSURF：detects keypoints andcomputes SURF descriptors for them；
再分享一下我老師大神的人工智能教程吧。零基礎！通俗易懂！風趣幽默！還帶黃段子！希望你也加入到我們人工智能的隊伍中來！https://blog.csdn.net/jiangjunshow
圖像處理和圖像識別中常用的OpenCV函數