图像处理和图像识别中常用的329个OpenCV函数

出处：fengbingchun的博客
1. cvLoadImage：将图像文件加载至内存；
2. cvNamedWindow：在屏幕上创建一个窗口；
3. cvDestroyWindow：销毁显示图像文件的窗口；
4. cvDestroyAllWindows：销毁显示图像文件的所有窗口；
5. cvShowImage：在一个已创建好的窗口中显示图像；
6. cvWaitKey：使程序暂停，等待用户触发一个按键操作；
7. cvReleaseImage：释放图像文件所分配的内存；
8. cvCreateFileCapture：通过参数设置确定要读入的AVI文件；
9. cvQueryFrame：用来将下一帧视频文件载入内存；
10. cvReleaseCapture：释放CvCapture结构开辟的内存空间；
11. cvCreateTrackbar：创建一个滚动条；
12. cvSetCaptureProperty：设置CvCapture对象的各种属性；
13. cvGetCaptureProperty：查询CvCapture对象的各种属性；
14. cvGetSize：当前图像结构的大小；
15. cvSmooth：对图像进行平滑处理；
16. cvPyrDown：图像金字塔，降采样，图像缩小为原来四分之一；
17. cvPyrUp：图像金字塔，将现有的图像在每个维度上都放大两倍；
18. cvResize：放大或缩小图像；
19. cvCreateCameraCapture：从摄像设备中读入数据；
20. cvCreateVideoWriter：创建一个写入设备以便逐帧将视频流写入视频文件；
21. cvWriteFrame：逐帧将视频流写入文件；
22. cvReleaseVideoWriter：释放CvVideoWriter结构开辟的内存空间；
23. CV_MAT_ELEM：从矩阵中得到一个元素；
24. cvAbs：计算数组中所有元素的绝对值；
25. cvAbsDiff：计算两个数组差值的绝对值；
26. cvAbsDiffS：计算数组和标量差值的绝对值；
27. cvAdd：两个数组的元素级的加运算；
28. cvAddS：一个数组和一个标量的元素级的相加运算；
29. cvAddWeighted：两个数组的元素级的加权相加运算(alpha运算)；
30. cvScaleAdd：计算一个数组缩放后与另一个数组的和；
31. cvAvg：计算数组中所有元素的平均值；
32. cvAvgSdv：计算数组中所有元素的绝对值和标准差；
33. cvCalcCovarMatrix：计算一组n维空间向量的协方差；
34. cvCmp：对两个数组中的所有元素运用设置的比较操作；
35. cvCmpS：对数组和标量运用设置的比较操作；
36. cvConvertScale(cvConvert)：用可选的缩放值转换数组元素类型；
37. cvCopy：把数组中的值复制到另一个数组中；
38. cvCountNonZero：计算数组中非0值的个数；
39. cvCrossProduct：计算两个三维向量的向量积(叉积)；
40. cvCvtColor：将数组的通道从一个颜色空间转换另外一个颜色空间；
41. cvDet：计算方阵的行列式；
42. cvDotProduct：计算两个向量的点积；
43. cvEigenVV：计算方阵的特征值和特征向量；
44. cvFlip：围绕选定轴翻转；
45. cvGEMM：矩阵乘法；
46. cvGetCol：从一个数组的列中复制元素；
47. cvGetCols：从数据的相邻的多列中复制元素；
48. cvGetDiag：复制数组中对角线上的所有元素；
49. cvGetDims：返回数组的维数；
50. cvGetDimSize：返回一个数组的所有维的大小；
51. cvGetRow：从一个数组的行中复制元素值；
52. cvGetRows：从一个数组的多个相邻的行中复制元素值；
53. cvGetSize：得到二维的数组的尺寸，以CvSize返回；
54. cvGetSubRect：从一个数组的子区域复制元素值；
55. cvInRange：检查一个数组的元素是否在另外两个数组中的值的范围内；
56. cvInRangeS：检查一个数组的元素的值是否在另外两个标量的范围内；
57. cvInvert：求矩阵的逆；
58. cvMahalonobis：计算两个向量间的马氏距离；
59. cvMax：在两个数组中进行元素级的取最大值操作；
60. cvMaxS：在一个数组和一个标量中进行元素级的取最大值操作；
61. cvMin：在两个数组中进行元素级的取最小值操作；
62. cvMinS：在一个数组和一个标量中进行元素级的取最小值操作；
63. cvMinMaxLoc：寻找数组中的最大最小值；
64. cvMul：计算两个数组的元素级的乘积(点乘)；
65. cvDiv：用另外一个数组对一个数组进行元素级的除法运算；
66. cvNormalize：将数组中元素进行归一化；
67. cvReduce：通过给定的操作符将二维数组简为向量；
68. cvRepeat：以平铺的方式进行数组复制；
69. cvSet：用给定值初始化数组；
70. cvSetZero：将数组中所有元素初始化为0；
71. cvSetIdentity：将数组中对角线上的元素设为1，其他置0；
72. cvSolve：求出线性方程组的解；
73. cvSplit：将多通道数组分割成多个单通道数组；
74. cvMerge：把几个单通道图像合并为一个多通道图像；
75. cvSub：两个数组元素级的相减；
76. cvSubS：元素级的从数组中减去标量；
77. cvSubRS：元素级的从标量中减去数组；
78. cvSum：对数组中的所有元素求和；
79. cvSVD：二维矩阵的奇异值分解；
80. cvSVBkSb：奇异值回代计算；
81. cvTrace：计算矩阵迹；
82. cvTranspose：矩阵的转置运算；
83. cvNot：按位对数组中的每一个元素求反；
84. cvOr：对两个数组进行按位或操作；
85. cvOrs：在数组与标量之间进行按位或操作；
86. cvXor：对两个数组进行按位异或操作；
87. cvXorS：在数组和标量之间进行按位异或操作；
88. cvAnd：对两个数组进行按位与操作；
89. cvAndS：在数组和标量之间进行按位与操作；
90. cvZero：将所有数组中的元素置为0；
91. cvConvertScaleAbs：计算可选的缩放值的绝对值之后再转换数组元素的类型；
92. cvNorm：计算数组的绝对范数， 绝对差分范数或者相对差分范数；
93. cvScale：是cvConvertScale的一个宏，可以用来重新调整数组的内容，并且可以将参数从一种数据类型转换为另一种；
94. cvT：是函数cvTranspose的缩写；
95. cvLine：画直线；
96. cvRectangle：画矩形；
97. cvCircle：画圆；
98. cvEllipse：画椭圆；
99. cvEllipseBox：使用外接矩形描述椭圆；
100.cvFillPoly、cvFillConvexPoly、cvPolyLine：画多边形；
101.cvPutText：在图像上输出一些文本；
102.cvGetTextSize：计算文本串的宽和高；
103.cvInitFont：采用一组参数配置一些用于屏幕输出的基本个特定字体；
104.cvSave：矩阵保存；
105.cvLoad：矩阵读取；
106.cvOpenFileStorage：为读/写打开存储文件；
107.cvReleaseFileStorage：释放存储的数据；
108.cvStartWriteStruct：开始写入新的数据结构；
109.cvEndWriteStruct：结束写入数据结构；
110.cvWriteInt：写入整数型；
111.cvWriteReal：写入浮点型；
112.cvWriteString：写入字符型；
113.cvWriteComment：写一个XML或YAML的注释字串；
114.cvWrite：写一个对象；
115.cvWriteRawData：写入多个数值；
116.cvWriteFileNode：将文件节点写入另一个文件存储器；
117.cvGetRootFileNode：获取存储器最顶层的节点；
118.cvGetFileNodeByName：在映图或存储器中找到相应节点；
119.cvGetHashedKey：为名称返回一个惟一的指针；
120.cvGetFileNode：在映图或文件存储器中找到节点；
121.cvGetFileNodeName：返回文件的节点名；
122.cvReadInt：读取一个无名称的整数型；
123.cvReadIntByName：读取一个有名称的整数型；
124.cvReadReal：读取一个无名称的浮点型；
125.cvReadRealByName：读取一个有名称的浮点型；
126.cvReadString：从文件节点中寻找字符串；
127.cvReadStringByName：找到一个有名称的文件节点并返回它；
128.cvRead：将对象解码并返回它的指针；
129.cvReadByName：找到对象并解码；
130.cvReadRawData：读取多个数值；
131.cvStartReadRawData：初始化文件节点序列的读取；
132.cvReadRawDataSlice：读取文件节点的内容；
133.cvGetModuleInfo：检查IPP库是否已经正常安装并且检验运行是否正常；
134.cvResizeWindow：用来调整窗口的大小；
135.cvSaveImage：保存图像；
136.cvMoveWindow：将窗口移动到其左上角为x,y的位置；
137.cvDestroyAllWindow：用来关闭所有窗口并释放窗口相关的内存空间；
138.cvGetTrackbarPos：读取滑动条的值；
139.cvSetTrackbarPos：设置滑动条的值；
140.cvGrabFrame：快速的从摄像头或视频文件中抓取帧，被抓取的帧在内部被存储；
141.cvRetrieveFrame：取回由函数cvGrabFrame抓取的图像，返回的图像不可以被用户释放或者修改；
142.cvConvertImage：用于在常用的不同图像格式之间转换；
143.cvErode：形态学腐蚀；
144.cvDilate：形态学膨胀；
145.cvMorphologyEx：更通用的形态学函数；
146.cvCreateStructuringElementEx：创建自定义的IplConvKernel核，应用在相应形态学操作中；
147.cvReleaseStructuringElement：释放由自定义创建的IplConvKernel核；
148.cvFloodFill：漫水填充算法，用来进一步控制哪些区域将被填充颜色；
149.cvPyrSegmentation：利用金字塔实现图像分割；
150.cvThreshold：图像阈值化；
151.cvAcc：可以将8位整数类型图像累加为浮点图像；
152.cvAdaptiveThreshold：图像自适应阈值；
153.cvFilter2D：图像卷积；
154.cvCopyMakeBorder：将特定的图像轻微变大，然后以各种方式自动填充图像边界；
155.cvCanny：Canny边缘检测；
156.cvSobel：图像边缘检测，Sobel算子；
157.cvLaplace：拉普拉斯变换、图像边缘检测；
158.cvHoughLines2：霍夫直线变换；
159.cvHoughCircles：霍夫圆变换；
160.cvWarpAffine：稠密仿射变换；
161.cvGetQuadrangleSubPix：仿射变换(提取像素四边形，使用子像素精度)；
162.cvGetRectSubPix：从图像中提取像素矩形，使用子像素精度；
163.cvGetAffineTransform：仿射映射矩阵的计算；
164.cvCloneImage：将整个IplImage结构复制到新的IplImage中；
165.cv2DRotationMatrix：仿射映射矩阵的计算；
166.cvTransform：稀疏仿射变换；
167.cvWarpPerspective：密集透视变换(单应性)；
168.cvGetPerspectiveTransform：计算透视映射矩阵；
169.cvPerspectiveTransform：稀疏透视变换；
170.cvCartToPolar：将数值从笛卡尔空间到极坐标(极性空间)进行映射；
171.cvPolarToCart：将数值从极性空间到笛卡尔空间进行映射；
172.cvLogPolar：对数极坐标变换；
173.cvDFT：离散傅里叶变换；
174.cvMulSpectrums：频谱乘法；
175.cvDCT：离散余弦变换；
176.cvIntegral：计算积分图像；
177.cvDistTransform：图像的距离变换；
178.cvEqualizeHist：直方图均衡化；
179.cvCreateHist：创建一新直方图；
180.cvReleaseHist：释放创建的直方图；
181.cvMakeHistHeaderForArray：根据已给出的数据创建直方图；
182.cvNormalizeHist：归一化直方图；
183.cvThreshHist：直方图阈值函数；
184.cvCalcHist：从图像中自动计算直方图；
185.cvCompareHist：用于对比两个直方图的相似度；
186.cvCalcEMD2：陆地移动距离(EMD)算法；
187.cvCalcBackProject：反向投影；
188.cvCalcBackProjectPatch：图块的方向投影；
189.cvMatchTemplate：模板匹配；
190.cvCreateMemStorage：用于创建一个内存存储器；
191.cvCreateSeq：创建序列；
192.cvSeqInvert：将序列进行逆序操作；
193.cvCvtSeqToArray：复制序列的全部或部分到一个连续内存数组中；
194.cvFindContours：从二值图像中寻找轮廓；
195.cvDrawContours：绘制轮廓；
196.cvApproxPoly：使用多边形逼近一个轮廓；
197.cvConvexHull2：使用Sklansky算法计算2D点集的凸外形；
198.cvPointPolygonTest：点在多边形中的位置(内部、外部、多边形边上)；
199.cvContourPerimeter：轮廓长度；
200.cvContoursMoments：计算轮廓矩；
201.cvMoments：计算Hu不变矩；
202.cvMatchShapes：使用矩进行匹配；
203.cvInitLineIterator：对任意直线上的像素进行采样；
204.cvSampleLine：对直线采样；
205.cvAbsDiff：帧差；
206.cvWatershed：分水岭算法；
207.cvInpaint：修补图像；
208.cvGoodFeaturesToTrack：寻找角点；
209.cvCornerHarris：Harris角点检测；
210.cvFindCornerSubPix：用于发现亚像素精度的角点位置；
211.cvMeanShift：mean-shift跟踪算法；
212.cvCamShift：camshift跟踪算法；
213.cvCreateConDensation：condensation算法，分配condensation滤波器结构；
214.cvReleaseConDensation：condensation算法，释放condensation滤波器结构；
215.cvConDensInitSampleSet：condensation算法，初始化condensation算法中的粒子集；
216.cvConDensUpdateByTime：condensation算法，估计下个模型状态；
217.cvConvertPointsHomogenious：对齐次坐标进行转换；
218.cvFindChessboardCorners：定位棋盘角点；
219.cvCalibrateCamera2：利用定标来计算摄像机的内参数和外参数；
220.cvInitUndistortMap：计算形变和非行变图像的对应；
221.cvInitUndistortRectifyMap：computes the undistortion and rectification transformation map；
222.cvRemap：图像重映射，校正标定图像，图像插值；
223.cvFindFundamentalMat：由两幅图像中对应点计算出基本矩阵；
224.cvComputeCorrespondEpilines：为一幅图像中的点计算其在另一幅图像中对应的对极线；
225.cvDrawChessboardCorners：绘制检测到的棋盘角点；
226.cvFindHomography：计算单应性矩阵；
227.cvRodrigues2：罗德里格斯变换；
228.cvFitLine：直线拟合算法；
229.cvCalcCovarMatrix：计算协方差矩阵；
230.cvInvert：计算协方差矩阵的逆矩阵；
231.cvMahalanobis：计算Mahalanobis距离；
232.cvKMeans2：K均值；
233.cvCloneMat：根据一个已有的矩阵创建一个新矩阵；
234.cvPreCornerDetect：计算用于角点检测的特征图；
235.cvGetImage：CvMat图像数据格式转换成IplImage图像数据格式；
236.cvMatMul：两矩阵相乘；
237.cvMatMulAdd：dst = src1 * src2 + src3；
238.cvRound：返回和参数最接近的整数值；
239.cvFloor：返回不大于参数的最大整数值；
240.cvCeil：返回不小于参数的最小整数值；
241.cvCreateImage：创建图像；
242.cvSetMouseCallback：用鼠标获取确定窗口上的矩形；
243.cvContourArea：计算整个或部分轮廓的面积；
244.cvArcLength：计算轮廓周长或曲线长度；
245.cvBoundingRect：计算点集的最外面矩形边界(获取轮廓的外接矩形)；
246.cvSeqRemove：删除序列中指定位置的元素(轮廓)；
247.cvGetTickCount：返回64位长整数的时间数据；
248.cvGetTickFrequency：返回系统时钟频率；
249.cvRNG：随机生成一个64位随机数(uint64)；
250.cvRandInt：返回均匀分布32位的随机数(uint32)；
251.cvRandReal:返回均匀分布0~1之间的随机小数；
252.cvRandArr：用随机数填充数组并更新RNG状态；
253.cvRandInit：初始化CvRandState数据结构，可以选定随机分布的种类，并给定它种子；
254.cvInitMatHeader：初始化矩阵头，不分配存储空间；
255.cvTermCriteria：迭代算法终止准则；
256.CvSVMParams：SVM训练参数，该结构需要初始化，并传递给CvSVM训练函数；
257.CvSVM::train：训练SVM(支持向量机)；
258.CvSVM::predict：预测一个新样本的响应值，在分类问题中，这个函数返回类别编号，在回归问题中，返回函数值；
259.cvSet2D：修改指定的数组；
260.CvSVM::get_support_vector_count：获得支持向量的个数；
261.CvSVM::get_support_vector：获得对应索引编号的支持向量；
262.CvSVM::save：将SVM训练完的数据保存到指定的文件中(save来源于cvStatModel为ML库的通用类)；
263.CvSVM::load：将指定的文件装载到SVM指定的对象中；
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，清除消极的codebook；
267.cvBGCodeBookDiff：codebook方法中，背景减除；
268.cvReleaseBGCodeBookModel：codebook方法中，释放资源；
269.cvSegmentFGMask：对前景做连通域分割；
270.cvRunningAvg：更新running average，可用于运动目标检测中更新背景；
271.cvCalcOpticalFlowHS：使用Horn&Schunck算法计算两幅图像的光流；
272.cvCalcOpticalFlowLK：使用Lucas&Kanade算法计算两幅图像的光流(非金字塔)；
273.cvCalcOpticalFlowPyrLK：使用金字塔Lucas&Kanade方法计算一个稀疏特征集的光流；
274.cvCalcOpticalFlowBM：用块匹配方法计算两幅图像的光流；
275.cvUpdateMotionHistory：运动模板中，去掉影像以更新运动历史图像；
276.cvRunningAvg：更新running average滑动平均；
277.cvCalcMotionGradient：运动模板中，计算运动历史图像的梯度方向；
278.cvSegmentMotion：运动模板中，将整个运动分割为独立的运动部分；
279.cvCalcGlobalOrientation：运动模板中，计算某些选择区域的全局运动方向；
280.cvGetMinMaxHistValue：直方图中找到最小值和最大值；
281.cvMinAreaRect2：寻找最小面积的外接矩形；
282.cvMinEnclosingCircle：计算轮廓的最小外接圆；
283.cvFitEllipse2：获取轮廓的椭圆边界框；
284.cvMaxRect：寻找包含两个输入矩形的具有最小面积的矩形边界；
285.cvBoxPoints：寻找盒子的顶点；
286.cvCreateKalman：Kalman中，分配Kalman滤波器结构；
287.cvReleaseKalman：Kalman中，释放Kalman滤波器结构；
288.cvKalmanPredict：Kalman中，估计后来的模型状态；
289.cvKalmanCorrect：Kalman中，调节模型状态；
290.cvLoadHaarClassifierCascade：CvHaarClassifierCascade中，从文件中装载训练好的级联分类器或者从OpenCV中嵌入的分类器数据库中导入；
291.cvHaarDetectObjects：CvHaarClassifierCascade中，检测图像中的目标；
292.cvSetImageForHaarClassifierCascade：CvHaarClassifierCascade中，为隐藏的cascade(hidden cascade)指定图像；
293.cvReleaseHaarClassifierCascade：CvHaarClassifierCascade中，释放haar classifier cascade；
294.cvRunHaarClassifierCascade：CvHaarClassifierCascade中，在给定位置的图像中运行cascade of boosted classifier；
295.CvAdaptiveSkinDetector::process：皮肤检测；
296.cvCalcEigenObjects：计算传入影像阵列的eigen vector、eigen value、image average(影像平均值)；
297.cvEigenDecomposite：透过eigen vector和原始影像集来解析每张图片降维后对应的系数coefficients；
298.cvEigenProjection：投影图片在特征空间；
299.cvAlloc：分配内存；
300.cvFree：释放内存(cvAlloc与cvFree应匹配出现)；
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：计算平方根；
317.cvPow：对数组内每个元素求幂；
318.cvCbrt：计算立方根；
319.cvExp：计算数组元素的指数幂；
320.cvLog：计算每个数组元素的绝对值的自然对数；
321.cvSetImageROI：设置感兴趣区域；
322.cvResetImageROI：释放感兴趣区域；
323.cvSetImageCOI：设置感兴趣通道；
324.cvLUT：显示查找表，实际上就是一张像素灰度值的映射表，它将实际采样到的像素灰度值经过一定的变换如阈值、反转、二值化、对比度调整、线性变换等，变成了另外一个与之对应的灰度值；
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；