opencv处理函数，图像处理常用函数

由于众所周知的原因，OpenCv官网我们常常404，笔者这里直接整理了中文版的opencv功能函数，也是我们图像处理过程中最常用的函数，若你可链接外网可直接查看：
opencv

其中存在少许的乱码可能笔者未能检查出，凑合着学把。

功能

详细说明
本节中描述的函数和类用于对2D图像（表示为Mat）执行各种线性或非线性滤波操作。这意味着对于源图像（通常为矩形）中的每个像素位置，都将考虑其邻域并将其用于计算响应。对于线性滤波器，它是像素值的加权和。在形态操作的情况下，它是最小值或最大值，依此类推。计算出的响应存储在目标图像的相同位置（x ，y）（x ，y）。这意味着输出图像将具有与输入图像相同的尺寸。通常，这些功能支持多通道数组，在这种情况下，每个通道都是独立处理的。因此，输出图像还将具有与输入图像相同数量的通道。

本节中描述的函数和类的另一个共同特征是，与简单的算术函数不同，它们需要推断一些不存在的像素的值。例如，如果要使用高斯滤镜对图像进行平滑处理，则在处理每行中最左边的像素时，需要在它们左侧（即图像外部）放置像素。您可以使这些像素与最左边的图像像素相同（“复制边框”外推方法），或者假定所有不存在的像素均为零（“恒定边界”外推方法），依此类推。OpenCV使您可以指定外推方法。有关详细信息，请参见BorderTypes3 × 3

深度组合
输入深度（src.depth（）） 输出深度（深度）
CV_8U -1 / CV_16S / CV_32F / CV_64F
CV_16U / CV_16S -1 / CV_32F / CV_64F
CV_32F -1 / CV_32F / CV_64F
CV_64F -1 / CV_64F
注意
当ddepth = -1时，输出图像的深度与源图像的深度相同。
枚举类型文档
◆ 变形形态
枚举cv :: MorphShapes
#include <opencv2/imgproc.hpp>

结构元素的形状

枚举器
MORPH_RECT
Python：cv.MORPH_RECT
矩形结构元素：

Ë我Ĵ= 1
MORPH_CROSS
Python：cv.MORPH_CROSS
十字形结构元素：

Ë我Ĵ= { 10如果i = \ texttt {anchor.y}或j = \ texttt {anchor.x}除此以外
MORPH_ELLIPSE
Python：cv.MORPH_ELLIPSE
一个椭圆结构元素，即，内接到矩形Rect（0，0，esize.width，0.esize.height）的填充的椭圆

◆ 变形类型
枚举cv :: MorphTypes
#include <opencv2/imgproc.hpp>

形态学操作类型

枚举器
MORPH_ERODE
Python：cv.MORPH_ERODE
见侵蚀

MORPH_DILATE
Python：cv.MORPH_DILATE
见扩张

MORPH_OPEN
Python：cv.MORPH_OPEN

关闭操作

dst = c l o s e（ src，元素）= e r o d e（ d i l a t e（ src，元素））
MORPH_GRADIENT
Python：cv.MORPH_GRADIENT
形态梯度

MORPH_TOPHAT
Python：cv.MORPH_TOPHAT
高顶礼帽

dst = t o p h a t（ src，元素）= src − o p e n（ src，元素）
MORPH_BLACKHAT
Python：cv.MORPH_BLACKHAT

◆ 特殊过滤器
枚举cv :: SpecialFilter
#include <opencv2/imgproc.hpp>

枚举器
FILTER_SCHARR
的Python：cv.FILTER_SCHARR
功能文件
◆ lateralFilter（）
无效的cv :: bilateralFilter （ 输入数组 SRC，
输出数组 DST，
整型 d，
双 sigmaColor，
双 sigmaSpace，
整型 borderType =BORDER_DEFAULT
）
蟒蛇：
dst = cv.bilateralFilter（ src，d，sigmaColor，sigmaSpace [，dst [，borderType]] ）
#include <opencv2/imgproc.hpp>

将双边过滤器应用于图像。

该函数将双边滤波应用于输入图像，如http://www.dai.ed.ac.uk/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.htmlbilateralFilter中所述，bilateralFilter可以很好地减少不必要的噪声，同时保持边缘相当清晰。但是，与大多数过滤器相比，它非常慢。

西格玛值：为简单起见，您可以将2个西格玛值设置为相同。如果它们很小（<10），则滤镜效果不大；而如果它们很大（> 150），则滤镜效果会很强，使图像看起来“卡通化”。

过滤器大小：大型过滤器（d> 5）非常慢，因此对于实时应用程序建议使用d = 5，对于需要重噪声过滤的离线应用程序建议使用d = 9。

此过滤器无法在原位工作。

参量
src 源8位或浮点，1通道或3通道图像。
dst 与src大小和类型相同的目标映像。
d 滤波期间使用的每个像素邻域的直径。如果它不是正值，则从sigmaSpace计算得出。
sigmaColor 在色彩空间中过滤sigma。该参数的值越大，表示像素邻域内的其他颜色（请参见sigmaSpace）将混合在一起，从而产生更大的半均等颜色区域。
sigmaSpace 在坐标空间中过滤sigma。该参数的值越大，意味着越远的像素就会相互影响，只要它们的颜色足够接近即可（请参见sigmaColor）。当d> 0时，它指定邻域大小，而不考虑sigmaSpace。否则，d与sigmaSpace成比例。
borderType 用于推断图像外部像素的边框模式，请参见BorderTypes
例子：
samples / cpp / tutorial_code / ImgProc / Smoothing / Smoothing.cpp。
◆ blur（）
无效的简历::模糊 （ 输入数组 SRC，
输出数组 DST，
尺寸 ksize，
点 锚 = Point(-1,-1)，
整型 borderType =BORDER_DEFAULT
）
蟒蛇：
dst = cv.blur（ src，ksize [，dst [，anchor [，borderType]]] ）
#include <opencv2/imgproc.hpp>

使用归一化框滤镜模糊图像。

该函数使用内核对图像进行平滑处理：

K =1ksize.width * ksize.height⎡⎣⎢⎢⎢1个1个…1个1个1个1个1个1个1个⋯⋯⋯1个1个1个1个1个1个⎤⎦⎥⎥⎥
该呼叫blur(src, dst, ksize, anchor, borderType)等效于boxFilter(src, dst, src.type(), anchor, true, borderType)。

参量
src 输入图像；它可以具有任意数量的通道，这些通道可以独立处理，但深度应为CV_8U，CV_16U，CV_16S，CV_32F或CV_64F。
dst 输出与src大小和类型相同的图像。
大小 内核大小模糊。
锚 锚点 默认值Point（-1，-1）表示锚点位于内核中心。
borderType 用于推断图像外部像素的边框模式，请参见BorderTypes。不支持BORDER_WRAP。
也可以看看
boxFilter，bilateralFilter，GaussianBlur，midBlur
例子：
samples / cpp / edge.cpp，samples / cpp / laplace.cpp和samples / cpp / tutorial_code / ImgProc / Smoothing / Smoothing.cpp。
◆ boxFilter（）
无效的cv :: boxFilter （ 输入数组 SRC，
输出数组 DST，
整型 ddepth，
尺寸 ksize，
点 锚 = Point(-1,-1)，
布尔 归一化 = true，
整型 borderType =BORDER_DEFAULT
）
蟒蛇：
dst = cv.boxFilter（ src，ddepth，ksize [，dst [，anchor [，normalize [，borderType]]]]] ）
#include <opencv2/imgproc.hpp>

使用方框滤镜模糊图像。

α = { 1ksize.width * ksize.height1个当\ texttt {nor