OpenCV中的重要、常用知识点汇总(图像处理、特征检测与匹配、图像分割与轮廓分析、视频处理与分析和机器学习与深度学习等)

OpenCV(Open Source Computer Vision Library)是一个广泛使用的开源计算机视觉和机器学习软件库,提供了丰富的功能模块,涵盖了图像处理、视频分析、计算机视觉、机器学习等多个领域。下面对一些重要、常用的 OpenCV 知识点汇总:

1. 图像基本操作

  • 图像读写

    • cv::imread():读取图像。
    • cv::imwrite():保存图像。
    • cv::imshow():显示图像。
    • cv::cvtColor():颜色空间转换(如 RGB 转灰度图)。
  • 图像属性

    • cv::Mat:图像数据存储结构,二维矩阵,支持各种图像类型(如灰度图、彩色图等)。
  • 图像处理基础

    • 图像大小:img.rowsimg.colsimg.size()
    • 通道数:img.channels()
    • 图像深度:img.depth()

2. 图像变换

  • 几何变换

    • cv::resize():图像缩放。
    • cv::rotate():图像旋转。
    • cv::warpAffine():仿射变换。
    • cv::warpPerspective():透视变换。
  • 图像裁剪与填充

    • 使用 cv::Rect 来裁剪图像。
    • cv::copyTo():用于复制图像区域。

3. 图像滤波

  • 平滑

    • cv::blur():均值滤波。
    • cv::GaussianBlur():高斯滤波。
    • cv::medianBlur():中值滤波。
    • cv::bilateralFilter():双边滤波(保持边缘的同时进行平滑)。
  • 边缘检测

    • cv::Canny():Canny 边缘检测。
    • cv::Sobel():Sobel 算子。
    • cv::Laplacian():拉普拉斯算子。

4. 图像特征检测与匹配

  • 角点检测

    • cv::cornerHarris():Harris 角点检测。
    • cv::goodFeaturesToTrack():Shi-Tomasi 角点检测。
  • 特征点检测

    • cv::ORB()cv::SIFT()cv::SURF():特征检测与描述符提取。
    • cv::AKAZE():快速的 AKAZE 特征。
  • 特征匹配

    • cv::BFMatcher():暴力匹配。
    • cv::FlannBasedMatcher():基于 FLANN 的匹配器。
    • cv::findHomography():基于 RANSAC 的单应性矩阵求解。

5. 图像分割与轮廓分析

  • 阈值化

    • cv::threshold():图像阈值化。
    • cv::adaptiveThreshold():自适应阈值化。
  • 轮廓检测

    • cv::findContours():查找轮廓。
    • cv::drawContours():绘制轮廓。
    • cv::approxPolyDP():多边形拟合。
  • 图像分水岭算法

    • cv::watershed():分水岭算法,图像分割。

6. 图像形态学操作

  • 基本形态学操作

    • cv::erode():腐蚀。
    • cv::dilate():膨胀。
    • cv::morphologyEx():开运算、闭运算等。
  • 结构元素

    • cv::getStructuringElement():获取结构元素。

7. 视频处理与分析

  • 视频读写

    • cv::VideoCapture():读取视频。
    • cv::VideoWriter():写入视频。
  • 背景分离与运动检测

    • cv::BackgroundSubtractorMOG2():背景减除。
    • cv::optFlow():光流法,运动检测。
  • 目标跟踪

    • cv::TrackerKCF::create():KCF 跟踪器。
    • cv::TrackerCSRT::create():CSRT 跟踪器。

8. 机器学习与深度学习

  • 支持向量机(SVM)

    • cv::ml::SVM::train():训练 SVM 模型。
    • cv::ml::SVM::predict():SVM 分类。
  • 决策树与随机森林

    • cv::ml::DTrees:决策树。
    • cv::ml::RandomTrees:随机森林。
  • 神经网络与深度学习

    • OpenCV DNN 模块:支持 Caffe、TensorFlow、Torch 等框架的模型加载和推理。
    • cv::dnn::readNet():加载模型。
    • cv::dnn::blobFromImage():将图像转换为网络输入。

9. 相机标定与立体视觉

  • 相机标定

    • cv::calibrateCamera():相机标定。
    • cv::findChessboardCorners():查找棋盘格角点。
  • 立体匹配

    • cv::StereoBM():块匹配算法。
    • cv::StereoSGBM():半全局块匹配算法。

10. 三维重建与点云处理

  • 立体匹配与深度图

    • cv::stereoCalibrate():立体标定。
    • cv::reprojectImageTo3D():将深度图重建为三维点云。
  • 结构光与激光扫描

    • 使用 cv::triangulatePoints() 进行三角测量。

11. OpenCV 与其他库的集成

  • 与 Qt 集成:OpenCV 可以与 Qt 配合使用,开发基于 GUI 的图像处理应用。
  • 与 GStreamer 集成:处理视频流时,OpenCV 与 GStreamer 的结合可以提升视频捕获和处理性能。

12. OpenCV 实用工具

  • 调试与优化

    • cv::getTickCount()cv::getTickFrequency():用于测量时间,性能优化。
  • 图像显示与保存

    • 支持多种格式,如 BMP、PNG、JPEG 等。

这些是 OpenCV 中的一些基本知识点,涵盖了图像处理、特征检测、视频分析、机器学习等方面。

相关推荐
阿杜杜不是阿木木1 天前
什么?OpenCV调用cv2.putText()乱码?寻找支持中文的方法之旅
人工智能·opencv·计算机视觉
赴3351 天前
图像边缘检测
人工智能·python·opencv·计算机视觉
星期天要睡觉1 天前
(纯新手教学)计算机视觉(opencv)实战八——四种边缘检测详解:Sobel、Scharr、Laplacian、Canny
人工智能·opencv·计算机视觉
一起搞IT吧1 天前
高通Camx hal进程CSLAcquireDeviceHW crash问题分析一:CAM-ICP FW response timeout导致
android·图像处理·数码相机
Kingsdesigner1 天前
我用Photoshop Firefly+Blender,拯救被环境毁掉的人像大片
图像处理·ui·adobe·社交电子·blender·传媒·photoshop
windSnowLi1 天前
Python opencv识别图片中重叠圆的圆心位置
开发语言·python·opencv
lxmyzzs2 天前
【图像算法 - 21】慧眼识虫:基于深度学习与OpenCV的农田害虫智能识别系统
人工智能·深度学习·opencv·算法·yolo·目标检测·计算机视觉
批量小王子2 天前
2025-08-19利用opencv检测图片中文字及图片的坐标
人工智能·opencv·计算机视觉
法迪2 天前
【学习】Linux 内核中的 cgroup freezer 子系统
人工智能·opencv·计算机视觉
这张生成的图像能检测吗2 天前
(论文速读)RandAR:突破传统限制的随机顺序图像自回归生成模型
图像处理·人工智能·机器学习·计算机视觉·生成模型·自回归模型