opencv的api（opencv的api是什么）

## OpenCV 的 API### 简介OpenCV (Open Source Computer Vision Library) 是一个开源的计算机视觉和机器学习软件库。它包含了大量的图像处理、计算机视觉和机器学习算法，并提供了 C++, Python, Java 等多种语言的接口。OpenCV 的 API 设计精良，易于使用，使得开发者可以方便地构建复杂的计算机视觉应用程序。### 核心模块OpenCV 的 API 主要分为以下几个核心模块:#### 1. core 模块-

基础数据结构:

-

Mat:

OpenCV 中最核心的数据结构，用于存储图像和矩阵数据。 -

Point, Rect, Size, Scalar:

表示点、矩形、尺寸和标量的结构体。-

基本操作:

-

图像读取和写入:

`imread()`, `imwrite()`-

数据类型转换:

`convertTo()`-

内存管理:

`malloc()`, `free()`, `copyTo()`, `clone()`-

算术逻辑运算:

`add()`, `subtract()`, `multiply()`, `divide()`, `bitwise_and()`, etc.-

其他:

-

随机数生成:

`RNG` 类-

XML/YMAL 文件读写:

`FileStorage` 类#### 2. imgproc 模块-

图像处理:

-

滤波:

`blur()`, `GaussianBlur()`, `medianBlur()`, `bilateralFilter()`-

形态学操作:

`erode()`, `dilate()`, `morphologyEx()`-

图像变换:

`resize()`, `warpAffine()`, `warpPerspective()`, `remap()`-

直方图:

`calcHist()`, `equalizeHist()`-

边缘检测:

`Canny()`, `Sobel()`, `Laplacian()`-

霍夫变换:

`HoughLines()`, `HoughCircles()`-

图像分割:

`threshold()`, `watershed()`-

颜色空间转换:

`cvtColor()`#### 3. highgui 模块-

图形界面:

-

窗口操作:

`namedWindow()`, `imshow()`, `waitKey()`-

鼠标事件处理:

`setMouseCallback()`#### 4. videoio 模块-

视频处理:

-

视频读取和写入:

`VideoCapture` 类, `VideoWriter` 类-

视频编解码:

支持多种视频编解码器#### 5. calib3d 模块-

相机标定和三维重建:

-

相机标定:

`findChessboardCorners()`, `calibrateCamera()`, `undistort()`-

姿态估计:

`solvePnP()`-

立体视觉:

`stereoCalibrate()`, `stereoRectify()`#### 6. features2d 模块-

特征点检测和描述:

-

特征点检测器:

`FAST`, `SIFT`, `SURF`, `ORB`-

描述子提取器:

`SIFT`, `SURF`, `ORB`, `BRIEF`, `BRISK`-

特征点匹配:

`BFMatcher`, `FlannBasedMatcher`#### 7. objdetect 模块-

目标检测:

-

Haar 级联分类器:

`CascadeClassifier` 类-

HOG 特征 + SVM 分类器:

`HOGDescriptor` 类#### 8. ml 模块-

机器学习:

-

分类器:

`SVM`, `KNN`, `Boosting`, `Random forest`-

聚类:

`K-means`, `Hierarchical clustering`### 示例代码```python import cv2# 读取图像 img = cv2.imread("image.jpg")# 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 对灰度图像进行高斯滤波 blur = cv2.GaussianBlur(gray, (5, 5), 0)# 使用 Canny 算子进行边缘检测 edges = cv2.Canny(blur, 100, 200)# 显示结果 cv2.imshow("Original", img) cv2.imshow("Edges", edges) cv2.waitKey(0) cv2.destroyAllWindows() ```### 总结OpenCV 提供了丰富的 API，涵盖了图像处理、计算机视觉和机器学习的各个方面。开发者可以根据自己的需求选择合适的 API 来构建自己的应用程序。

OpenCV 的 API

简介OpenCV (Open Source Computer Vision Library) 是一个开源的计算机视觉和机器学习软件库。它包含了大量的图像处理、计算机视觉和机器学习算法，并提供了 C++, Python, Java 等多种语言的接口。OpenCV 的 API 设计精良，易于使用，使得开发者可以方便地构建复杂的计算机视觉应用程序。

核心模块OpenCV 的 API 主要分为以下几个核心模块:

1. core 模块- **基础数据结构:** - **Mat:** OpenCV 中最核心的数据结构，用于存储图像和矩阵数据。 - **Point, Rect, Size, Scalar:** 表示点、矩形、尺寸和标量的结构体。- **基本操作:**- **图像读取和写入:** `imread()`, `imwrite()`- **数据类型转换:** `convertTo()`- **内存管理:** `malloc()`, `free()`, `copyTo()`, `clone()`- **算术逻辑运算:** `add()`, `subtract()`, `multiply()`, `divide()`, `bitwise_and()`, etc.- **其他:**- **随机数生成:** `RNG` 类- **XML/YMAL 文件读写:** `FileStorage` 类

2. imgproc 模块- **图像处理:**- **滤波:** `blur()`, `GaussianBlur()`, `medianBlur()`, `bilateralFilter()`- **形态学操作:** `erode()`, `dilate()`, `morphologyEx()`- **图像变换:** `resize()`, `warpAffine()`, `warpPerspective()`, `remap()`- **直方图:** `calcHist()`, `equalizeHist()`- **边缘检测:** `Canny()`, `Sobel()`, `Laplacian()`- **霍夫变换:** `HoughLines()`, `HoughCircles()`- **图像分割:** `threshold()`, `watershed()`- **颜色空间转换:** `cvtColor()`

3. highgui 模块- **图形界面:**- **窗口操作:** `namedWindow()`, `imshow()`, `waitKey()`- **鼠标事件处理:** `setMouseCallback()`

4. videoio 模块- **视频处理:**- **视频读取和写入:** `VideoCapture` 类, `VideoWriter` 类- **视频编解码:** 支持多种视频编解码器

5. calib3d 模块- **相机标定和三维重建:**- **相机标定:** `findChessboardCorners()`, `calibrateCamera()`, `undistort()`- **姿态估计:** `solvePnP()`- **立体视觉:** `stereoCalibrate()`, `stereoRectify()`

6. features2d 模块- **特征点检测和描述:**- **特征点检测器:** `FAST`, `SIFT`, `SURF`, `ORB`- **描述子提取器:** `SIFT`, `SURF`, `ORB`, `BRIEF`, `BRISK`- **特征点匹配:** `BFMatcher`, `FlannBasedMatcher`

7. objdetect 模块- **目标检测:**- **Haar 级联分类器:** `CascadeClassifier` 类- **HOG 特征 + SVM 分类器:** `HOGDescriptor` 类

8. ml 模块- **机器学习:**- **分类器:** `SVM`, `KNN`, `Boosting`, `Random forest`- **聚类:** `K-means`, `Hierarchical clustering`

示例代码```python import cv2

读取图像 img = cv2.imread("image.jpg")

将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

对灰度图像进行高斯滤波 blur = cv2.GaussianBlur(gray, (5, 5), 0)

使用 Canny 算子进行边缘检测 edges = cv2.Canny(blur, 100, 200)

显示结果 cv2.imshow("Original", img) cv2.imshow("Edges", edges) cv2.waitKey(0) cv2.destroyAllWindows() ```

总结OpenCV 提供了丰富的 API，涵盖了图像处理、计算机视觉和机器学习的各个方面。开发者可以根据自己的需求选择合适的 API 来构建自己的应用程序。