atitit  opencv apiattilax总结 约500个函数 .xlsx

atitit  opencv apiattilax总结 约500个函数 .xlsx

1.1. CxCore中文参考手册 1

1.2. 机器学习中文参考手册  knn  svm  1

1.3. CvAux中文参考手册 立体匹配   3D Tracking PCA) Markov Models    \3

1.4. 图像处理  1 梯度、边缘和角点  2 采样、插值和几何变换  3 形态学操作 4 滤波器与色彩空间变换 5 金字塔及其应用  6 连接部件   7 图像与轮廓矩 8 特殊图像变换 9 直方图 10 匹配  4

1.5. Cv运动分析与对象跟踪 7

1.6. Cv模式识别 目标检测   8

1.7. Cv中文参考手册 *图像处理 运动分析与对象跟踪 模式识别  照相机定标和三维重建8

1.8. HighGUI中文参考手册 8


1.1. CxCore中文参考手册


CxCore中文参考手册

基础结构
数组操作
动态结构
绘图函数
数据保存和运行时类型信息
其它混合函数
错误处理和系统函数

1.2. 机器学习中文参考手册  knn  svm

本文翻译尚未完成,请您将英文部分翻译为中文。

目录
1 简介:通用类和函数
1.1 CvStatModel
1.2 CvStatModel::CvStatModel
1.3 CvStatModel::CvStatModel(...)
1.4 CvStatModel::~CvStatModel
1.5 CvStatModel::clear
1.6 CvStatModel::save
1.7 CvStatModel::load
1.8 CvStatModel::write
1.9 CvStatModel::read
1.10 CvStatModel::train
1.11 CvStatModel::predict
2 Normal Bayes 分类器
2.1 CvNormalBayesClassifier
2.2 CvNormalBayesClassifier::train
2.3 CvNormalBayesClassifier::predict
3 K近邻算法
3.1 CvKNearest
3.2 CvKNearest::train
3.3 CvKNearest::find_nearest
3.4 例程:使用kNN进行2维样本集的分类,样本集的分布为混合高斯分布
4 支持向量机部分
4.1 CvSVM
4.2 CvSVMParams
4.3 CvSVM::train
4.4 CvSVM::get_support_vector*
4.5 补充:在WindowsXP+OpenCVRC1平台下整合OpenCV与libSVM
4.6 常用libSVM资料链接
5 决策树
5.1 CvDTreeSplit
5.2 CvDTreeNode
5.3 CvDTreeParams
5.4 CvDTreeTrainData
5.5 CvDTree
5.6 CvDTree::train
5.7 CvDTree::predict
6 Boosting
6.1 CvBoostParams
6.2 CvBoostTree
6.3 CvBoost
6.4 CvBoost::train
6.5 CvBoost::predict
6.6 CvBoost::prune
6.7 CvBoost::get_weak_predictors
7 中文翻译者

1.3. CvAux中文参考手册 立体匹配   3D Tracking PCA) Markov Models

\

目录
1 立体匹配
1.1 FindStereoCorrespondence
2 View Morphing Functions
2.1 MakeScanlines
2.2 PreWarpImage
2.3 FindRuns
2.4 DynamicCorrespondMulti
2.5 MakeAlphaScanlines
2.6 MorphEpilinesMulti
2.7 PostWarpImage
2.8 DeleteMoire
3 3D Tracking Functions
3.1 3dTrackerCalibrateCameras
3.2 3dTrackerLocateObjects
4 Eigen Objects (PCA) Functions
4.1 CalcCovarMatrixEx
4.2 CalcEigenObjects
4.3 CalcDecompCoeff
4.4 EigenDecomposite
4.5 EigenProjection
5 Embedded Hidden Markov Models Functions
5.1 CvHMM
5.2 CvImgObsInfo
5.3 Create2DHMM
5.4 Release2DHMM
5.5 CreateObsInfo
5.6 ReleaseObsInfo
5.7 ImgToObs_DCT
5.8 UniformImgSegm
5.9 InitMixSegm
5.10 EstimateHMMStateParams
5.11 EstimateTransProb
5.12 EstimateObsProb
5.13 EViterbi
5.14 MixSegmL2

1.4. 图像处理  1 梯度、边缘和角点  2 采样、插值和几何变换  3 形态学操作 4 滤波器与色彩空间变换 5 金字塔及其应用  6 连接部件   7 图像与轮廓矩 8 特殊图像变换 9 直方图 10 匹配

Cv图像处理

注意:本章描述图像处理和分析的一些函数。大多数函数都是针对两维象素数组的,这里,我们称这些数组为“图像”,但是它们不一定非得是IplImage 结构,也可以是CvMat或者CvMatND结构。

目录
1 梯度、边缘和角点
1.1 Sobel
1.2 Laplace
1.3 Canny
1.4 PreCornerDetect
1.5 CornerEigenValsAndVecs
1.6 CornerMinEigenVal
1.7 CornerHarris
1.8 FindCornerSubPix
1.9 GoodFeaturesToTrack
2 采样、插值和几何变换
2.1 InitLineIterator
2.2 SampleLine
2.3 GetRectSubPix
2.4 GetQuadrangleSubPix
2.5 Resize
2.6 WarpAffine
2.7 GetAffineTransform
2.8 2DRotationMatrix
2.9 WarpPerspective
2.10 WarpPerspectiveQMatrix
2.11 GetPerspectiveTransform
2.12 Remap
2.13 LogPolar
3 形态学操作
3.1 CreateStructuringElementEx
3.2 ReleaseStructuringElement
3.3 Erode
3.4 Dilate
3.5 MorphologyEx
4 滤波器与色彩空间变换
4.1 Smooth
4.2 Filter2D
4.3 CopyMakeBorder
4.4 Integral
4.5 CvtColor
4.6 Threshold
4.7 AdaptiveThreshold
5 金字塔及其应用  6 连接部件 7 图像与轮廓矩 7 图像与轮廓矩 8 特殊图像变换 9 直方图 10 匹配

5.1 PyrDown
5.2 PyrUp
6 连接部件
6.1 CvConnectedComp
6.2 FloodFill
6.3 FindContours
6.4 StartFindContours
6.5 FindNextContour
6.6 SubstituteContour
6.7 EndFindContours
6.8 PyrSegmentation
6.9 PyrMeanShiftFiltering
6.10 Watershed
7 图像与轮廓矩 8 特殊图像变换 9 直方图 10 匹配

7.1 Moments
7.2 GetSpatialMoment
7.3 GetCentralMoment
7.4 GetNormalizedCentralMoment
7.5 GetHuMoments
8 特殊图像变换
8.1 HoughLines
8.2 HoughCircles
8.3 DistTransform
8.4 Inpaint
9 直方图 10 匹配

9.1 CvHistogram
9.2 CreateHist
9.3 SetHistBinRanges
9.4 ReleaseHist
9.5 ClearHist
9.6 MakeHistHeaderForArray
9.7 QueryHistValue_1D
9.8 GetHistValue_1D
9.9 GetMinMaxHistValue
9.10 NormalizeHist
9.11 ThreshHist
9.12 CompareHist
9.13 CopyHist
9.14 CalcHist
9.15 CalcBackProject
9.16 CalcBackProjectPatch
9.17 CalcProbDensity
9.18 EqualizeHist
10 匹配
10.1 MatchTemplate
10.2 MatchShapes
10.3 CalcEMD2


1.5. Cv运动分析与对象跟踪


Cv运动分析与对象跟踪

目录
1 背景统计量的累积
1.1 Acc
1.2 SquareAcc
1.3 MultiplyAcc
1.4 RunningAvg
2 运动模板
2.1 UpdateMotionHistory
2.2 CalcMotionGradient
2.3 CalcGlobalOrientation
2.4 SegmentMotion
3 对象跟踪
3.1 MeanShift
3.2 CamShift
3.3 SnakeImage
4 光流
4.1 CalcOpticalFlowHS
4.2 CalcOpticalFlowLK
4.3 CalcOpticalFlowBM
4.4 CalcOpticalFlowPyrLK
5 预估器
5.1 CvKalman
5.2 CreateKalman
5.3 ReleaseKalman
5.4 KalmanPredict
5.5 KalmanCorrect
5.6 CvConDensation
5.7 CreateConDensation
5.8 ReleaseConDensation
5.9 ConDensInitSampleSet
5.10 ConDensUpdateByTime

1.6. Cv模式识别 目标检测

目录
1 目标检测
1.1 CvHaarFeature, CvHaarClassifier, CvHaarStageClassifier, CvHaarClassifierCascade
1.2 cvLoadHaarClassifierCascade
1.3 cvReleaseHaarClassifierCascade
1.4 cvHaarDetectObjects
1.5 cvSetImagesForHaarClassifierCascade
1.6 cvRunHaarClassifierCascade


1.7. Cv中文参考手册 *图像处理 运动分析与对象跟踪 模式识别  照相机定标和三维重建


Cv中文参考手册

图像处理
结构分析
运动分析与对象跟踪
模式识别
照相机定标和三维重建


1.8. HighGUI中文参考手册


HighGUI中文参考手册

HighGUI概述
简单图形界面
读取与保存图像
视频读写函数
实用函数与系统函数

opencv中文版API文档 - 下载频道 - CSDN.NET.html

OpenCV API Reference — OpenCV 3.0.0-dev documentation.html

作者:: 绰号:老哇的爪子 ( 全名::Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 )

汉字名:艾提拉(艾龙),   EMAIL:14665[email protected]

转载请注明来源: http://www.cnblogs.com/attilax/

Atiend

时间: 2025-01-03 19:51:32

atitit  opencv apiattilax总结 约500个函数 .xlsx的相关文章

OpenCV for Python 学习 (一 绘图函数)

本人的学习笔记主要记录的是学习opencv-python-tutorials这本书中的笔记 今天晚上简单学习OpenCV for Python如何绘图,主要用了这几个函数(这几个函数可在:http://docs.opencv.org/modules/core/doc/drawing_functions.html 找到): cv2.line(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) cv2.circle(img, center,

在Opencv中实现Matlab的bwareaopen函数功能

在Matlab中,我们通常利用bwareaopen函数去除八邻域内面积小于一定值的连通域. matlab函数bwareaopen──删除小面积对象 格式:BW2 = bwareaopen(BW,P,conn) 作用:删除二值图像BW中面积小于P的对象,默认情况下使用8邻域. Opencv里没有特定的函数实现该功能,但我们可以自己设计一个孔洞填充/小区域去除的方式来实现. 函数接口设计如下: C++ void RemoveSmallRegion(Mat& Src, Mat& Dst, int

SSE图像算法优化系列二十二:优化龚元浩博士的曲率滤波算法,达到约500 MPixels/Sec的单次迭代速度。

  2015年龚博士的曲率滤波算法刚出来的时候,在图像处理界也曾引起不小的轰动,特别是其所说的算法的简洁性,以及算法的效果.执行效率等方面较其他算法均有一定的优势,我在该算法刚出来时也曾经有关注,不过那个时候看到是迭代的算法,而且迭代的次数还蛮多了,就觉得算法应该不会太快,所以就放弃了对其进一步优化.最近,又偶尔一次碰触到该文章和代码,感觉还是有蛮大的优化空间的,所以抽空简单的实现他的算法.   该算法作者已经完全开源,项目地址见:https://github.com/YuanhaoGong/C

关于opencv中的imread()函数声明

在我们刚开始编写opencv程序的时候,会用到imread()函数,然后里面会有参数CV_LOAD_IMAGE_UNCHANGED 那么这个代表什么意思呢? imread()函数的声明如下: 1 CV_EXPORTS_W Mat imread( const string& filename, int flags=1 ); 它的参数: filename —— 文件的位置.如果只提供文件名,那么文件应该和C++文件在同一目录,否则必须提供图片的全路径. flags —— 有5个可能的输入. CV_L

OpenCV图像处理篇之阈值操作函数

阈值操作类型 这5种阈值操作类型保留opencv tutorials中的英文名称,依次为: Threshold Binary:即二值化,将大于阈值的灰度值设为最大灰度值,小于阈值的值设为0. Threshold Binary, Inverted:将大于阈值的灰度值设为0,大于阈值的值设为最大灰度值. Truncate:将大于阈值的灰度值设为阈值,小于阈值的值保持不变. Threshold to Zero:将小于阈值的灰度值设为0,大于阈值的值保持不变. Threshold to Zero, In

opencv之adaboost中的cvCreateMTStumpClassifier函数详解~

cvCreateMTStumpClassifier函数出自opencv中的haartraining程序,在adaboost(cvCreateTreeCascadeClassifier)的强分类器(icvCreateCARTStageClassifier)中被两次调用,该函数用于寻找最优弱分类器,或者说成计算最优haar特征.功能很明确,但是大家都知道的,opencv的代码绝大部分写的让人真心看不懂,这个函数算是haartraining中比较难以看懂的函数,局部变量达到20个之多,童鞋我也是不甘心

【opencv基础】测量运行时间的函数getTickCount/getCPUTickCount/getTickFrequency

函数的计算结果类型是double,单位是秒. 要使用更精确的计时,就需要使用getCPUTickCount(),不过现代计算机CPU的频率会随着负载而变化所以没大有必要使用该函数,可以参看函数的介绍[Also, since a modern CPU varies the CPU frequency depending on the load, the number of CPU clocks spent in some code cannot be directly converted to t

基于Opencv的自适应中值滤波函数selfAdaptiveMedianBlur()

终于搞出来了:) #include <iostream> #include <opencv2/opencv.hpp> #include <vector> #include <algorithm> using namespace cv; using namespace std; //下面的宏,定义了在矩阵src的第m行.n列,ks*ks覆盖的矩形区域内的像素,并将像素压到矢量v中 //该覆盖区域的左上角坐标为(m,n),宽为ks,高为ks,要求src必须是单通

Atitit opencv版本新特性attilax总结

1.1. :OpenCV 3.0 发布,史上功能最全,速度最快的版1 1.2. 应用领域2 1.3. OPENCV2.4.3改进 2.4.2就有了对java的支持2 1.4. opencv在2.4.4版本以后添加了对java的最新支持,可以利用java api了.3 2. Qa3 2.1.  java.lang.UnsatisfiedLinkError: Directory separator should not appear in library name: D:\tsclib.dll3 1