### OpenCV Python 全部函数用法介绍 OpenCV 是一个强大的计算机视觉库，广泛应用于图像处理、视频分析以及机器学习等领域。它提供了丰富的 API 来支持各种操作。以下是关于 OpenCV 中一些核心模块及其主要函数的概述。 #### 1. 基本图像操作 `cv2.imread()` 和 `cv2.imwrite()` 是读取和保存图像的核心函数[^1]。 ```python import cv2 image = cv2.imread('path_to_image.jpg') # 加载图像 cv2.imwrite('output_path.png', image) # 将图像写入文件 ``` `cv2.resize()` 可用于调整图像大小，其参数包括输入图像、目标尺寸以及其他可选比例因子[^3]。 ```python resized_image = cv2.resize(image, (new_width, new_height), interpolation=cv2.INTER_AREA) ``` #### 2. 显示与交互 `cv2.imshow()` 用于显示图像，而 `cv2.waitKey()` 则负责捕获键盘事件并控制程序暂停时间[^1]。 ```python cv2.namedWindow('Image Window') cv2.imshow('Image Window', image) key = cv2.waitKey(0) & 0xFF if key == ord('q'): cv2.destroyAllWindows() ``` #### 3. 边缘检测与形态学变换 `cv2.Canny()` 实现边缘检测算法，返回二值化后的边界图[^2]。 ```python edges = cv2.Canny(gray_image, threshold1=100, threshold2=200) ``` `cv2.dilate()` 和 `cv2.erode()` 提供膨胀和腐蚀运算，常用于清理噪声或增强特征。 ```python kernel = np.ones((5, 5), dtype=np.uint8) dilated = cv2.dilate(edges, kernel, iterations=1) eroded = cv2.erode(dilated, kernel, iterations=1) ``` #### 4. 轮廓提取与几何计算 `cv2.findContours()` 用于从二值图像中找到轮廓，并返回这些轮廓的信息列表。 ```python contours, hierarchy = cv2.findContours(thresh, mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE) ``` 对于每个轮廓，可以进一步调用 `cv2.boundingRect()` 计算最小外接矩形。 ```python for contour in contours: x, y, w, h = cv2.boundingRect(contour) cv2.rectangle(image, (x, y), (x+w, y+h), color=(0, 255, 0), thickness=2) ``` #### 5. 颜色空间转换 通过 `cv2.cvtColor()` 函数可以在不同颜色模型之间切换，例如 BGR 至 HSV 或灰度模式[^2]。 ```python hsv_image = cv2.cvtColor(bgr_image, code=cv2.COLOR_BGR2HSV) gray_image = cv2.cvtColor(bgr_image, code=cv2.COLOR_BGR2GRAY) ``` #### 6. 特定范围过滤 利用 `cv2.inRange()` 对像素值进行阈值筛选，适用于分割特定颜色区域[^2]。 ```python mask = cv2.inRange(hsv_image, lower_bound, upper_bound) filtered = cv2.bitwise_and(original_image, original_image, mask=mask) ``` 以上仅列举部分常见功能；实际上，OpenCV 还涵盖了更多高级主题如人脸识别 (`cv2.CascadeClassifier`)、相机校准 (`cv2.calibrateCamera`) 等复杂领域。