计算机图形学和计算机图形学现在非常流行，因为它们与人工智能有着广泛的联系。 它们的主要共同点是使用相同的OpenCV库，以便像人类一样高度了解数字图像、视频(CV )和生成的图像(CG )。

所以今天我们来看看在计算机科学领域，对于同一个库，你最受益的函数！

在讨论OpenCV的强大功能之前，请先看一下计算机视觉、计算机图形和OpenCV的定义，更好地理解这里所做的事情。

计算机视觉

计算机视觉是一个跨学科的领域，涉及计算机如何高度了解数字图像和视频。 从工程的角度来看，试图将人类视觉系统能够完成的任务自动化。 也就是说，像人类一样“理解”世界。

计算机图形学

计算机图形学是计算机科学的一部分，研究如何使用计算机生成图像。 目前，计算机图形学是数字摄影、电影、视频游戏、手机、计算机显示等许多专业应用领域的核心技术。

OpenCV

OPENCV (OPEOS ource Computer vision Library )是一个开源的计算机视觉和机器学习软件库。 OpenCV的设立是为了为计算机视觉APP提供共同的基础设施，加速机械感知在商业产品中的应用。

该图书馆提供了处理和分析图像内容的工具，包括识别数码照片中的对象(人脸、图形、文本等)、跟踪对象的运动、图像转换、应用机器学习方法、识别各种图像中的公共元素等。

解决了这个问题之后，我们可以从个人选择的10个函数开始。 (使用Python写函数)

imread/imshow

这个函数必须放在最前面。 因为这个函数对于在影像中开始专案是不可缺少的。 正如根据函数名称推测的那样，加载了蓝光(bgr )格式的图像。

导入CV 2

导入映射出图

image=cv2.im读('数据. png ' ) #load image

打印. im显示(图像) #显示图像

加载

cvtColor

图像后，还可以使用cvtColor的不同标志将其转换为不同的配色方案。

CV2.CVT Color (图像，cv2.COLOR_BGR2RGB ) )。

以下是cvtColor的其他标志。 例如，颜色BGR 2灰色、颜色BGR2HSV和颜色BGR2YUV。

这是双向的，例如COLOR_YUV2BGR也是可能的。

resize是必要的函数，因为

resize

可能需要不同于原始大小的图像。

cv2. resize (影像、维度、介入=cv2.介入区域) )。

检索原始图像，并按大小创建新图像。 大小如下所示。

dimension=(宽度，高度) ) ) )。

插值是对图像重新取样的方法。 我的示例使用基于INTER_AREA的跨区域重新采样。 还有其他类似的方法

INTER_NEAREST:最近邻插值INTER_LINEAR:双线性插值inter _ cubic :在44像素附近的双三次插值inter _ Lanczos 4:在88附近的lanc zos插值(，

split/merge

每个图像有三个通道。 如果想要将它们分割为不同的图像，可以使用分割函数来实现。

(通道b，通道g，通道r )=cv2.分割(img ) ) ) ) ) ) ) ) )。

如果图像为BGR格式，则每个通道分为三个定义的变量。

如果正在分割通道，但希望将其合并在一起，请使用merge。

cv2.合并(通道b、通道g、通道r ) ) ) ) ) ) ) )。

使用

vconcat / hconcat

vconcat (，hconcat ) )垂直和水平连接图像)合并)。

v表示垂直，h表示水平。

cv2.v concat ([图像1，图像2 ]

CV2. h concat ([图像1，图像2 ]

ones/zeros

三维图像(矩阵)中嵌入1或0时) )矩阵中彩色图像需要三维)。

size=200，200，3

m=NP.zeros (尺寸，类型=NP.uint8) )。

n=NP.ones (大小，类型=NP.uint8) )。

作为附加函数，我想在这里添加一个叫做替换函数的函数。

transpose

如果有倒置的预定义矩阵mat，我们应该做的就是直接在mat中使用这个函数：

导入编号为

mat=NP.array ([ 1，2，3 ]，[ 4，5，6 ] ) )

mat _传输=mat .传输(

打印(mat _传输姿势) )。

获得输出：

十四

25

36

# #原始输入

1，2，3

4，5，6