OpenCV 是一个广泛用于计算机视觉任务的开源计算机视觉库，提供了许多用于图像处理和计算机视觉的函数。以下是一些 OpenCV 中常用的函数和相应的参数命令：


  1. cv2.imread() - 读取图像：

    python
    img = cv2.imread('image.jpg', flags)
    • flags 参数：指定图像的读取方式，常见的有 cv2.IMREAD_COLOR（默认，彩色图像）、cv2.IMREAD_GRAYSCALE（灰度图像）等。

  2. cv2.imshow() - 显示图像：

    python
    cv2.imshow('WindowName', img)
    • WindowName：窗口名称。
    • img：要显示的图像。

  3. cv2.imwrite() - 保存图像：

    python
    cv2.imwrite('output_image.jpg', img)
    • 第一个参数是输出文件的名称。
    • 第二个参数是要保存的图像。

  4. cv2.cvtColor() - 色彩空间转换：

    python
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    • 第一个参数是输入图像。
    • 第二个参数是颜色空间转换的标志，例如 cv2.COLOR_BGR2GRAY 将图像从BGR转换为灰度。

  5. cv2.GaussianBlur() - 高斯模糊：

    python
    img_blurred = cv2.GaussianBlur(img, (ksize_x, ksize_y), sigmaX)
    • ksize_x 和 ksize_y：高斯核的大小。
    • sigmaX：X轴方向上的标准差。

  6. cv2.Canny() - 边缘检测：

    python
    edges = cv2.Canny(img, threshold1, threshold2)
    • threshold1 和 threshold2：梯度阈值。

  7. cv2.inpaint() - 图像修复：

    python
    inpainted_image = cv2.inpaint(image, mask, inpaintRadius, flags)
    • mask：指定损坏区域的掩码。
    • inpaintRadius：修复半径。
    • flags：修复算法的标志，例如 cv2.INPAINT_TELEA。

  8. cv2.resize() - 调整图像大小：

    python
    resized_img = cv2.resize(img, (width, height), interpolation=cv2.INTER_AREA)
    • width 和 height：目标大小。
    • interpolation：插值算法。

这只是 OpenCV 中一些常用函数的示例，具体的使用方法和参数可能因任务而异。在实际使用中，你可能需要查阅 OpenCV 文档以获取更详细的信息。