版权声明：如需转载请标注 https://blog.csdn.net/weixin_40973138/article/details/84445423
图像操作：
cv.imread(const String& filename,int flags) #读取图片。参数1：图片地址；参数2（默认正常读取）：0 或2 为灰度图，1 为原图
cv.NamedWindow( const char* name, int flags ) #创建窗口，但不写也能show。参数1：窗口名字；参数2：窗口显示方式（为0 或cv.WINDOW_NORMAL，可以改变窗口大小；不写或
cv.WINDOW_AUTOSIZE则不可改变大小）
cv.imshow(const string& winname, InputArray mat) #显示图片窗口。**参数1**：窗口名称（若上文有NamedWindow() 函数，这个名称要与它一样）；**参数2**：要显示的图片（如果窗口是用CV_WINDOW_AUTOSIZE（默认值）标志创建的，那么显示图像原始大小。否则，将图像进行缩放以适合窗口）
waitKey(K) #窗口显示时间，单位：毫秒。K=0，一直显示，直到按下数字键
destroyAllWindows() #删除建立的全部窗口，释放资源
cv.imwrite(adress, name) #图片另存为。参数一：图片保存地址；参数二：图片保存名称
np.array(image) #获取图像像素矩阵
cv.cvtColor(src, dst, int code) #实现色彩空间转换
视频操作：
cv.VideoCapture(0) #打开摄像头。0代表的是设备id，如果有多个摄像头，可以设置其他数值；也可以是视频文件地址，调用视频文件，如果要播放要设置帧的循环
.read() #读取摄像头。它能返回两个参数，第一个参数是bool型的ret，其值为True或False，代表有没有读到图片；第二个参数是frame，是当前截取一帧的图片
cv.flip(frame, 1) #翻转。 0:上下颠倒；大于0：水平颠倒；小于0：180旋转
cv.getTickCount() #返回自从某一时刻（比如计算机启动）开始，计算机总共经过的tick的次数，其需要结合getTickFrequency()函数使用，getTickFrequency()返回的是CPU在一秒钟内会发出的tick的次数
cv.inRange(src, lowerb, upperb) #输出二值化图像。对输入矩阵每一个像素点进行检测，当像素点的值介于lower 和upperb 之间的赋予1，否则赋予0
Numpy
np.zeros([height, width, channels], type) #创建一个图像，其像素值全为0
np.ones([height, width, channels], type) #创建一个图像，其像素值全为1
cv.bitwise_not(image) #二进制数据进行“非”操作
.fill(x) #将矩阵中填满x 值
.reshape([height, width, channels]) #改变矩阵维数
np.array([[a,b,c], [d,e,f], [g,h,i]], type) #创建矩阵
像素操作
cv.add(m1, m2) #加
dst = cv.subtract(m1, m2) #减
dst = cv.multiply(m1, m2) #乘
dst = cv.divide(m1, m2) #除
cv.mean(m1) #均值
cv.meanStdDev(m1) #方差
cv.bitwise_and(m1, m2) #“与”
cv.bitwise_or(m1, m2) #“或”
cv.bitwise_not(m1) #“非”
cv.bitwise_xor(m1, m2) #“异或”
cv.addWeighted(image, c, blank, 1-c, b) #计算两个图像阵列的加权和(调节对比度和亮度)。image 为目标图像；c 为对比度；blank 为全黑等大图像；b 为亮度。所得图片dst = image*c+blank*(1-c)+b