作者|Lazar Gugleta
編譯|Flin
來源|towardsdatascience
計算機視覺和計算機圖形學現在非常流行，因為它們與人工智能有着廣泛的聯系，它們的主要共同點是使用同一個OpenCV庫，以便像人類一樣對數字圖像或視頻（CV）或生成圖像（CG）有高層次理解。
這就是為什么今天我們要看一看在計算機科學領域里，對於同樣的庫，有哪些函數是你最能從中受益的!
在討論OpenCV的強大功能之前，讓我們先看看計算機視覺、計算機圖形學和OpenCV的定義，以便更好地理解我們在這里所做的工作。
計算機視覺
計算機視覺是一個跨學科的領域，涉及如何使計算機獲得對數字圖像或視頻的高層次理解。從工程的角度來看，它試圖使人類視覺系統能夠完成的任務自動化，也就是說，它希望像人類一樣“看懂”世界。
計算機圖形學
計算機圖形學是計算機科學中的一個分支，它研究如何借助計算機生成圖像。如今，計算機圖形學是數字攝影、電影、視頻游戲、手機和計算機顯示等許多專業應用領域的核心技術。
OpenCV
OpenCV（Open Source Computer Vision Library）是一個開源的計算機視覺和機器學習軟件庫。OpenCV的建立是為了為計算機視覺應用提供一個通用的基礎設施，並加速機器感知在商業產品中的應用。
該圖書館提供處理和分析圖像內容的工具，包括識別數字照片中的對象（如人的臉和圖形、文本等）、跟蹤對象的運動、轉換圖像、應用機器學習方法以及識別各種圖像中的公共元素。
一旦我們解決了這個問題，我們可以從我個人選擇的十大函數開始。（使用Python編寫函數）
imread/imshow
這個函數必須放在首位，因為要用一張圖片開始你的項目，此函數是必不可少的。從函數名可以猜到，它加載了BGR（Blue-Green-Red）格式的圖像。
import cv2
import matplotlib.pyplot as plot
image = cv2.imread('data.png') #load image
plot.imshow(image) #show image
cvtColor
加載圖像后，還可以使用cvtColor中的不同標志將其轉換為不同的配色方案。
cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
下面是cvtColor的一些其他標志：COLOR_BGR2GRAY、COLOR_BGR2HSV和COLOR_BGR2YUV等。
這是雙向的，例如，COLOR_YUV2BGR也是可能的。
resize
有時你只需要一個不同於原來大小的圖像，所以resize就是你需要的函數。
cv2.resize(image, dimension, interpolation = cv2.INTER_AREA)
它獲取原始圖像，並按尺寸創建一個新圖像。尺寸定義為：
dimension = (width, height)
插值是一種重采樣圖片的方法，在我的例子中，它使用基於INTER_AREA的區域間重采樣，還有更多類似的方法
- INTER_NEAREST: 最近鄰插值
- INTER_LINEAR: 雙線性插值
- INTER_CUBIC: 4×4像素鄰域上的雙三次插值
- INTER_LANCZOS4: 8×8鄰域上的Lanczos插值
split/merge
每張圖片有3個通道，如果我們想把它們分割成不同的圖片，我們可以使用分割函數來實現。
(channel_b, channel_g, channel_r) = cv2.split(img)
如果圖像是BGR格式，它會將每個通道分成你定義的三個變量。
如果你已經分割通道,但希望將它們合並到一起，你可以使用merge。
cv2.merge(channel_b, channel_g, channel_r)
vconcat / hconcat
使用vconcat()，hconcat()垂直和水平連接（合並）圖像。
v表示垂直，h表示水平。
cv2.vconcat([image1, image2])
cv2.hconcat([image1, image2])
ones/zeros
如果要在三維圖像（矩陣）中都填充1或0（因為矩陣要求彩色圖像具有3個維度）。
size = 200, 200, 3
m = np.zeros(size, dtype=np.uint8)
n = np.ones(size, dtype=np.uint8)
作為一個附加函數，我想在這里添加一個東西，那就是轉置函數。
transpose
如果我們有一個要轉置的已定義矩陣mat，我們所要做的就是直接對mat使用這個函數：
import numpy as np
mat = np.array([[1, 2, 3], [4, 5, 6]])
mat_transpose = mat.transpose()
print(mat_tranpose)
得到輸出：
[[1 4]
[2 5]
[3 6]]
#original input
[[1, 2, 3]
[4, 5, 6]]
下一個步驟
這主要是為初學者准備的，但是下節課我們將介紹OpenCV更高級的特性。
原文鏈接：https://towardsdatascience.com/top-10-opencv-functions-everyone-has-to-know-about-945f33de8f6f
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方文檔：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/