EmguCV类(CvInvoke - Class) 方法整理 - 图文

方法—相机标定

CalibrationMatrixValues 使用计算的相机校准矩阵，像素中的图像帧分辨率和物理孔径大小来计算各种有用的相机（传感器/透镜）特性 棋盘格角点的绘制（摄像机标定） 找到棋盘角的亚像素精度的准确位置 尝试确定输入图像是否是棋盘图案的视图，并定位标定板内角点 找到圆圈网格中心 DrawChessboardCorners Find4QuadCornerSubpix FindChessboardCorners FindCirclesGrid(Image, Size, CalibCgType, Feature2D) FindCirclesGrid(IInputArray, Size, IOutputArray, 找到圆圈网格中心 CalibCgType, Feature2D) GetDefaultNewCameraMatrix GetOptimalNewCameraMatrix StereoCalibrate(IInputArray, IInputArray, IInputArray, IInputOutputArray, IInputOutputArray, IInputOutputArray, IInputOutputArray, Size, IOutputArray, IOutputArray, IOutputArray, IOutputArray, CalibType, MCvTermCriteria) 返回默认的新相机矩阵 基于自由缩放参数返回新的相机矩阵 用于标定立体相机（Estimates transformation between the 2 cameras making a stereo pair. If we have a stereo camera, where the relative position and orientatation of the 2 cameras is fixed, and if we computed poses of an object relative to the fist camera and to the second camera, (R1, T1) and (R2, T2), respectively (that can be done with cvFindExtrinsicCameraParams2), obviously, those poses will relate to each other, i.e. given (R1, T1) it should be possible to compute (R2, T2) - we only need to know the position and orientation of the 2nd camera relative to the 1st camera. That's what the described function does. It computes (R, T) such that: R2=R*R1, T2=R*T1 + T） 用于标定立体相机 StereoCalibrate(MCvPoint3D32f[][],PointF[][],PointF[][], IInputOutputArray, IInputOutputArray, IInputOutputArray, IInputOutputArray, Size, IOutputArray, IOutputArray, IOutputArray, IOutputArray, CalibType, MCvTermCriteria) StereoRectify StereoRectifyUncalibrated

计算每个摄像机的旋转矩阵（虚拟地） 使两个摄像机图像平面处于相同的平面。 在不知道摄像头的固有参数和它们在空间的相对位置计算校正变换 方法—内外方位元素确定

CalibrateCamera(IInputArray, IInputArray, Size, 估计每个视图的照相机固有参数和外IInputOutputArray, IInputOutputArray, 部参数 IOutputArray, IOutputArray, CalibType, MCvTermCriteria) CalibrateCamera(MCvPoint3D32f[][],PointF[][], 估计每个视图的照相机固有参数和外Size, IInputOutputArray, IInputOutputArray, 部参数 CalibType, MCvTermCriteria,Mat[],Mat[]) SolvePnPRansac StereoRectify 利用Ransac方法利用点对求解相机姿态 Undistort UndistortPoints 计算每个摄像机的旋转矩阵（虚拟地） 使两个摄像机图像平面处于相同的平面。 转换图像以补偿径向和切向透镜失真 与cvInitUndistortRectifyMap相似但也不同，相似的内容是他们都可用于校正镜头失真和透视变换。不同的是函数cvInitUndistortRectifyMap实际上执行的是反向转换以初始化地图，而这个函数执行的是正向变换。

方法—数组、矩阵运算

Add AddWeighted Add AddWeighted BitwiseAnd 数组相加 数组权重相加 数组相加 数组权重相加 计算两个数组的每元素的逐位逻辑连接：dst（I）= src1（I）＆src2（I）if mask（I）！= 0。所有数组必须具有相同的类型（除了掩膜）和大小 计算两数组差值的绝对值 对输入数据或其选中的ROI求和并平方（Adds the input src or its selected region, raised to power 2, to the accumulator sqsum） 计算源数据的加权平均和，使得acc变为帧序列的运行平均值(Calculates weighted sum of input src and the accumulator acc so that acc becomes a running average of frame sequence: acc(x,y)=(1-alpha) * acc(x,y) + alpha * image(x,y) if mask(x,y)!=0 where alpha regulates update speed (how fast dst(I)=src1(I) & src2(I) AbsDiff AccumulateSquare AccumulateWeighted accumulator forgets about previous frames). BitwiseOr 计算两个数组的每元素逐位分离（Calculates per-element bit-wise disjunction of two arrays） 计算一组向量的协方差矩阵 清除（设置为零）密集数组的特定元素或删除稀疏数组的元素。 如果买没有元素，该函数不运行 为数组的特定元素分配新值 返回方阵矩阵的行列式。 计算对称矩阵的特征值和特征向量 计算输入数组的每个元素的指数 使用四种方法之一计算基本矩阵，如果没有找到矩阵，则返回找到的基本矩阵（1或3）和0的数量 执行广义矩阵乘法 dst(I)=src1(I)|src2(I) CalcCovarMatrix cvClearND cvSet2D Determinant Eigen Exp FindFundamentalMat dst（I）= exp（src（I）） Gemm dst = alpha*op(src1)*op(src2) + beta*op(src3), where op(X) is X or XT dst(I)=max(src1(I), src2(I)) dst（I）= min（src1（I），src2（I）） Flip Invert InvertAffineTransform LUT Max Min MinMaxIdx MinMaxLoc 以不同的3种方式翻转数组（行和列索引为0） 反转矩阵src1并将结果存储在src2中 反转仿射变换 使用查找表中的值填充目标数组 计算两个数组的每个元素最大值赋给新数组 计算两个数组的每元素最小值，赋值到新数组中 查找数组中全局的最大值最小值 找到最小和最大元素值及其位置。如果 阵列有多个通道，则必须为IplImage，并设置COI。 计算原始数据及其转置的乘积（Calculates the product of src and its transposition. The function evaluates dst=scale(src-delta)*(src-delta)^T if order=0, and dst=scale(src-delta)^T*(src-delta) otherwise.） 返回计算的范数。多通道阵列被视为单通道，即所有通道的结果相加。 MulTransposed Norm(IInputArray, NormType, IInputArray) Norm(IInputArray, IInputOutputArray, NormType, IInputArray) Normalize Randn(IInputOutputArray, IInputArray, IInputArray) Randn(IInputOutputArray, MCvScalar, MCvScalar) RandShuffle Randu(IInputOutputArray, IInputArray, IInputArray) Randu(IInputOutputArray, MCvScalar, MCvScalar) SetIdentity Sqrt Sum SVBackSubst SVDecomp Swap(Mat, Mat) Swap(UMat, UMat) Trace Transform 返回计算的范数。多通道阵列被视为单通道，即所有通道的结果相加。 规范化输入数组 用正态分布的随机数填充数组 用正态分布的随机数填充数组 将原数组（矩阵）打乱 返回均匀分布的随机数，填入数组或矩阵 返回均匀分布的随机数，填入数组或矩阵 初始化标度单位矩阵 为源数据的每个数组元素开方。多通道数据每个通道会被单独处理 对每个通道计算阵列元素的和S、 进行奇异值回代（Performs a singular value back substitution.） SVD分解，将矩阵A 分解为对角矩阵和两个正交矩阵的乘积 交换两个矩阵 交换两个矩阵 返回矩阵对角线元素之和 Sc = sumI arr（I）c 对src数组的每个元素进行矩阵变换， 并将结果存储到dst中。源数组和目标数据应该有相同的深度、尺寸或ROI的尺寸。transmat 和 shiftvec应该是浮点型矩阵 转置矩阵src1 …… 此处隐藏：4260字，全部文档内容请下载后查看。喜欢就下载吧 ……