module cvcv模块提供了基础的图像处理函数，并在接口上兼容了opencv-python的API。
使用注意：
- 图像描述使用
Var变量，其属性为：-
data_format为NHWC -
shape是[h, w, c] -
dtype是uint8
-
- CV模块中的枚举类型直接用int实现，所以请使用
cv.COLOR_BGR2BGRA，不要用cv.ColorConversionCodes.COLOR_BGR2BGRA* - 将
[h, w, c]的图形转换为模型输入的[n, c, h, w]不要使用transpose；请使用expr.convert，示例如下：import MNN.cv as cv import MNN.numpy as np import MNN.expr as expr # data_format: NHWC, shape: [360, 480, 3], dtype: uint8 img = imread('cat.jpg') # data_format: NHWC, shape: [360, 480, 3], dtype: float32 imgf = img.astype(np.float32) # data_format: NHWC, shape: [1, 360, 480, 3], dtype: float32 imgf_batch = np.expand_dims(imgf, 0) # data_format: NCHW, shape: [1, 360, 480, 3], dtype: float32 input_var = expr.convert(imgf_batch, expr.NCHW)
描述图像颜色空间转换函数cvtColor的转换方式
- 类型：
int - 枚举值：
COLOR_BGR2BGRACOLOR_RGB2RGBACOLOR_BGRA2BGRCOLOR_RGBA2RGBCOLOR_BGR2RGBACOLOR_RGB2BGRACOLOR_RGBA2BGRCOLOR_BGRA2RGBCOLOR_BGR2RGBCOLOR_RGB2BGRCOLOR_BGRA2RGBACOLOR_RGBA2BGRACOLOR_BGR2GRAYCOLOR_RGB2GRAYCOLOR_GRAY2BGRCOLOR_GRAY2RGBCOLOR_GRAY2BGRACOLOR_GRAY2RGBACOLOR_BGRA2GRAYCOLOR_RGBA2GRAYCOLOR_BGR2BGR565COLOR_RGB2BGR565COLOR_BGR5652BGRCOLOR_BGR5652RGBCOLOR_BGRA2BGR565COLOR_RGBA2BGR565COLOR_BGR5652BGRACOLOR_BGR5652RGBACOLOR_GRAY2BGR565COLOR_BGR5652GRAYCOLOR_BGR2BGR555COLOR_RGB2BGR555COLOR_BGR5552BGRCOLOR_BGR5552RGBCOLOR_BGRA2BGR555COLOR_RGBA2BGR555COLOR_BGR5552BGRACOLOR_BGR5552RGBACOLOR_GRAY2BGR555COLOR_BGR5552GRAYCOLOR_BGR2XYZCOLOR_RGB2XYZCOLOR_XYZ2BGRCOLOR_XYZ2RGBCOLOR_BGR2YCrCbCOLOR_RGB2YCrCbCOLOR_YCrCb2BGRCOLOR_YCrCb2RGBCOLOR_BGR2HSVCOLOR_RGB2HSVCOLOR_BGR2LabCOLOR_RGB2LabCOLOR_BGR2LuvCOLOR_RGB2LuvCOLOR_BGR2HLSCOLOR_RGB2HLSCOLOR_HSV2BGRCOLOR_HSV2RGBCOLOR_Lab2BGRCOLOR_Lab2RGBCOLOR_Luv2BGRCOLOR_Luv2RGBCOLOR_HLS2BGRCOLOR_HLS2RGBCOLOR_BGR2HSV_FULLCOLOR_RGB2HSV_FULLCOLOR_BGR2HLS_FULLCOLOR_RGB2HLS_FULLCOLOR_HSV2BGR_FULLCOLOR_HSV2RGB_FULLCOLOR_HLS2BGR_FULLCOLOR_HLS2RGB_FULLCOLOR_LBGR2LabCOLOR_LRGB2LabCOLOR_LBGR2LuvCOLOR_LRGB2LuvCOLOR_Lab2LBGRCOLOR_Lab2LRGBCOLOR_Luv2LBGRCOLOR_Luv2LRGBCOLOR_BGR2YUVCOLOR_RGB2YUVCOLOR_YUV2BGRCOLOR_YUV2RGBCOLOR_YUV2RGB_NV12COLOR_YUV2BGR_NV12COLOR_YUV2RGB_NV21COLOR_YUV2BGR_NV21COLOR_YUV420sp2RGBCOLOR_YUV420sp2BGRCOLOR_YUV2RGBA_NV12COLOR_YUV2BGRA_NV12COLOR_YUV2RGBA_NV21COLOR_YUV2BGRA_NV21COLOR_YUV420sp2RGBACOLOR_YUV420sp2BGRACOLOR_YUV2RGB_YV12COLOR_YUV2BGR_YV12COLOR_YUV2RGB_IYUVCOLOR_YUV2BGR_IYUVCOLOR_YUV2RGB_I420COLOR_YUV2BGR_I420COLOR_YUV420p2RGBCOLOR_YUV420p2BGRCOLOR_YUV2RGBA_YV12COLOR_YUV2BGRA_YV12COLOR_YUV2RGBA_IYUVCOLOR_YUV2BGRA_IYUVCOLOR_YUV2RGBA_I420COLOR_YUV2BGRA_I420COLOR_YUV420p2RGBACOLOR_YUV420p2BGRACOLOR_YUV2GRAY_420COLOR_YUV2GRAY_NV21COLOR_YUV2GRAY_NV12COLOR_YUV2GRAY_YV12COLOR_YUV2GRAY_IYUVCOLOR_YUV2GRAY_I420COLOR_YUV420sp2GRAYCOLOR_YUV420p2GRAYCOLOR_YUV2RGB_UYVYCOLOR_YUV2BGR_UYVYCOLOR_YUV2RGB_Y422COLOR_YUV2BGR_Y422COLOR_YUV2RGB_UYNVCOLOR_YUV2BGR_UYNVCOLOR_YUV2RGBA_UYVYCOLOR_YUV2BGRA_UYVYCOLOR_YUV2RGBA_Y422COLOR_YUV2BGRA_Y422COLOR_YUV2RGBA_UYNVCOLOR_YUV2BGRA_UYNVCOLOR_YUV2RGB_YUY2COLOR_YUV2BGR_YUY2COLOR_YUV2RGB_YVYUCOLOR_YUV2BGR_YVYUCOLOR_YUV2RGB_YUYVCOLOR_YUV2BGR_YUYVCOLOR_YUV2RGB_YUNVCOLOR_YUV2BGR_YUNVCOLOR_YUV2RGBA_YUY2COLOR_YUV2BGRA_YUY2COLOR_YUV2RGBA_YVYUCOLOR_YUV2BGRA_YVYUCOLOR_YUV2RGBA_YUYVCOLOR_YUV2BGRA_YUYVCOLOR_YUV2RGBA_YUNVCOLOR_YUV2BGRA_YUNVCOLOR_YUV2GRAY_UYVYCOLOR_YUV2GRAY_YUY2COLOR_YUV2GRAY_Y422COLOR_YUV2GRAY_UYNVCOLOR_YUV2GRAY_YVYUCOLOR_YUV2GRAY_YUYVCOLOR_YUV2GRAY_YUNVCOLOR_RGBA2mRGBACOLOR_mRGBA2RGBACOLOR_RGB2YUV_I420COLOR_BGR2YUV_I420COLOR_RGB2YUV_IYUVCOLOR_BGR2YUV_IYUVCOLOR_RGBA2YUV_I420COLOR_BGRA2YUV_I420COLOR_RGBA2YUV_IYUVCOLOR_BGRA2YUV_IYUVCOLOR_RGB2YUV_YV12COLOR_BGR2YUV_YV12COLOR_RGBA2YUV_YV12COLOR_BGRA2YUV_YV12
描述图像形变函数resize,warpAffine,warpPerspective的插值方式
- 类型：
int - 枚举值：
INTER_NEARESTINTER_LINEARINTER_CUBICINTER_AREAINTER_LANCZOS4INTER_LINEAR_EXACTINTER_NEAREST_EXACTWARP_FILL_OUTLIERSWARP_INVERSE_MAP
描述图像形变函数warpAffine,warpPerspective的边界填充方式
- 类型：
int - 枚举值：
BORDER_CONSTANTBORDER_REFLECT_101BORDER_REFLECTBORDER_REFLECT101BORDER_DEFAULT
描述阈值函数threshold的阈值方式
- 类型：
int - 枚举值：
THRESH_BINARYTHRESH_BINARY_INVTHRESH_TRUNCTHRESH_TOZEROTHRESH_TOZERO_INVTHRESH_MASKTHRESH_OTSUTHRESH_TRIANGLE
描述轮廓检测函数findContours的轮廓检索方式
- 类型：
int - 枚举值：
RETR_EXTERNALRETR_LISTRETR_CCOMPRETR_TREERETR_FLOODFILL
描述轮廓检测函数findContours的轮廓逼近算法
- 类型：
int - 枚举值：
CHAIN_APPROX_NONECHAIN_APPROX_SIMPLECHAIN_APPROX_TC89_L1CHAIN_APPROX_TC89_KCOS
用在画图相关函数，如：line, fillPoly等，描述画线的类型
- 类型：
intFILLEDLINE_4LINE_8LINE_AA
用在图片读取函数imread的参数flag中，分别表示读取：uint8灰度图，uint8的bgr图，float32的bgr图
- 类型：
intIMREAD_GRAYSCALEIMREAD_COLORIMREAD_ANYDEPTH
描述图像旋转函数rotate的旋转方式
- 类型：
intROTATE_90_CLOCKWISEROTATE_180ROTATE_90_COUNTERCLOCKWISE
描述3d重建函数solvePnP的求解方法
- 类型：
intSOLVEPNP_ITERATIVESOLVEPNP_SQPNP
描述线性方程组求解函数solve的求解方法
- 类型：
intDECOMP_LUDECOMP_SVDDECOMP_EIGDECOMP_CHOLESKYDECOMP_QRDECOMP_NORMAL
描述线归一化函数normalize的归一化方法
- 类型：
intNORM_INFNORM_L1NORM_L2NORM_MINMAX
描述自适应阈值函数adaptiveThreshold的自适应方法
- 类型：
intADAPTIVE_THRESH_MEAN_CADAPTIVE_THRESH_GAUSSIAN_C
将src复制并返回，如果mask不为空，则只拷贝mask为1的像素；如果dst不为空，则在mask为0时拷贝dst中对应的像素，参考：copyTo
注意：目前src仅支持int32类型数据，用户使用前后需要自行转换类型
参数：
-
src:Var源图像 -
mask:Var掩码图像，可选 -
dst:Varmask为0时选择的图像，可选
返回：复制的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> h, w, _ = img.shape
>>> zero = np.zeros((h//3, w), dtype=np.int32)
>>> one = np.ones((h//3, w), dtype=np.int32)
>>> mask = np.concatenate((one, zero, one), axis=0)
>>> img = img.astype(np.int32)
>>> copyTo = cv.copyTo(img, mask).astype(np.uint8)
>>> cv.imwrite('copyTo.jpg', copyTo)
True
对src1和src2执行按位与操作，并对结果按照执行copyTo返回，参考：bitwise_and
参数：
-
src1:Var源图像 -
src2:Var源图像 -
mask:Var掩码图像，可选 -
dst:Varmask为0时选择的图像，可选
返回：按位与的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.bitwise_and(img, img)
array([[[ 49, 57, 26],
...
[158, 175, 184]]], dtype=uint8)对src1和src2执行按位或操作，并对结果按照执行copyTo返回，参考：bitwise_or
参数：
-
src1:Var源图像 -
src2:Var源图像 -
mask:Var掩码图像，可选 -
dst:Varmask为0时选择的图像，可选
返回：按位或的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.bitwise_or(img, img)
array([[[ 49, 57, 26],
...
[158, 175, 184]]], dtype=uint8)对src1和src2执行按位异或操作，并对结果按照执行copyTo返回，参考：bitwise_xor
参数：
-
src1:Var源图像 -
src2:Var源图像 -
mask:Var掩码图像，可选 -
dst:Varmask为0时选择的图像，可选
返回：按位异或的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.bitwise_xor(img, img)
array([[[0, 0, 0],
...
[0, 0, 0]]], dtype=uint8)在水平方向上将src中的图像连接起来，并返回，相当于做axis=1的concat，参考：hconcat
参数：
-
src:Var源图像
返回：水平连接的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.hconcat(img)
>>> cv.hconcat(img)
array([[ 49, 57, 26, ..., 25, 62, 46],
...,
[ 45, 94, 56, ..., 158, 175, 184]], dtype=uint8)在垂直方向上将src中的图像连接起来，并返回，相当于做axis=0的concat，参考：vconcat
参数：
-
src:Var源图像
返回：垂直连接的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.vconcat(img)
array([[ 49, 57, 26],
...,
[158, 175, 184]], dtype=uint8)逐channel计算src的元素均值，如果mask不为空，则只返回mask为1的结果，参考：mean
参数：
-
src:Var源图像
返回：每个channel的均值
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.mean(img)
array([ 85.656685, 135.9716, 125.76543, 0.], dtype=float32)对src进行水平，垂直，或水平+垂直翻转，并返回，参考：flip
| flipCode | 说明 |
|---|---|
| filpCode = 0 | 垂直翻转 |
| flipCode > 0 | 水平翻转 |
| flipCode < 0 | 水平+垂直翻转 |
参数：
-
src:Var源图像
返回：翻转的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> flip = cv.flip(img, -1)
>>> cv.imwrite('flip.jpg', flip)
True
以90度的倍数旋转src，并返回，参考：rotate
| rotateCode | 说明 |
|---|---|
| ROTATE_90_CLOCKWISE | 顺时针旋转90度 |
| ROTATE_180 | 顺时针旋转180度 |
| ROTATE_90_COUNTERCLOCKWISE | 顺时针旋转270度 |
参数：
-
src:Var源图像
返回：翻转的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> rotate = cv.rotate(img, cv.ROTATE_90_CLOCKWISE)
>>> cv.imwrite('rotate.jpg', rotate)
True
求解线性方程组，目前仅实现了LU方法；参考：solve
参数：
-
src1:Var线性方程组左侧矩阵 -
src2:Var线性方程组右侧矩阵 -
method:int求解方法，可选；默认为cv.DECOMP_LU(目前仅实现了LU方法)
返回：能否求解，求解获得的矩阵
返回类型：Tuple(bool, Var)
示例：
>>> a = np.array([2., 3., 4., 0., 1., 5., 0., 0., 3.]).reshape(3, 3)
>>> b = np.array([1., 2., 3.]).reshape(3, 1)
>>> cv.solve(a, b)
(True, array([[ 3.],
[-3.],
[ 1.]], dtype=float32))对输入进行归一化；参考：normalize
参数：
-
src:Var输入矩阵 -
dst:VarPython中不需要使用该参数，直接赋为None即可 -
alpha:float归一化的下限 -
beta:float归一化的上限 -
norm_type:int归一化类型，如：cv.NORM_MINMAX -
dtype:dtype输入类型，不需要赋值 -
mask兼容性参数，目前还不支持mask
返回：归一化结果
返回类型：Var
示例：
>>> x = np.arange(12).reshape(2, 2, 3).astype(np.uint8)
>>> cv.normalize(x, None, -50, 270, cv.NORM_MINMAX)
array([[[ 0, 0, 8],
[ 37, 66, 95]],
[[125, 154, 183],
[212, 241, 255]]], dtype=uint8)将多张图片沿channel合并；参考：merge
参数：
-
mv:[Var]输入矩阵数组
返回：合并结果矩阵
返回类型：Var
示例：
>>> x = np.arange(9).reshape(3, 3)
>>> cv.merge([x, x])
array([[[0, 0],
[1, 1],
[2, 2]],
[[3, 3],
[4, 4],
[5, 5]],
[[6, 6],
[7, 7],
[8, 8]]], dtype=int32)将图片沿channel方向拆分；参考：split
参数：
-
m:Var待拆分图片
返回：拆分出的图片
返回类型：[Var]
示例：
>>> x = np.arange(12).reshape(2, 2, 3)
>>> cv.split(x)
[array([[0, 3],[6, 9]], dtype=int32),
array([[1, 4],[7, 10]], dtype=int32),
array([[2, 5],[8, 11]], dtype=int32)]对输入的两个矩阵执行权重相加：dst = src1 * alpha + src2 * beta + gamma；参考：addWeighted
参数：
-
src1:Var第一个输入矩阵 -
alpha:float第一个输入矩阵的权重 -
src2:Var第二个输入矩阵 -
beta:float第二个输入矩阵的权重 -
gamma:float额外增加的常量
返回：加权得到的和
返回类型：Var
示例：
>>> x = np.arange(3.)
>>> cv.addWeighted(x, 0.2, x, 0.5, 1)
array([1. , 1.7, 2.4], dtype=float32)用于判断是否支持特定图像格式的解码，目前支持的图像格式：jpg, jpeg, png, bmp，参考：haveImageReader
移动端默认不包含该函数
参数：
-
filename:str图像文件路径
返回：是否有读取图像的接口
返回类型：bool
示例：
>>> cv.haveImageReader('cat.jpg')
True用于判断是否支持特定图像格式的编码，目前支持的图像格式：jpg, jpeg, png, bmp，参考：haveImageWriter
移动端默认不包含该函数
参数：
-
filename:str图像文件路径
返回：是否有写图像的接口
返回类型：bool
示例：
>>> cv.haveImageWriter('cat.jpg')
True将内存数据解码为图像，并返回，参考：imdecode
移动端默认不包含该函数
参数：
-
buf:ndarray|sequence图像数据序列，可以是ndarray, list, tuple, bytes等 -
flag:int解码方式，可选，默认为cv2.IMREAD_COLOR
返回：解码后的图像
返回类型：Var
示例：
>>> cv.imdecode(bytearray(open('cat.jpg', 'rb').read()), cv.IMREAD_COLOR)
array([[[ 49, 57, 26],
[ 50, 58, 27],
[ 47, 55, 25],
...,
[188, 205, 214],
[158, 175, 184],
[158, 175, 184]]], dtype=uint8)将图像编码为图像数据，并返回，参考：imencode
移动端默认不包含该函数
参数：
-
ext:str图像文件扩展名，如jpg, png等 -
img:Var图像 -
params:[int]编码参数，可选，默认为[cv2.IMWRITE_JPEG_QUALITY, 95]
返回：编码后的图像数据序列，first是bool代表是否编码成功，second是listofuint8代表编码后的图像数据序列
返回类型：pair
示例：
>>> success, buf = cv.imencode('jpg', cv.imread('cat.jpg'))
>>> success
True
>>> buf[:10]
[255, 216, 255, 224, 0, 16, 74, 70, 73, 70]读取图像，并返回，参考：imread
移动端默认不包含该函数
参数：
-
filename:str图像文件路径 -
flag:int读取方式，可选，默认为cv2.IMREAD_COLOR
返回：读取的图像
返回类型：Var
示例：
>>> cv.imread('cat.jpg')
array([[[ 49, 57, 26],
[ 50, 58, 27],
[ 47, 55, 25],
...,
[188, 205, 214],
[158, 175, 184],
[158, 175, 184]]], dtype=uint8)
将图像写入文件，参考：imwrite
移动端默认不包含该函数
参数：
-
filename:str图像文件写的路径 -
img:Var图像对象 -
params:[int]编码参数，可选，默认为[cv2.IMWRITE_JPEG_QUALITY, 95]
返回：是否写入成功
返回类型：bool
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.imwrite('write.jpg', img)
True将旋转矩阵转换为旋转向量，在solvePnP的返回值前会被使用，参考：Rodrigues
该函数只支持旋转矩阵到旋转向量，反之不支持
参数：
-
src:Var旋转矩阵
返回：旋转向量
返回类型：Var
示例：
>>> cv.Rodrigues(np.array([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]]))
array([[0.],
[0.],
[0.]], dtype=float32)根据输入的 3d坐标集合和2d坐标集合，相机内参和平移矩阵，计算3d坐标到2d坐标的映射关系，并返回旋转矩阵和平移矩阵，参考：solvePnP
目前仅支持SOLVEPNP_SQPNP
参数：
-
objectPoints:Var3d坐标集合, shape为(n,3)，n为点的个数 -
imagePoints:Var2d坐标集合, shape为(n,2)，n为点的个数 -
cameraMatrix:Var相机内参矩阵, shape为(3,3) -
distCoeffs:Var相机畸变系数, shape为(1,5)或(5,), 不使用可以传入[] -
flags:int标志位，可选，做兼容性处理，目前仅支持SOLVEPNP_SQPNP
返回：返回值tuple中有3个值，第一个值为bool是否找到变换关系，第二个值为Var是旋转向量，第三个值为Var是平移矩阵
返回类型：tuple
示例：
>>> model_points = np.array([0.0, 0.0, 0.0, 0.0, -330.0, -65.0, -225.0, 170.0, -135.0, 225.0, 170.0, -135.0, -150.0, -150.0, -125.0, 150.0, -150.0, -125.0]).reshape(6, 3)
>>> image_points = np.array([359., 391., 399., 561., 337., 297., 513., 301., 345., 465., 453., 469.]).reshape(6, 2)
>>> camera_matrix = np.array([1200., 0., 600., 0., 1200., 337.5, 0., 0., 1.]).reshape(3, 3)
>>> dist_coeffs = np.array([0.0, 0.0, 0.0, 0.0]).reshape(4, 1)
>>> cv.solvePnP(model_points, image_points, camera_matrix, dist_coeffs, flags=cv.SOLVEPNP_SQPNP)
(True, array([[ 3.000745 ],
[ 0.03165916],
[-0.9225616 ]], dtype=float32), array([[-435.97495],
[ 95.3929 ],
[2201.46 ]], dtype=float32))将图像转换为另一种颜色空间，参考: cvtColor
如果src为YUV图像请使用cvtColorTwoPlane
参数：
-
src:Var输入图像 -
code:int转换方式，使用cv.COLOR_* -
dstCn:int转换后图像的通道数，可选，默认为原图像的通道数
返回：转换后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg') # bgr
>>> cv.cvtColor(img, cv.COLOR_BGR2GRAY) # gray
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> cv.imwrite('cvtColor.jpg', gray)
True
将图像转换为另一种颜色空间，源图像存储在两个平面中，一般用于YUV_NV21和YUV_NV12到其他颜色空间的转换，参考: cvtColorTwoPlane
参数：
-
src1:Var图像的第一个平面 -
src2:Var图像的第二个平面 -
code:int转换方式，使用cv.COLOR_*
返回：转换后的图像
返回类型：Var
示例：
>>> h = w = 224
>>> y = np.random.randint(0, 255, h * w).reshape(h, w).astype(np.uint8)
>>> uv = np.random.randint(0, 255, h * w / 2).astype(np.uint8)
>>> rgb = cv.cvtColorTwoPlane(y, uv, cv.COLOR_YUV2RGB_NV21)
>>> cv.imwrite('cvtColorTwoPlane.jpg', rgb)
True
双边滤波，直接实现未优化，速度较慢；参考: bilateralFilter
参数：
-
src:Var输入图像 -
d:int滤波时考虑周围像素的直径，如果为负数则通过sigmaSpace计算 -
sigmaColor:float颜色空间sigma值 -
sigmaSpace:float坐标空间sigma值 -
borderType:int边界模式，可选值；默认为REFLECT
返回：滤波后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.bilateralFilter(img, 20, 80.0, 35.0)
>>> cv.imwrite('bilateralFilter.jpg', img)
True
使用归一化框滤镜模糊图像，参考: blur
参数：
-
src:Var输入图像 -
ksize:[int]kernel大小 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：模糊后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.blur(img, [3, 3])
>>> cv.imwrite('blur.jpg', img)
True
使用方框滤镜模糊图像，参考: boxFilter
参数：
-
src:Var输入图像 -
ddepth:int图像的深度 -
ksize:[int]kernel大小 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：模糊后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.boxFilter(img, -1, [7, 7])
>>> cv.imwrite('boxFilter.jpg', img)
True
通过使用特定的结构元素对图像进行扩张，参考: dilate
参数：
-
src:Var输入图像 -
kernel:Var结构元素 -
iterations:int迭代次数，可选，默认为1 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：扩张后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.dilate(img, cv.getStructuringElement(0, (3, 3)))
>>> cv.imwrite('dilate.jpg', img)
True
通过使用特定的结构元素对图像进行腐蚀，参考: erode
参数：
-
src:Var输入图像 -
kernel:Var结构元素 -
iterations:int迭代次数，可选，默认为1 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：腐蚀后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.erode(img, cv.getStructuringElement(0, (3, 3)))
>>> cv.imwrite('erode.jpg', img)
True
度图像执行二维卷积，参考: filter2D
参数：
-
src:Var输入图像 -
ddepth:int图像的深度 -
kernel:Var卷积核 -
delta:float加到卷积结果的偏移量，可选，默认为0 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：卷积结果
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.filter2D(img, -1, cv.getStructuringElement(0, (3, 3)))
>>> cv.imwrite('filter2D.jpg', img)
True
使用高斯滤镜模糊图像，参考: GaussianBlur
参数：
-
src:Var输入图像 -
ksize:[int]kernel大小 -
sigmaX:floatX 方向的高斯核标准差 -
sigmaY:floatY方向的高斯核标准差；如果 sigmaY 为零，则设置为等于 sigmaX，可选，默认为0 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：模糊后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.GaussianBlur(img, [5, 5], 3)
>>> cv.imwrite('GaussianBlur.jpg', img)
True
返回用于计算空间图像导数的滤波器系数，参考: getDerivKernels
参数：
-
dx:int关于 x 的导数 -
dy:int关于 y 的导数 -
ksize:int返回的kernel大小，可以是1,3,5,7 -
normalize:bool是否将系数归一化，可选，默认为false
返回：滤波器系数
返回类型：Var
示例：
>>> cv.getDerivKernels(1, 1, 3)
(array([[-1., 0., 1.]], dtype=float32), array([[-1., 0., 1.]], dtype=float32))返回Gabor滤波器系数，参考: getGaborKernel
参数：
-
ksize:[int]返回的kernel大小 -
sigma:floatGabor的标准差 -
theta:floatGabor函数的平行条纹的法线方向 -
lambd:float正弦因子的波长 -
gamma:float空间纵横比 -
psi:float相位偏移，可选，默认为PI/2
返回：滤波器系数
返回类型：Var
示例：
>>> cv.getGaborKernel([3, 3], 10, 5, 5, 5)
array([[ 6.1722213e-01, 9.2025989e-01, 9.3729156e-01],
[-3.1094351e-01, -4.3711388e-08, 3.1094342e-01],
[-9.3729156e-01, -9.2025995e-01, -6.1722219e-01]], dtype=float32)返回高斯滤波器系数，参考: getGaussianKernel
参数：
-
ksize:int返回的kernel大小，必须是奇数 -
sigma:float高斯标准差sigma = 0.3*((ksize-1)*0.5 - 1) + 0.8
返回：滤波器系数
返回类型：Var
示例：
>>> cv.getGaussianKernel(3, 5)
array([[0.33110374, 0.3377925 , 0.33110374]], dtype=float32)返回指定大小和形状的结构元素，用于形态学操作，参考: getStructuringElement
参数：
-
shape:int元素形状- 0: 矩形
- 1: 十字形
- 2：椭圆形
-
ksize:[int]结构元素的大小
返回：结构元素
返回类型：Var
示例：
>>> cv.getStructuringElement(0, (3, 3))
array([[1, 1, 1],
[1, 1, 1],
[1, 1, 1]], dtype=uint8)计算图像的拉普拉斯算子，参考: Laplacian
参数：
-
src:Var输入图像 -
ddepth:int图像的深度 -
ksize:int卷积核大小，可选，默认为1 -
scale:float缩放因子，可选，默认为1 -
delta:float加到结果的偏移量，可选，默认为0 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：拉普拉斯算子计算结果
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.Laplacian(img, -1, 3)
>>> cv.imwrite('Laplacian.jpg', img)
True
模糊图像并对其进行下采样，参考: pyrDown
参数：
-
src:Var输入图像 -
dstsize:[int]输出图像的大小 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：下采样后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.pyrDown(img)
>>> cv.imwrite('pyrDown.jpg', img)
True
对图像进行上采样，然后对其进行模糊处理，参考: pyrUp
参数：
-
src:Var输入图像 -
dstsize:[int]输出图像的大小 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：下采样后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.pyrUp(img)
>>> cv.imwrite('pyrUp.jpg', img)
True
使用Scharr算子计算图像导数，参考: Scharr
参数：
-
src:Var输入图像 -
ddepth:int图像的深度 -
dx:int导数x的阶数 -
dy:int导数y的阶数 -
scale:float缩放因子，可选，默认为1 -
delta:float加到结果的偏移量，可选，默认为0 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：Scharr算子计算结果
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.Scharr(img, -1, 1, 1)
array([[[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
...,
[0, 0, 0],
[0, 0, 0],
[0, 0, 0]]], dtype=uint8)对图像应用可分离的线性过滤器，参考: sepFilter2D
参数：
-
src:Var输入图像 -
ddepth:int图像的深度 -
kx:intx方向的kernel -
ky:inty方向的kernel -
delta:float加到结果的偏移量，可选，默认为0 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：sepFilter2D计算结果
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> kernelX = np.array([[0., -1., 0.]])
>>> kernelY = np.array([[-1., 0., -1.]])
>>> cv.sepFilter2D(img, -1, kernelX, kernelY, 1)
array([[[1, 1, 1],
[1, 1, 1],
[1, 1, 1],
...,
[1, 1, 1],
[1, 1, 1],
[1, 1, 1]]], dtype=uint8)使用Sobel算子计算图像导数，参考: Sobel
参数：
-
src:Var输入图像 -
ddepth:int图像的深度 -
dx:int导数x的阶数 -
dy:int导数y的阶数 -
ksize:intkernel的大小，可选，默认为3 -
scale:float缩放因子，可选，默认为1 -
delta:float加到结果的偏移量，可选，默认为0 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：Sobel算子计算结果
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.Sobel(img, -1, 1, 0)
array([[[0, 0, 0],
[0, 0, 0],
[0, 0, 2],
...,
[0, 0, 0],
[0, 0, 0],
[0, 0, 0]]], dtype=uint8)使用Sobel算子分别计算x和y方向的一阶图像导数，参考: spatialGradient
参数：
-
src:Var输入图像 -
ksize:intSobel kernel的大小，可选，默认为3 -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：spatialGradient计算结果
返回类型：Var
计算与过滤器重叠的像素值的归一化平方和，参考: sqrBoxFilter
参数：
-
src:Var输入图像 -
ddepth:int图像的深度 -
ksize:[int]kernel的大小 -
normalize:bool是否归一化，可选，默认为true -
borderType:int边界类型，可选，默认为cv.BORDER_DEFAULT
返回：sqrBoxFilter计算结果
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.sqrBoxFilter(img, -1, (3,3))
>>> img = img.astype(np.uint8)
>>> cv.imwrite('sqrBoxFilter.jpg', img)
True
计算两组三个顶点之间仿射变换矩阵，参考: getAffineTransform
参数：
-
src:[float]输入的一组顶点，类型为list。里面为6个 float元素，分别代表三个顶点的 x, y -
dst:[float]计算仿射变换的另一组顶点，类型为list。里面为6个float元素，分别代表三个顶点的 x, y
返回：变换矩阵
返回类型：CVMatrix 参考：CVMatrix
示例：
>>> src = [50.0, 50.0, 200.0, 50.0, 50.0, 200.0]
>>> dst = [10.0, 100.0, 200.0, 20.0, 100.0, 250.0]
>>> cv.getAffineTransform(src, dst)
[[1.266667 0.600000 -83.333336]
[-0.533333 1.000000 76.666664]
[76.666664 0.000000 0.000000]]计算两组三个顶点之间透视变换矩阵，参考: getPerspectiveTransform
参数：
-
src:[float]输入的一组顶点，类型为list。里面为6个 float元素，分别代表三个顶点的 x, y -
dst:[float]计算仿射变换的另一组顶点，类型为list。里面为6个float元素，分别代表三个顶点的 x, y
返回：变换矩阵
返回类型：CVMatrix 参考：CVMatrix
示例：
>>> src = [100.0, 50.0, 100.0, 390.0, 600.0, 50.0, 600.0, 390.0]
>>> dst = [200.0, 100.0, 200.0, 330.0, 500.0, 50.0, 600.0, 390.0]
>>> cv2.getPerspectiveTransform(src, dst)
[[0.307692 -0.104072 174.434372]
[-0.129231 0.504751 87.685509]
[87.685509 -0.000585 -0.000520]]获取图像的矩形子块，参考: getRectSubPix
参数：
-
image:Var输入的图像 -
patchSize:[int]裁剪的patch大小(width, height) -
center:[int]被裁减出的矩形的中心点(x, y)
返回：裁剪出的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> h, w, c = img.shape
>>> center = (w / 2.0, h / 2.0)
>>> img = cv2.getRectSubPix(img, [90, 90], center)
>>> cv.imwrite('getRectSubPix.jpg', img)
True
作用等同与 OpenCV 中 Geometric Image Transformations 模块的getRotationMatrix2D 函数，用于计算 2D 旋转的仿射变换矩阵。
参数：
-
center:[float]图像中的旋转中心点(x, y) -
angle:float旋转角度(degrees) -
scale:float同向放缩因子
返回：仿射变换矩阵
返回类型：类型为 CVMatrix
示例：
>>> cv.getRotationMatrix2D((500.0 / 2.0, 333.0 / 2.0), 90, 1.0)
[[-0.000000 1.000000 83.500015]
[-1.000000 -0.000000 416.500000]
[416.500000 0.000000 0.000000]]作用等同与 OpenCV 中 Geometric Image Transformations 模块的invertAffineTransform 函数，计算仿射变换矩阵的逆矩阵。
参数：
-
m:CVMatrix输入的仿射矩阵
返回：仿射变换矩阵的逆矩阵
返回类型：类型为 CVMatrix
示例：
>>> m = MNN.CVMatrix()
>>> m.setScale(5.0, 5.0)
>>> cv.invertAffineTransform(m)
[[0.200000 0.000000 -0.000000]
[0.000000 0.200000 -0.000000]
[-0.000000 0.000000 0.000000]]映射map转换，为了兼容OpenCV中的convertMaps 函数；但实际不进行任何操作，仍返回map1, map2
参数：
-
map1:Var原始映射关系 -
map2:Var原始映射关系 -
dstmap1type:int兼容性参数，不支持 -
interpolation:int兼容性参数，不支持
返回：(map1, map2)
返回类型：类型为 Tuple
作用等同与 OpenCV 中 Geometric Image Transformations 模块的remap 函数，用于图像重映射。
不支持borderMode与borderValue
参数：
-
src:Var输入的图像 -
map1:Varx坐标映射 -
map2:Vary坐标映射 -
interpolation:int插值方式，仅支持cv.INTER_NEAREST和cv.INTER_LINEAR -
borderMode:int兼容性参数，不支持 -
borderValue:int兼容性参数，不支持
返回：重映射后的图像
返回类型：类型为 Var
示例：
>>> img = cv.imread('cat.jpg')
>>> row, col, ch = img.shape
>>> mapx = np.ones(img.shape[:2], np.float32)
>>> mapy = np.ones(img.shape[:2], np.float32)
>>> for i in range(row):
>>> for j in range(col):
>>> mapx[i, j] = float(j)
>>> mapy[i, j] = float(row-i)
>>> img = cv.remap(img, mapx, mapy, cv.INTER_LINEAR)
>>> cv.imwrite('remap.jpg', img)
True
作用等同与 OpenCV 中 Geometric Image Transformations 模块的resize 函数，用于放缩图像。
该函数在兼容OpenCV函数的基础上，额外增加了3个参数可选参数：code, mean, norm可以额外完成cvtColor和typeas的功能
参数：
-
src:Var输入的图像 -
dsize:tuple放缩后的大小 -
fx:float水平方向的放缩因子，如果为0，则自动计算，默认为0 -
fy:float竖直方便的放缩因子，如果为0，则自动计算，默认为0 -
interpolation:int放缩的插值方法，默认为cv.INTER_LINEAR -
code:int可以在缩放时转换颜色空间，默认为-1不执行转换 -
mean:[float]转换为float的归一化的均值，默认为空不转换为float -
norm:[float]转换为float的归一化的标准差，默认为空不转换为float
返回：放缩后的图像
返回类型：类型为 Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.resize(img, [100, 100])
>>> cv.imwrite('resize.jpg', img)
True
作用等同与 OpenCV 中 Geometric Image Transformations 模块的warpAffine 函数，对一个图像应用仿射变换。
该函数在兼容OpenCV函数的基础上，额外增加了3个参数可选参数：code, mean, norm可以额外完成cvtColor和typeas的功能
参数：
-
src:Var输入的图像 -
dsize:tuple放缩后的大小 -
interpolation:int放缩的插值方法，默认为cv.INTER_LINEAR -
borderMode:int边界模式，默认为cv.BORDER_CONSTANT -
borderValue:int当边界模式为cv.BORDER_CONSTANT时设定的值，默认为0 -
code:int可以在缩放时转换颜色空间，默认为-1不执行转换 -
mean:[float]转换为float的归一化的均值，默认为空不转换为float -
norm:[float]转换为float的归一化的标准差，默认为空不转换为float
返回：仿射变换的图像
返回类型：Var
示例：
>>> src = [50.0, 50.0, 200.0, 50.0, 50.0, 200.0, 125.0, 222.0]
>>> dst = [10.0, 100.0, 200.0, 20.0, 100.0, 250.0, 200.0, 300.0]
>>> transform = cv.getAffineTransform(src, dst)
>>> img = cv.imread('cat.jpg')
>>> img = cv.warpAffine(img, transform, [300, 330])
>>> cv.imwrite('warpAffine.jpg', img)
True
作用等同与 OpenCV 中 Geometric Image Transformations 模块的warpPerspective 函数，对一个图像应用透视变换。
参数：
-
src:Var输入的图像 -
dsize:tuple放缩后的大小 -
interpolation:int放缩的插值方法，默认为cv.INTER_LINEAR -
borderMode:int边界模式，默认为cv.BORDER_CONSTANT -
borderValue:int当边界模式为cv.BORDER_CONSTANT时设定的值，默认为0
返回：透视变换的图像
返回类型：Var
示例：
>>> src = [50.0, 50.0, 200.0, 50.0, 50.0, 200.0, 125.0, 222.0]
>>> dst = [10.0, 100.0, 200.0, 20.0, 100.0, 250.0, 200.0, 300.0]
>>> transform = cv.getPerspectiveTransform(src, dst)
>>> img = cv.imread('cat.jpg')
>>> img = cv.warpPerspective(img, transform, [500, 333])
>>> cv.imwrite('warpPerspective.jpg', img)
True
作用等同与 OpenCV 中 Miscellaneous Image Transformations 模块的adaptiveThreshold 函数，对图像逐像素进行自适应阈值变化，可以将使用此函数将图像变成二值图像。
参数：
-
src:Var输入的图像 -
maxValue:float阈值的最大值 -
adaptiveMethod:int自适应方法，如：cv.ADAPTIVE_THRESH_MEAN_C -
thresholdType:int阈值变化的类型，如：cv.THRESH_BINARY -
blockSize:int计算阈值时取邻域的大小，如：3,5,7等 C:float
返回：阈值变化后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> img = cv.adaptiveThreshold(img, 50, cv.ADAPTIVE_THRESH_MEAN_C, cv.THRESH_BINARY, 5, 2)
>>> cv.imwrite('adaptiveThreshold.jpg', img)
True
作用等同与 OpenCV 中 Miscellaneous Image Transformations 模块的blendLinear 函数，对两幅图像进行线性混合。
参数：
-
src1:Var输入的图像 -
src2:Var输入的图像 -
weight1:Varsrc1计算的叠加权重 -
weight2:Varsrc2计算的叠加权重
返回：混合后的图像。
返回类型：Var
示例：
>>> src1 = np.array([[2.0, 3.0], [1.0, 1.0]])
>>> src2 = np.array([[0.0, 1.0], [1.0, 1.0]])
>>> weight1 = np.array([[1.0, 2.0], [1.5, 1.5]])
>>> weight2 = np.array([[0.1, 0.5], [0.2, 0.3]])
>>> cv.blendLinear(src1, src2, weight1, weight2)
array([[1.8181652 , 2.5999894 ],
[0.9999941 , 0.99999446]], dtype=float32)作用等同与 OpenCV 中 Miscellaneous Image Transformations 模块的threshold 函数，对图像逐像素进行阈值变化，可以将使用此函数将图像变成二值图像，比如在寻找轮廓时(findContours)可以使用该函数。
参数：
-
src:Var输入的图像 -
thresh:float阈值 -
maxval:float阈值的最大值 -
type:int阈值变化的类型，默认为cv.THRESH_BINARY
| 参数 | 说明 |
|---|---|
THRESH_BINARY |
小于阈值的像素置为0，大于阈值的像素置为maxval |
THRESH_BINARY_INV |
小于阈值的像素置为maxval，大于阈值的像素置为0 |
THRESH_TRUNC |
小于阈值的像素置为0，大于阈值的像素保持不变 |
THRESH_TOZERO |
小于阈值的像素置为0，大于阈值的像素不变 |
THRESH_TOZERO_INV |
小于阈值的像素不变，大于阈值的像素置为0 |
返回：阈值变化后的图像
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> img = img.astype(np.float32)
>>> img = cv.threshold(img, 127, 255, cv.THRESH_BINARY)
>>> img = img.astype(np.uint8)
>>> cv.imwrite('threshold.jpg', img)
True
作用等同与 OpenCV 中 Structural Analysis and Shape Descriptors模块的findContours 函数，对二值图像进行轮廓查找，查找得到的结果可以用作contourArea，fillPoly和drawContours的参数使用。
注意：该实现未计算hierarchy信息
参数：
-
image:Var输入的图像 -
mode:int轮廓查找的模式，默认为cv.RETR_EXTERNAL -
method:int轮廓查找的方法，默认为cv.CHAIN_APPROX_SIMPLE -
offset:tuple轮廓查找的偏移量，默认为(0, 0)
返回：tuple的第一个元素为找到的轮廓像素，类型为list of Var，第二个值为兼容opencv的值，本函数未实现。
返回类型：tuple
示例：
>>> img = cv.imread('cat.jpg')
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
>>> cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
([array([[[143, 294]],
...,
[[144, 295]]], dtype=int32),
...
array([[[304, 1]],
...,
[[309, 1]]], dtype=int32)], 'no hierarchy')作用等同与 OpenCV 中 Structural Analysis and Shape Descriptors模块的contourArea 函数，计算轮廓的面积。
参数：
-
points:Var轮廓像素 -
oriented:bool是否计算有向面积，默认为False
返回：轮廓的面积
返回类型：float
示例：
>>> img = cv.imread('cat.jpg')
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
>>> contours, _ = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
>>> cv.contourArea(contours[0], False)
15.5作用等同与 OpenCV 中 Structural Analysis and Shape Descriptors模块的convexHull 函数，计算点集的凸包。
参数：
-
points:Var轮廓像素 -
clockwise:bool是否按顺时针方向计算凸包，默认为False -
returnPoints:bool是否返回凸包的点集，默认为True
返回：凸包的点集
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
>>> contours, _ = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
>>> cv.convexHull(contours[0])
array([[[147, 295]],
[[147, 298]],
[[146, 299]],
[[143, 298]],
[[142, 297]],
[[142, 296]],
[[143, 294]]], dtype=int32)作用等同与 OpenCV 中 Structural Analysis and Shape Descriptors模块的minAreaRect 函数，计算点集的最小外接矩形。
参数：
-
points:Var轮廓像素
返回：最小外接矩形的中心点坐标，长宽，旋转角度
返回类型：tuple
示例：
>>> img = cv.imread('cat.jpg')
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
>>> contours, _ = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
>>> cv.minAreaRect(contours[0])
((144.61766052246094, 296.5294494628906), (5.3357834815979, 4.123105525970459), 14.03624439239502)作用等同与 OpenCV 中 Structural Analysis and Shape Descriptors模块的boundingRect 函数，计算点集的最小外接矩形。
参数：
-
points:Var轮廓像素
返回：最小外接矩形的中心点坐标，长宽
返回类型：tuple
示例：
>>> img = cv.imread('cat.jpg')
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
>>> contours, _ = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
>>> cv.boundingRect(contours[0])
[142, 294, 6, 6]作用等同与 OpenCV 中 Connected Components模块的connectedComponentsWithStats 函数，计算图像的连通域。
参数：
-
image:Var图像 -
connectivity:int连通域的连通性，默认为8
返回：连通域的数量，连通域的标签，每个标签的统计输出，每个标签的质心输出
返回类型：tuple
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.connectedComponentsWithStats(img)
(2, array([[[[1], ..., [1]], ..., [[1], ..., [1]]]], dtype=int32),
array([[213, 60, 262, 52, 3], [0, 0, 480, 360, 172797]], dtype=int32),
array([[386., 77.333336], [239.49745, 179.50177]], dtype=float32))作用等同与 OpenCV 中 Structural Analysis and Shape Descriptors模块的boxPoints 函数，计算矩形的四个顶点坐标。
参数：
-
box:tuple矩形的中心点坐标，长宽，旋转角度，参考minAreaRect函数的返回值
返回：四个顶点坐标
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
>>> contours, _ = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
>>> cv.boxPoints(cv.minAreaRect(contours[0]))
array([[141.52942, 297.8824 ],
[142.52942, 293.8824 ],
[147.7059 , 295.1765 ],
[146.7059 , 299.1765 ]], dtype=float32)作用等同与 OpenCV 中 Drawing Functions 模块的line 函数，绘制从第一个点指向第二个点的直线。
该函数为 in-replace，直接作用于原图
参数：
-
img:Var代表需要绘制线条的图像 -
pt1:tuple线条绘制的起点(x, y) -
pt2:tuple线条绘制的终点(x, y) -
color:tuple线条绘制的颜色(b, g, r, a) -
thickness:int线的粗细，默认为1 -
lineType:int线条绘制的方式，默认为cv.LINE_8 -
shift:int坐标小数点向前移动的位数（缩小10倍数），默认为0
返回：None
返回类型：None
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.line(img, (10, 10), (100, 100), (255, 0, 0, 0), 5)
>>> cv.imwrite('line.jpg', img)
True
作用等同与 OpenCV 中 Drawing Functions 模块的arrowedLine 函数，绘制从第一个点指向第二个点的箭头段。
该函数为 in-replace，直接作用于原图
参数：
-
img:Var代表需要绘制箭头的图像 -
pt1:tuple箭头绘制的起点(x, y) -
pt2:tuple箭头绘制的终点(x, y) -
color:tuple箭头绘制的颜色(b, g, r, a) -
thickness:int箭头的粗细，默认为1 -
lineType:int箭头绘制的方式，默认为cv.LINE_8 -
shift:int坐标小数点向前移动的位数（缩小10倍数），默认为0 -
tipLength:float箭头部分与直线长度的百分比，默认为0.1
返回：None
返回类型：None
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.arrowedLine(img, (10, 10), (100, 100), (255, 0, 0, 0), 5)
>>> cv.imwrite('arrowedLine.jpg', img)
True
作用等同与 OpenCV 中 Drawing Functions 模块的circle 函数，绘制一个圆。
该函数为 in-replace，直接作用于原图
参数：
-
img:Var代表需要绘制圆的图像 -
center:tuple圆的中心点(x, y) -
radius:int圆的半径大小 -
color:tuple圆绘制的颜色(b, g, r, a) -
thickness:int圆的粗细，默认为1 -
lineType:int圆绘制的方式，默认为cv.LINE_8 -
shift:int坐标小数点向前移动的位数（缩小10倍数），默认为0
返回：None
返回类型：None
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.circle(img, (100, 100), 5, (255, 0, 0, 0), 5)
>>> cv.circle(img, (100, 100), 50, (0, 0, 255, 0), 5)
>>> cv.imwrite('circle.jpg', img)
True
作用等同与 OpenCV 中 Drawing Functions 模块的rectangle 函数，绘制一个矩形。
该函数为 in-replace，直接作用于原图
参数：
-
img:Var代表需要绘制圆的图像 -
pt1:tuple矩形的一个顶(x, y) -
pt2:tuple矩形的另一个顶(x, y) -
color:tuple矩形绘制的颜色(b, g, r, a) -
thickness:int矩形的粗细，默认为1 -
lineType:int矩形绘制的方式，默认为cv.LINE_8 -
shift:int坐标小数点向前移动的位数（缩小10倍数），默认为0
返回：None
返回类型：None
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.rectangle(img, (50, 50), (150, 150), (255, 0, 0, 0), 5)
>>> cv.rectangle(img, (100, 100), (200, 200), (0, 0, 255, 0), 5)
>>> cv.imwrite('rectangle.jpg', img)
True
作用等同与 OpenCV 中 Drawing Functions 模块的drawContours 函数，绘制轮廓边缘或对其填充。
该函数为 in-replace，直接作用于原图
参数：
-
img:Var代表需要绘制圆的图像 -
contours:[[int]]其中每一个元素都是一个list，代表一组轮廓点。一组轮廓点中的元素分别代表一个点的x或者y，必须配对 -
contourIdx:int代表要绘制第几个轮廓组。如果传入负数，绘制所有轮廓组 -
color:tuple矩形绘制的颜色(b, g, r, a) -
thickness:int矩形的粗细，默认为1 -
lineType:int矩形绘制的方式，默认为cv.LINE_8
返回：None
返回类型：None
示例：
>>> img = cv.imread('cat.jpg')
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> gray = gray.astype(np.float32)
>>> binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
>>> binary = binary.astype(np.uint8)
>>> contours, _ = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
>>> cv.drawContours(img, contours, -1, [0, 0, 255])
>>> cv.imwrite('drawContours.jpg', img)
True
作用等同与 OpenCV 中 Drawing Functions 模块的fillPoly 函数，绘制填充多边形。
该函数为 in-replace，直接作用于原图
参数：
-
img:Var代表需要绘制圆的图像 -
contours:[[int]]其中每一个元素都是一个list，代表一组轮廓点。一组轮廓点中的元素分别代表一个点的x或者y，必须配对 -
color:tuple矩形绘制的颜色(b, g, r, a) -
lineType:int矩形绘制的方式，默认为cv.LINE_8 -
shift:int坐标小数点向前移动的位数（缩小10倍数），默认为0 -
offset:tuple所有点相对轮廓的偏移量，默认为(0, 0)
返回：None
返回类型：None
示例：
>>> img = cv.imread('cat.jpg')
>>> gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
>>> gray = gray.astype(np.float32)
>>> binary = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
>>> binary = binary.astype(np.uint8)
>>> contours, _ = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
>>> cv.fillPoly(img, contours, [0, 0, 255])
>>> cv.imwrite('fillPoly.jpg', img)
True
作用等同与 OpenCV 中 Histograms 模块的calcHist 函数，计算图像的直方图。
参数：
-
imgs:[Var]需要计算的图像 -
channels:[int]需要计算的通道 -
mask:Var需要计算的图像的掩码，本函数实现不支持mask -
histSize:[int]直方图的大小，如：[256] -
ranges:[float]直方图的范围，如：[0., 256.] -
accumulate:bool是否累加，默认为False本函数实现不支持累加
返回：计算得到的直方图
返回类型：Var
示例：
>>> img = cv.imread('cat.jpg')
>>> cv.calcHist([img], [0], None, [256], [0., 256.])
array([ 9., 5., 13., 25., ..., 41., 74., 41., 173.], dtype=float32)