opencv-python常用函数（持续更新）
● bioinspired：生物视觉模块。
● datasets：数据集读取模块。
● dnn：深度神经网络模块。
● face：人脸识别模块。
● matlab:MATLAB接口模块。
● stereo：双目立体匹配模块。
● text：视觉文本匹配模块。
● tracking：基于视觉的目标跟踪模块。
● ximgpro：图像处理扩展模块。
● xobjdetect：增强2D目标检测模块。
● xphoto：计算摄影扩展模块。
一、图像处理
1.基本操作
img = cv2.imread(filename[,flags]) #读取图像
#flags标记值如图1-1
window = cv2.nameWindow("window") #创建一个名为window的窗口
cv2.imshow(winname, mat) #显示图像，winname为窗口名称， mat为显示的图像
retval = cv2.waitKey([delay]) #retval为返回值（返回按键的ascll码），delay默认为0表示无限长等待
#python中提供函数ord()来获取括号中字符的ascll码值
cv2.destoryWindow(winname) #用来释放窗口
cv2.destoryAllWindows()
cv2.imwrite(filename, img[, params] #filename为保存的完整路径名，params为保存类型参数
import numpy as np
item(行， 列） #更高效的访问像素点
itemest(索引值， 新值） #修改像素值
b, g, r = cv2.split(img) #将img拆分通道
bgr = cv2.merge([b,g,r]) #通道合并
#图像属性
img.shape
img.size
img.dtype
2、图像运算
ans = cv2.add(a, b) #得到a，b和对应的像素最大值
#图像加权和,实现dst=src1xalpha+src2xbeta+gamma, gamma是亮度调节量
dst = cv2.addWeighted(src1, alpha, src2, beta, gamma)
#按位运算
dst = cv2.bitwise_and(src1, src2[, mask]) #与
dst = cv2.bitwise_or(src1, src2[, mask]) #或
dst = cv2.bitwise_xor(src1, src2[, mask]) #异或， xor(a, b)=c,则有xor(c, b)=a xor(c, a)=b
dst = cv2.bitwise_not(src[, mask]) #非
3、色彩空间基础
bgr空间中还可添加a通道，alpha代表透明度
- GRAY色彩空间 灰度
- XYZ 由CIE定义，更便于计算
- YCrCb 亮度+红色+绿色
- HSV 色调+饱和度+亮度
- HSL 色调+光亮度+饱和度
- CIELab* L为[0,100]亮度，a为[-127,127]红色到绿色的范围，b*为[-127,127]黄色到蓝色的范围
- CIEL* u * v*
- Bayer
dst = cv2.cvtColor(src, code[, dstCn] #code为枚举值，图3-1中显示，dstCn为通道值默认为0
dst = cv2.inRange(src, lowerb, upperb) #dst等于，src中小于lowerb的一律等于lowerb，大于upperb的等于upperb
4、几何变换
#dsize代表输出图像大小，fx代表水平方向缩放比例，fy代表垂直方向的，interpolation代表插值方式
dst = cv2.resize(src, dseize[, fx[, fy[, interpolation]]])
- interpolation
