棋盘格角点检测findChessboardCorners()

findChessboardCorners(image,patternSize,corners,flags = None)，此函数试图确定输入图片是否有棋盘图案，并定位棋盘板上的内角点。如果所有的角点被找到且以一定的顺序排列（一行接一行，从一行的左边到右边），该函数会返回一个非零值。另外，如果该函数没有找到所有的角点或者重新排列他们，则返回0。

亚像素角点检测cornerSubPix(）

cv::goodFeaturesToTrack()提取到的角点只能达到像素级别，在很多情况下并不能满足实际的需求，这时，我们则需要使用cv::cornerSubPix()对检测到的角点作进一步的优化计算，可使角点的精度达到亚像素级别。

void cv::cornerSubPix(  cv::InputArray image, // 输入图像
						cv::InputOutputArray corners, // 角点（既作为输入也作为输出）
						cv::Size winSize, // 区域大小为 NXN; N=(winSize*2+1)
						cv::Size zeroZone, // 类似于winSize，但是总具有较小的范围，Size(-1,-1)表示忽略
						cv::TermCriteria criteria // 停止优化的标准
					 );

第五个参数用于表示计算亚像素时停止迭代的标准，可选的值有cv::TermCriteria::MAX_ITER 、cv::TermCriteria::EPS（可以是两者其一，或两者均选），前者表示迭代次数达到了最大次数时停止，后者表示角点位置变化的最小值已经达到最小时停止迭代。二者均使用cv::TermCriteria()构造函数进行指定。

棋盘格角点的绘制drawChessboardCorners()

	void cv::drawChessboardCorners( cv::InputOutputArray image, // 棋盘格图像（8UC3）即是输入也是输出
									cv::Size patternSize, // 棋盘格内部角点的行、列数
									cv::InputArray corners, // findChessboardCorners()输出的角点
									bool patternWasFound // findChessboardCorners()的返回值
								  );

计算外参solvePnPRansac()

bool cv::solvePnPRansac	(	InputArray 	objectPoints, //参考点在世界坐标系
						 	InputArray 	imagePoints,  //参考点在相机平面的坐标
						 	InputArray 	cameraMatrix,  //相机内参
						 	InputArray 	distCoeffs,    //相机畸变系数
						 	OutputArray 	rvec,      // 旋转矩阵
						 	OutputArray 	tvec,      // 平移向量
						 	bool 	useExtrinsicGuess = false,
						 	int 	iterationsCount = 100,
						 	float 	reprojectionError = 8.0,
						 	double 	confidence = 0.99,
						 	OutputArray 	inliers = noArray(),
						 	int 	flags = SOLVEPNP_ITERATIVE 
						)

旋转向量转旋转矩阵Rodrigues()

Rodrigues(src[, dst[, jacobian]]) -> dst, jacobian
输入src：旋转向量（(3,1)或者(1,3)）或者旋转矩阵（3,3）；
输出dst：旋转矩阵（3,3）或者旋转向量（(3,1)或者(1,3)）；
输出jacobin：可选项，输出雅克比矩阵（3x9或者9x3），输入数组对输出数组的偏导数。

鱼眼畸变矫正initUndistortRectifyMap()

的作用是根据无畸变图的像素位置(i, j)，推出它对应的畸变图中的像素位置(u, v)，然后把畸变图中的(u, v)复制到新图中的(i, j)，就得到了矫正图像。

void initUndistortRectifyMap( InputArray cameraMatrix, InputArray distCoeffs,InputArray R, InputArray newCameraMatrix, Size size, int m1type, OutputArray map1, OutputArray map2 );

参数说明：
cameraMatrix——输入的摄像头内参数矩阵（3X3矩阵）
distCoeffs——输入的摄像头畸变系数矩阵（5X1矩阵）
R——矫正单目鱼眼相机时，R默认为单位矩阵
newCameraMatrix——输入的校正后的3X3摄像机矩阵
size——摄像头采集的无失真图像尺寸
m1type——map1的数据类型，可以是CV_32FC1或CV_16SC2
map1——输出的X坐标重映射参数
map2——输出的Y坐标重映射参数

检测轮廓findContours()

findContours( InputOutputArray image, OutputArrayOfArrays contours,  OutputArray hierarchy, int mode,  int method, Point offset=Point());  

image是单通道图像矩阵，可以是灰度图，更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像。

contours的定义是vector<vector< point >> contours;向量内每个元素保存了一组由连续的点构成的点的集合向量，每一组point点集就是一个轮廓。

hierarchy，定义为“vector< Vec4i > hierarchy”，向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~hierarchy[i][3]，分别表示第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓或内嵌轮廓的话，则hierarchy[i][0] ~hierarchy[i][3]的相应位被设置为默认值-1。

int型的mode，定义轮廓的检索模式，int型的method，定义轮廓的近似方法，第六个参数：Point偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且Point还可以是负值。

// 用于保存轮廓点的坐标
vector<vector<Point>> contours;

vector<Point> point;
// 存放点集间的关系
vector<Vec4i> hireachy;

// 利用二值图寻找轮廓
cv::findContours(binary, contours, hireachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point());

轮廓显示drawContours()

cv2.drawContours()
cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
第一个参数是指明在哪幅图像上绘制轮廓；image为三通道才能显示轮廓
第二个参数是轮廓本身，在Python中是一个list;
第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。后面的参数很简单。其中thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。

改变图片大小resize

void cv::resize (InputArray src,
OutputArray dst,
Size dsize,
double fx = 0,
double fy = 0,
int interpolation = INTER_LINEAR 
)

src - 输入图像。
dst - 输出图像；它的大小为 dsize（当它非零时）或从 src.size()、fx 和 fy 计算的大小；dst 的类型与 src 的类型相同。
dsize - 输出图像大小；如果它等于零，则计算为：dsize = Size(round(fxsrc.cols), round(fysrc.rows))。dsize 或 fx 和 fy 必须为非零。
fx - 沿水平轴的比例因子；当它等于 0 时，它被计算为(double)dsize.width/src.cols
fy - 沿垂直轴的比例因子；当它等于 0 时，它被计算为(double)dsize.height/src.rows
插值 - 插值方法，请参阅 InterpolationFlags

resize(img, img, Size(642, 362));

图片颜色空间转换

cv::cvtColor()用于将图像从一个颜色空间转换到另一个颜色空间的转换（目前常见的颜色空间均支持），并且在转换的过程中能够保证数据的类型不变，即转换后的图像的数据类型和位深与源图像一致。具体调用形式如下：

void cv::cvtColor(
	cv::InputArray src, // 输入序列
	cv::OutputArray dst, // 输出序列
	int code, // 颜色映射码
	int dstCn = 0 // 输出的通道数 (0='automatic')
);

//具体例子：
cvtColor(image, image, COLOR_RGB2GRAY);

图像二值化threshold()

图像的二值化就是将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。OpenCV中提供了函数cv::threshold();

double cv::threshold(InputArray src, OutputArray dst, double thres, double maxval, int type)

src：源图像，可以为8位的灰度图，也可以为32位的彩色图像；
dst：输出图像；
thresh：阈值；
maxval：二值图像中灰度最大值；
type：阈值操作类型，具体的阈值操作实现如下图所示：

计算轮廓周长

double arcLength( InputArray curve, bool closed );

参数说明
InputArray类型的curve，输入的向量，二维点（轮廓顶点），可以为std::vector或Mat类型。
bool类型的closed，用于指示曲线是否封闭的标识符，一般设置为true。

多边拟合函数

approxPolyDP 主要功能是把一个连续光滑曲线折线化，对图像轮廓点进行多边形拟合。

void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)

参数详解;
InputArray curve:一般是由图像的轮廓点组成的点集
OutputArray approxCurve：表示输出的多边形点集
double epsilon：主要表示输出的精度，就是另个轮廓点之间最大距离数，5,6,7，，8，，,，
bool closed：表示输出的多边形是否封闭

图像的矩moments()

从图像中计算出来的矩通常描述了图像不同种类的几何特征如：大小、灰度、方向、形状等，图像矩广泛应用于模式识别、目标分类、目标识别与防伪估计、图像编码与重构等领域。moments()函数计算多边形或栅格化形状（一个矢量形状或光栅形状）的最高达三阶所有矩。

Moments cv::moments(
InputArray array,			// 光栅图像(单通道、8位或浮点二维数组)或二维点(点或点2f)的数组(1×N或N×1)
bool binaryImage = false 	// binaryImage用来指示输出图像是否为一幅二值图像，如果是二值图像，则图像中所有非0像素看作为1进行计算。
)	

结构Moments成员数据：

cv::Moments::Moments	
(
// 空间矩(10个)
double 	m00,double 	m10,double 	m01,double 	m20,double 	m11,double 	m02,double 	m30,double 	m21,double 	m12,double 	m03  
// 中心矩（7个）
double mu20, double mu11, double mu02, double mu30, double mu21 , double mu12,double mu03
// 中心归一化矩（） 
double nu20, double nu11, double nu02, double nu30, double nu21, double nu12,double nu03;
)	

关键点KeyPoints

corners：包含大量本地信息的像素块，并能够在另一张图中被快速识别
**keypoints：**作为 corners 的扩展，它将像素块的信息进行编码从而使得更易辨识，至少在原则上唯一
descriptors：它是对 keypoints 进一步处理的结果。通常它具有更低的维度，从而使得图像块能够在另一幅不同的图像中被更快地识别。

class cv::KeyPoint {
public:
	cv::Point2f pt; // coordinates of the keypoint
	float size; // diameter of the meaningful keypoint neighborhood
	float angle; // computed orientation of the keypoint (-1 if none)
	float response; // response for which the keypoints was selected
	int octave; // octave (pyramid layer) keypoint was extracted from
	int class_id; // object id, can be used to cluster keypoints by object 标示关键点来自哪一个目标
	cv::KeyPoint(
		cv::Point2f _pt,
		float _size,
		float _angle = -1,
		float _response = 0,
		int _octave = 0,
		int _class_id = -1
	);
	cv::KeyPoint(
		float x,
		float y,
		float _size,
		float _angle = -1,
		float _response = 0,
		int _octave = 0,
		int _class_id = -1
	);
	...
};

多边形绘制polylines()

void cv::polylines(
         InputOutputArray  img,
         InputArrayOfArrays       pts,
         bool        isClosed,
         const Scalar &        color,
         int   thickness = 1,
         int   lineType = LINE_8,
         int   shift = 0
)

img表示绘制画布，图像
pts表示多边形的点
isClosed表示是否闭合，默认闭合
color表示颜色
thickness表示线宽，必须是正数
lineType表示线渲染类型
shift表示相对位移

绘制填充多边形fillPoly()

void fillPoly(Mat& img, const Point** pts, const int* npts, int ncontours, const Scalar& color, int lineType=8, int shift=0,
Point offset=Point() );

img：在img表示的图像上绘制
pts：是指向多边形数组的指针，必须是const修饰的
npts：是多边形顶点个数的数组名
ncontours：是绘制多边形的个数
color：是填充的颜色