Python的opencv学习总结：

图像的基本操作：

亮度范围：0（黑）~255（白）

读取图像：使用import opencv as cv2 使用cv2.imread('图像名字')

显示图像：使用cv.imshow('图像窗口名'，图像变量名)

cv2.waitKey(等待时间的毫秒级数)（如果为0的话则表示任意键终止）;cv2.IMREAD_COLOR(彩色图)；cv2.IMRED_GRAYSCALE(灰度图)

cv2.VideoCapture('视频名字')可以扑获摄像头，视频文件。通过while循环来将视频进行操作。

截取部分图像数据：图片参数[长度范围，宽度范围]

边界填充：cv2.copyMakeBorder(图像参数名,上填充宽度，下，左，右，填充方法)

填充方法有（1.复制法：BORDER_REPLICATE 2.反射法：BORDER_REFLECT 3.反射法BORDER_REFECT_101 4.外包装法 ：BORDER_WRAP 5.常量法BORDER_CONSTANT（使用需要设置常量值） ）

数值计算：两个图片进行矩阵相加，同时相加的数取余256.

图像融合：两个图像必须shape值相同才能融合，将一个图像重新置shape值用到cv2.resize（图像参数，重置的shape值）。用cv2.addWeight(参数1，权重值1 ，参数2，权重值2，偏值)

图像处理：

图像阈值cv2.threshold(src（输入单通道图像）,thresh（阈值）,maxval（当超过阈值或者最小值，所赋予的值）,type（二值化操作的类型）)

type有五种：1. cv2.THRESH_BINARY超过阈值部分取maxval，否则取0。2. cv2.THRESH_BINARYINV 上一个函数的反转 3. cv2.THRESH_TRUNC大于阈值部分设为阈值，否则不变 4.cv2.THRESH_TOZERO大于阈值部分不改变，否则变为阈值 。5.cv2.THRESH_TOZERO_INV上一个的反转。

图像平滑：均值滤波（简单的平均卷积操作）cv2.blur（图像参数名，范围）。方框滤波（和均值一样，但容易越界）。高斯滤波（满足高斯分布的）。中值滤波（用中值替代）。

形态学的腐蚀操作：cv.erode(图像参数名，kernel，迭代次数)

膨胀操作：cv2.dilate(图像参数名，kernel，迭代次数)

开运算和闭运算：开：先腐蚀再膨胀cv2.morphologyEx(图像参数,cv2.MORPH_OPEN,kernel)。闭：先膨胀后腐蚀cv2.morphologyEx(,cv2.MORPH_CLOSE,)

梯度运算：膨胀-腐蚀。np.hstack(膨胀图像，腐蚀图像).

礼帽与黑帽：礼帽=原始输入-开运算结果cv2.morphologyEx（图像参数名，cv2.MORPH_TOPHAT,kernel）。黑帽=闭运算-原始输入cv2.morphologyEx（图像参数名，cv2.MORPH_BLACKHAT,kernel)。

图像梯度-sobel算子：cv2.Sobel(src,ddepth(图像深度),dx（水平）,dy（竖直）,ksize（sobel算子的大小）)。convertScaleAbs（参数）（取复数的绝对值）

Scharr算子：Scharr（）相对于其他更敏感

laplacian算子：Lapalcian（）

Canndy边缘检测：1.高斯滤波器滤除噪声 2.计算每个像素点的梯度强度和方向 3.应用非极大值抑制以消除边缘检测带来的杂散响应。 4. 应用双阈值检测来确定真实的和潜在的边缘。 5.通过抑制孤立的弱边缘最终完成边缘的检测。

 图像金字塔：高斯金字塔（向上采样（pyrUp（））是放大，向下采样（pyrDown（））时缩小）如果上采样后再下采样恢复原来大小和原图有区别，像素变差。

拉普拉斯金字塔：

图像轮廓：cv2.findContours(imgs,mode,method)

mode:轮廓检索模式主要方式：RETR_TREE(检索所有的轮廓，并重构嵌套轮廓层次)

method：轮廓逼近方法：CHAIN_APPROX_NONE:（以Freeman链码的方式输出轮廓）,CHAIN_APPROX_SIMPLE(只保留他们的终点部分)

轮廓近似：cv2.drawContours(轮廓信息，近似值，TRUE)