Opencv的基础操作
一、图像填充
首先定义图像显示函数：
def cv_show(name, img):
cv2.imshow(name, img)
cv2.waitKey(0)
cv2.destroyAllWindows()图像读取：
img_cat = cv2.imread('cat.jpg')定义图像填充的大小：
top_size, bottom_size, left_size, right_size = (50, 50, 50, 50)接下来分别采用复制法、反射法、外包装法、常量法进行填充。
复制法：
# 复制法，复制最边缘像素
replicate = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REPLICATE)反射法：
# 反射法，对感兴趣的图像中的像素在两边进行复制
reflect = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_REFLECT)第二种反射法
# 反射法，也就是以最边缘像素为周，对称
reflect101 = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size,
borderType=cv2.BORDER_REFLECT_101)外包装法：
# 外包装法
warp = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_WRAP)常量法：
# 常量法，常数值填充，此处填充灰色
constant = cv2.copyMakeBorder(img_cat, top_size, bottom_size, left_size, right_size, borderType=cv2.BORDER_CONSTANT,
value=0)输出结果对比如下：
二、形态学操作
首先读入原始图像：
pie = cv2.imread('pie.jfif') 
定义卷积核：
kernel = np.ones((10, 10), np.uint8)腐蚀函数：
dige_erosion = cv2.erode(pie, kernel=kernel, iterations=1)输出结果如下：
膨胀函数：
dige_dilate = cv2.dilate(pie, kernel=kernel, iterations=1)输出结果如下：
开运算：先腐蚀后膨胀
opening = cv2.morphologyEx(pie, cv2.MORPH_OPEN, kernel=kernel)输出结果如下：
闭运算：先膨胀后腐蚀
closing = cv2.morphologyEx(pie, cv2.MORPH_CLOSE, kernel=kernel)输出结果如下：
梯度：膨胀-腐蚀
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)输出结果如下：
礼帽：原始输入-开运算结果
tophat = cv2.morphologyEx(pie, cv2.MORPH_TOPHAT, kernel)输出结果如下：
黑帽：闭运算-原始输入
blackhat = cv2.morphologyEx(pie, cv2.MORPH_BLACKHAT, kernel)输出结果如下：
三、图像平滑
传入原始图像：
均值滤波：简单的平均卷积操作
blur = cv2.blur(cat, (3, 3))
方框滤波：基本和均值一样，可以选择归一化, normalize为true时就做归一化，和均值滤波一样
box = cv2.boxFilter(cat, -1, (3, 3), normalize=True) 
normalize为False时不做归一化，及不做均值处理，越界后取255
box = cv2.boxFilter(cat, -1, (3, 3), normalize=False)
高斯滤波：高斯模糊的卷积核里的数值是满足高斯分布的，相当于更重视中间的
gaussian = cv2.GaussianBlur(cat, (3, 3), 1)
中值滤波：相当于用中值代替
median = cv2.medianBlur(cat, 3)