图像变换---学习opencv3

基于opencv的边缘检测的各种算子（带方向）和滤波器----canny算子、sobel算子、laplacian算子、scharr滤波器

1、边缘检测的一般步骤：（1）滤波   高斯滤波（2）增强  增强边缘的基础是确定图像各点邻域强度的变化值。（3）检测 经过增强的图像往往邻域中有很多点的梯度值比较大，而在特定应用中这些点并不是要找的边缘点，经常采用阈值化方法来对这些点进行取舍。

2、霍夫变换  运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，从而把检测形状问题转换为统计峰值的问题。

3、利用霍夫变换寻找直线时、先要对图像进行边缘检测的处理，即霍夫变换的直接输入只能是边缘二值图像。

4、直方图均衡化：广泛应用于图像增强处理中，图像的像素灰度变化是随机的，均衡化就是使用一定的算法是直方图大致平和的方法。 也即通过拉伸像素强度分布范围来增强图像对比度的一种方法。

        图像轮廓与图像分割修复

1、Canny边缘检测并没有将轮廓作为一个整体。

2、查找并绘制轮廓：一个轮廓对应一系列点，也就是图像中的一条曲线，在opencv中可以用findContours函数从二值图像中查找轮廓。

3、过程：先用canny算子检测边缘，再来寻找轮廓：findContours函数  ，最后绘制轮廓drawContours函数

4、分水岭算法：是一种基于拓扑理论的数学形态学的分割方法，基本思想是把图像看做是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域成为集水盆，而集水盆的边界则形成分水岭。此外，分水岭算法首先是计算灰度图像的梯度；然后开始从用户指定点开始持续灌注盆地，直到这些区域连城一片。基于这样产生的标记就可以把区域合并到0一起，合并后的区域又通聚集的方式进行分割，好像图被“填充”起来一样。  watershed函数

直方图和匹配

1、直方图的意义 ：（1）直方图是图像中像素强度分布的图形表达方式（2）统计了每一个强度值所具有的的像素个数。

      图像直方图：用以表示数字图像中亮度分布的直方图，标会了图像中每个亮度值的像素数

      直方图不局限于统计颜色灰度，还可以统计任何图像特征，如梯度、方向。

2、直方图的一些术语：dims:需要统计的特征的数目。dims=1：只代表有灰度值    bins:每个特征空间子区段的数目（组距）

    range:每个特征空间的取值范围。

3、对于直方图，有个不可或缺的工具便是用某些具体的标准来比较两个直方图的相似度。compareHist()函数。

4、末模板匹配：在一幅图像中寻找与另一幅图像最匹配部分的技术。MatchTemplate（）函数。不是基于直方图，二十对实际的图像块和输入图像进行匹配。