OpenCV——总结《图像处理》

1.直方图

函数介绍：

cv2.calcHist(images,channels,mask,histSize,ranges)
1。images: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]
2。channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0] 如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。
3。mask: 掩模图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一分的直方图的你就制作一个掩模图像并 使用它。
4。histSize:BIN 的数目。也应用中括号括来
5。ranges: 像素值范围常为 [0256]

img = cv2.imread('cat.jpg',0) #0表示灰度图
hist = cv2.calcHist([img],[0],None,[256],[0,256])

mask。只是显示了一部分区域内的图像
其中。0代表的是全部是黑色，255代表的是最亮的颜色为白色

2.直方图均衡化&自适应直方图均衡化

函数介绍：

cv2.equalizeHist(img)

旨在使得图像整体效果均匀，黑与白之间的各个像素级之间的点更均匀一点。
cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
直方图均衡化的作用是图像增强。

3.模版匹配

模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有6种，然后将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)
这里的计算方式可以参考（W-F+2P）/S+1，神经网络的知识。

1.TM_SQDIFF：计算平方不同，计算出来的值越小，越相关
2.TM_CCORR：计算相关性，计算出来的值越大，越相关
3.TM_CCOEFF：计算相关系数，计算出来的值越大，越相关
4.TM_SQDIFF_NORMED：计算归一化平方不同，计算出来的值越接近0，越相关
5.TM_CCORR_NORMED：计算归一化相关性，计算出来的值越接近1，越相关
6.TM_CCOEFF_NORMED：计算归一化相关系数，计算出来的值越接近1，越相关

res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)

连接：
https://blog.csdn.net/jingbo18/article/details/81707181
https://blog.csdn.net/weixin_43869605/article/details/119962173