E01114255的专栏

1、读取图像imread：filename:图片的路径，flages=1:默认值是1，flages= 2|4：载入原图 flages= 199载入三通道彩色图片cv2.imread(filename,flage)2、显示图片imshow：winname：表示显示图片的名字，mat表示图片变量。cv2.imshow（winname, mat）3、存储图片 imwrite：filename,存储图片的

各种滤波学习 各种滤波：减小图片的噪声点 图像滤波得目的：1、抽出对象的特征作为图像识别的特征 2、消除图像所混入的噪声 平滑滤波：低频增强的滤波：1：模糊 2：消除噪音 %线性滤波器 1）方框滤波-BoxBlur 2）均值滤波-Blur 3）高斯滤波-GaussianBlur %非线性滤波器 4）中值滤波-medianBlur 5）双边滤波-bi

腐蚀与膨胀 腐蚀与膨胀是对白色部分（高亮部分）而言，不是黑色部分。膨胀类似于“领域扩张”，腐蚀类似于“领域被蚕食”。 膨胀：求局部最大值操作。将图像A与核B进行卷积，核的形状大小不定。 算法：假设用一个3x3的结构，扫描图像的每一个像素，用结构元素与覆盖的二值图像做“与”操作，如果都为0，那么图像该像素为0，否则为1。结果使二值图像扩大一倍腐蚀与膨胀使相反的一对操作，即求局部最小值操作 假设

水漫填充算法实现 help(cv2.floodFill)floodFill(image, mask, seedPoint, newVal[, loDiff[, upDiff[, flags]]]) -> retval, image, mask, rect 参数解释： image： mask：掩码图像，大小比原图多两个像素点。设输入图像大小为width * height, 则掩码的大小必

图像的阈值操作，可以看成是阈值对图像的简单分割。1、固定阈值操作：Threshold（） 1）输入：是对灰度图像进行操作 2）输出：得到二值图像 python-cv2help（cv2.threshold） threshold(src, thresh, maxval, type[, dst]) -> retval, dst返回一个元组。得到的二值为dst[1] 参数说明：

边缘检测步骤： 1）、滤波:边缘检测一般是使用图像的一阶或二阶导数求极值来确定图像的边缘。由于导数对图像的噪声很敏感，因此用滤波器来改善或消除噪声的影响。常见的处理方法是采用高斯滤波（归一化）。 2）、图像边缘增强：增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。可通过梯度的幅值来确定。 3）、检测：经过增强的图像，往往邻域中很多点的梯度值比较大，但在特定的环境中，并不是要找的边缘点