MakeYouClimax的博客

像素差值计算，模板在原图上滑动① 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(例如值127与值190的区别)，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。② 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)。因为是类似于卷积他5行的 你拿4行的去卷 只能卷2次 5-4+1 = 2。

非极大值抑制就是 检测出多个框 置信度99 96 95 保留最大的。三个图像 一个 图像 ， 轮廓点，最后一个层级结构结果。下边界越小，要求越低，保留信息越多。离散为几个方向，看这几个方向上的。2代表线条宽度 轮廓线条颜色。绝对值转换，不能说负数就不要了。这里阈值设置为了0.1倍的周长。右边 白-黑变成大于0的数。分开计算，再整合两个梯度。scharr算子更为细腻。小于0的话为0或绝对值。黑 -白 负数 小于0。距离小于阈值，轮廓近似。腐蚀核大小，腐蚀几次。阈值大小对结果的差异。

常用的方法是将红、绿、蓝三个通道的像素值进行不同程度的加权求和，得到一个新的像素值作为灰度图像中的像素值。另外，灰度图像的阈值通常根据实际需求而定，OpenCV中也提供了不同的阈值处理函数，如cv2.threshold()、cv2.adaptiveThreshold()等，可以根据具体应用场景选择不同的算法和阈值进行处理。在OpenCV中，将彩色图像转换为灰度图像时，通常使用8位无符号整数（unsigned char）表示每个像素点的灰度值，它的取值范围是0~255。与matplotlib不太一样。