qq_37231166的博客

图像形态学主要获取物体的形状与位置信息。利用具有一定形态的结构元素度量和提取图像中的对应形状，达到对图像分析和识别的目的。操作主要包括腐蚀、膨胀、开运算和闭运算。

本文介绍了图像处理中的滤波与边缘检测技术。主要内容包括： 图像滤波方法：线性滤波（均值、方框、高斯滤波）和非线性滤波（中值、双边滤波），用于去除噪声和突出特征； 边缘检测算子：Sobel、Scharr、Laplacian和性能优良的Canny算法，可识别图像中的边缘信息； 卷积原理：通过卷积核滑动检测局部特征，具有参数共享和位移不变性优势； OpenCV实现：提供了各算法的函数接口及参数说明，如filter2D、blur、Sobel等。 这些技术是图像预处理和特征提取的基础，在计算机视觉中有广泛应用。

上述代码中实现了利用滑动条调整二值化图像中的阈值，核心在于callback函数对图像的更新。只能读取静态图像，若要读取视频文件或摄像头流，需要使用。等，-1为自动采用合适的编解码器。为当前滑动位置，可用全局变量或。：输出文件路径及名称（带后缀）：滑动条的当前值（整型指针）：用户自定义数据指针（可选）：回调函数，每次滑动时调用。：视频分辨率（宽, 高）

threshold中只有一个全局全阈值，会受到阴影与光照的影响。在adaptiveThreshold()中提供了两种局部自适应阈值的二值化方法。这个函数会将灰度图像转化为二值图像，通过均值法或高斯法自适应计算邻域内的阈值，随后再进行二值化。OpenCV 中常见的颜色空间包括：BGR、RGB、GRAY、YUV、HSV、Lab 等。二值图像中只有两个值，即原图像中的灰度最大值与最小值。在threshold()中，原图像只能是CV_8U或CV_32F。操作数（及结果）的尺寸、通道数和数据类型必须一致。

Scalar中的变量个数要与通道数相等，否则不会被读取或填充为0。利用已有的Mat进行构造，m为已构造好的Mat类型数据。运算中要求矩阵类型相同，并且常数与矩阵运算时保留矩阵类型。（单通道为灰度图像，3通道或4通道为彩色图像）中包含矩阵形状、存储方法、地址、引用次数等。Mat类间赋值仅复制了矩阵头和矩阵指针，uchar 和 CV_8U 虽然都表示。Mat类用来保存矩阵类型的数据，包括。利用矩阵尺寸和数据类型构造。利用Size结构构造。指向存储的矩阵数据。整个矩阵（浅拷贝）。构造已有Mat的子类。