保持分享欲

函数的C++代码，我们需要复现其完整的边缘检测流程，包括梯度计算、非极大值抑制和阈值处理。此代码实现了类似MATLAB的Sobel边缘检测流程，结合非极大值抑制和自动阈值处理，能够有效提取图像边缘。为了实现类似于MATLAB的。

inpaint函数基于图像修复算法，通过对缺陷区域周围像素的分析和插值，生成合适的像素值来填充缺陷区域。这种算法通常用于去除图像中的污点、划痕或其他不需要的对象。注：对于视频的去水印，通过读取第一帧图像获取mask后，其余图像帧都可以使用该mask进行操作。使用cv2.inpaint函数进行图像修复，效果还是不佳，后续有空尝试训练去水印的AI模型。本文主要基于cv2.inpaint函数实现图片的水印去除。

cv2.CAP_DSHOW 参数含义： 当你将cv2.CAP_DSHOW 与摄像头编号相加时，实际上是告诉OpenCV使用DirectShow框架来打开并操作指定的摄像头设备。DirectShow是Windows操作系统中用于处理音/视频流的一种API集合，它可以动态构建数据源到渲染器之间的过滤器链，支持多种音频和视频格式，并具有一定的硬件加速能力。使用外设摄像头时，cv2.CAP_DSHOW设置后，初始加载比较快，但帧率下降了，另外也不能设置图像大小。另外，查看网上也有人遇到相同的问题。

opencv实现鼠标框选ROI

透视变换：按照物体的成像投影规律将图像重新投影。常见用例是修正镜头与拍摄目标存在斜角时产生的图像畸变。如果知道目标变换前后的三个像素点坐标之间的关系，即可求出仿射变换矩阵M。旋转变换是仿射变换的一个特殊情况，将此矩阵用于仿射变换函数即可仅作图像旋转。使用getPerspectiveTransform()函数获取变换矩阵。使用warpPerspective()函数应用透视变换。图像的几何变换通常包括拉伸、缩放、扭曲和旋转等操作。注：仿射变换的矩阵M是2×3的矩阵。注：透视变换的矩阵M是3×3的矩阵。

在使用python的opencv库处理图像时，通常使用cv2.imread()函数读取图像，然而如果图像路径包含中文，则会读取失败。对此，需要作以下修改，即可读取中文路径的图像。

至此，已经知道了仿射变换和透视变换的变换矩阵，那在实际应用时该如何求呢？一个方法是直接根据几何参数计算变换矩阵，另外一个方法是通过原始图像坐标和目标图像坐标求解变换矩阵。如下所示为透视变换矩阵的8个方程组。透视变换的矩阵表示如下，我们可以看到它与仿射变换的区别便是最后一行的参数c1和c2的值，对于仿射变换c1=c2=0。透视变换和仿射变换的一个重要区别是：两条平行的线在经过仿射变换之后依然保持平行，但透视变换并不保证这一点。通过透视变换的变换矩阵计算新的坐标，其中a33=1，x’和y’为最终计算的结果。

opencv实现直方图绘制

绘制透明mask

连接相邻区域

寻找并绘制轮廓，获取bBox并绘制，获取ROI

cv2特征提取函数错误不能使用