chairon的博客

1. 直线检测Hough Line Transform：前提：边缘检测已经完成，基于霍夫变换1.1 原理可以通过（theta，r）唯一表示一条直线把过三个点的全部直线以某一角度全部计算出来，如果三个点的直线有相同的，则说明有一条直线过了这三个点。至于为啥用（theta, r）而不是斜率k和截距b来表示一条直线，是因为利用y = kx + b来表示直线时，存在斜率k无穷大的情况，无法计算。并且theta为0到2*pi, 且对于直线来说r一定小于等于b，所以计算的数值也相对较小。参考博客d

1. 边缘保留滤波EFP高斯双边滤波：cv.bilateralFilter均值迁移滤波：cv.pyrMeanShiftFiltering来自这篇博客的定义：高斯模糊： 基于权重，权重只考虑像素空间的分布，中间的权重大，边缘的权重小。没有考虑像素值之间的差异问题，没有考虑边缘。边缘保留滤波： 像素之间的差异很大，说明是显著特征，如果直接平滑（滤波），显著特征会消失。像素之间差异大的地方通常是边缘，所以边缘保留滤波处理后的图片，在平滑（滤波）的情况下，依旧能够保留图像的边缘。边缘保留滤波EF

1.图像二值化全局阈值分割“cv.THRESH_TRIANGLE” 只有单个波峰时效果较好，分割细胞图一般用"cv.THRESH_OTSU"“cv.THRESH_TRUNC”,截断，大于阈值设为阈值“THRESH_TOZERO”,小于阈值设为0cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)#自动寻找阈值，"cv.THRESH_OTSU" 选取阈值的方法局部阈值分割适合光线不均匀的情况下 # binary

一. 读取图片、视频等基本操作cv.bitwise_not(image)#像素取反import cv2 as cvimport numpy as npdef vedio_demo(): capture=cv.VideoCapture(0) while(True): ret,frame=capture.read() frame=cv.flip(frame,1)#反转 cv.imshow("video",frame) c