python图像识别的学习

import cv2
img=cv2.imread(r"C:\Games\python\PyCharm Community Edition 2021.3.1\daima\open cv\1.jpg")
#dst=cv2.resize（src，dsize）
img2=cv2.resize(img,(500,450))
cv2.imshow("a",img2)
cv2.waitKey(0)
#dst=cv2.resize(src,dsize,fx,fy)fx指对水平方向进行缩放多少倍，fy指对竖直方向上进行缩放多少倍dsize需要写入值为None。
#图像翻转
'''dst=cv2.flip(src,flipCode)
flipCode=0以x轴为对称轴翻转（即上下翻转）
flipCode>0 以y轴为对称轴翻转（即左右翻转）
flipCode<0 以x轴和y轴为对称轴翻转（即上下翻转加左右翻转'''
#均值滤波
#处理结果=cv2.blur（原始图像，核大小）核大小：以（宽度，高度）形式表示的元组
#方块滤波
#处理结果=cv2.boxFilter（原始图像，目标深度图像，核大小，normalize属性）
#目标深度大小：int类型的目标图像深度。通常使用“-1”表示与原始图像一致
#normalize=1（或者该参数不填）：对目标图像进行归一化处理，其结果和均值滤波相同（即进行归一化处理就等同于均值滤波）
#normalize=0：不进行归一化处理
#高斯滤波
#dst=cv2.GaussianBlur(src,ksize,sigmaX)
#src：原始图像
#ksize：核大小（N，N）必须是奇数
#sigmaX：X方向方差，控制权重
#中值滤波
#dst=cv2.medianBlur（src，ksize）
#src：需要处理的原图像
#ksize：选取的核大小，必须是比1大的奇数

#腐蚀图像
'''dst=cv2.erode(src,kernel,iterations)

dst：处理结果
相应参数：
src：原图像
kernel：卷积核   np.ones（（N，N），np.uint8)
iterations：迭代次数'''

#膨胀图像
'''图像膨胀的函数dilate（）

dst=cv2.dilate(src,kernel,iterations)'''

#开运算
'''开运算的函数 morphologyEx()
opening=cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
img：原图像
cv2.MORPH_OPEN：开运算（这个参数是固定的，是一个常量）
kernel卷积核'''
#闭运算
'''closing=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)'''
#梯度运算（膨胀-腐蚀）
#result=cv2.morphologyEx（img，cv2.MORPH_GRADIENT,kernel）
#礼帽运算（原图像-开图像）
#result=cv2.morphologyEx（img，cv2.MORPH_TOPHAT,kernel）
#黑帽运算（闭图像-原图像）
#result=cv2.morphologyEx（img，cv2.MORPH_BLACKHAT,kernel）