python图像识别的学习

import cv2
import numpy as np
gray=cv2.imread(r"C:\Games\python\PyCharm Community Edition 2021.3.1\daima\open cv\2.jpg",cv2.IMREAD_GRAYSCALE)
'''Canny边缘检测
edges=cv2.Canny（image，threshold1，threshold2）
edges为边界图像
image为原图像
threshold1阈值minVal
threshold2阈值maxVal
maxVal，minVal变小，有更多的细节信息。
edges=cv2.Canny(img,50,1000)
cv2.imshow("a",edges)
cv2.waitKey(0)'''

'''图像金字塔'''
#向下取样
'''st=cv2.pyrDown（src）
dst：向下取样结果
src：原始图像'''

#向上取样
'''dst=cv2.pyrUp（src）'''


'''图像轮廓  边缘检测'''
#边缘查找
'''contours,hierarchy=cv2.findContours(image,mode,method)
contours：轮廓（image图像的轮廓）
hierachy：图像的拓扑信息（轮廓层次）
image：原始图像
mode：轮廓检索模式
cv2.RETR_EXTERNAL:表示只检测外轮廓
cv2.RETR_LIST:检测的轮廓不建立等级关系
cv2.RETR_CCOMP:建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。
cv2.RETR_TREE：建立一个等级树结构的轮廓
method：轮廓的近似方法
cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻的两个点的像素位置差不超过1
cv2.CHAIN_APPROX_SIMPLE:压缩水平方向，垂直方向，对角线方向的元素。只保留该方向的终点坐标。
cv2.CHAIN_APPROX-TC89-L1:使用teh-Chinl chain近似算法
cv2.CHAIN_APPROX_TC89_KCOS：使用teh-Chinl chain近似算法'''
ret,binary=cv2.threshold(gray,91,255,cv2.THRESH_BINARY)
cv2.imshow("1",binary)
cv2.waitKey(0)
#contours,hierarchy=cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#轮廓绘制
'''cv2.drawContours（）
r=cv2.drawContours(o,contours,contourldx,color[,thickness])
r:目标图像，直接修改目标的像素点，实现绘制
o:原始图像
contours：需要绘制的边缘数组(由上面函数得到的其中一个参数用于此函数中）
contourldx：需要绘制的边缘索引，如果全部绘制则为-1
color：绘制的颜色，为BGR格式的
Scalarthickness：可选，绘制的密度，即描绘轮廓时所用的画笔粗细（一般我们默认即可）'''
#r=cv2.drawContours(binary,contours,-1,(0,0,255),1)
#cv2.imshow("original",gray)
#cv2.imshow("result",r)
#cv2.waitKey(0)
#cv2.destroyAllWindows()