python图像识别学习

import cv2
cv2.matchTemplate(img,template,mode)#模板匹配
'''CV_TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。
CV_TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。
CV_TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。
CV_TM_SQDIFF_NORMED 归一化平方差匹配法

CV_TM_CCORR_NORMED 归一化相关匹配法

CV_TM_CCOEFF_NORMED 归一化相关系数匹配法
'''
#cvMinMaxLoc获取最后的最佳匹配结果
cv2.minMaxLoc(src, mask=None)
#霍夫线检测
cv2.HoughLines(img,rho,theta,threshold)
#rho theta 极坐标精度  threshold 阙值
#角点特征
#Harris算法
cv2.cornerHarris()
''' img - 数据类型为 float32 的输入图像。  np.float32()
　　 blockSize - 角点检测中要考虑的领域大小。
　　 ksize - Sobel 求导中使用的窗口大小
　　 k - Harris 角点检测方程中的自由参数,取值参数为 [0,04,0.06].'''
#Shi——Tomasi算法
cv2.goodFeaturesToTrack()
'''image: 输入图像，是八位的或者32位浮点型
maxCorners: 返回最大的角点数
qualityLevel: 图像角点的最小可接受参数
minDistance: 返回的角点之间最小的欧式距离。
mask: 检测区域。如果图像不是空的(它需要具有CV_8UC1类型和与图像相同的大小)，它指定检测角的区域。
blockSize: 用于计算每个像素邻域上的导数协变矩阵的平均块的大小
useHarrisDetector：选择是否采用Harris角点检测，默认是false
k: Harris检测的自由参数'''