dayfour

腐蚀作用： 消除物体边界点，使目标 缩小，可以 消除小于结构元素的噪声点
腐蚀函数： cv2.erode()
函数原型：dst=cv2.erode（img，kernel，iterations）
img：要处理的图像
kernel：核结构
iterations：腐蚀的次数，默认是1
 

img_grap = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度处理
img_Blur = cv2.GaussianBlur(img_grap, (5, 5), 1)  # 高斯模糊
img_Canny = cv2.Canny(img_Blur, 160, 180)  # 边缘处理
img_Dial = cv2.dilate((img_Canny), kernel, iterations=1)  # 膨胀处理
img_erode = cv2.erode((img_Dial), kernel, iterations=1)  # 腐蚀处理

想了解高斯模糊是什么的话，可以看wiki百科-高斯模糊。对于一般人，只要知道这个操作可以生成模糊图片就好了，一行代码即可搞定：

import cv2
img = cv2.GaussianBlur(ori_img, (9, 9), 0)
这个函数的第一个参数是原图像，第二个参数是高斯矩阵，要注意长和宽都必须为正奇数，第三个参数是标准差，如果写0，则函数会自行计算。

那怎么控制模糊程度呢？很简单，高斯矩阵的尺寸越大，标准差越大，处理过的图像模糊程度越大。当3x3滤波时候有1个像素的边缘没有被处理，5x5滤波的时候有2个像素的边缘没有被处理。

• BORDER_CONSTANT：使用指定像素值填充边缘；
• BORDER_REPLICATE：使用已知的像素边缘值填充边缘；
• BORDER_WRAP：使用另一边的像素值来填充；

Canny边缘检测：

dst = cv2.Canny(image, threshold1, threshold2)

1. image：输入的灰度图
2. threshold1：minVal，较小的阈值将间断的边缘连接起来。
3. threshold2：maxVal，较大的阈值检测图像中明显的边缘。  

sobel算子和scharr算子一般先算一个水平梯度，再算一个垂直方向梯度，然后把两个结果按照0.5的权重进行图像融合以得到完整的边界

sobel算子函数：
dst = cv2.Sobel(src, ddepth, dx, dy, ksize)
src：输入图像

ddepth：图像深度，通常指定-1，表示输入深度和输出深度相同

dx和dy：代表水平和竖直方向。当dx=1，dy=0，表示对x方向求梯度，y方向不求。

ksize：是sobel算子的大小，指定核的大小，默认为3，卷积核为上图所示。

图像深度是指存储每个像素值所用的位数，如：CV_16S（16位有符号数），CV_16U（16位无符号数），CV_32F（32位浮点数），CV_64F（64位浮点数）

scharr算子函数：

cv2.Scharr(src, ddepth, dx, dy, ksize)

Laplacian算子函数：

dst = cv2.Laplacian(src, ddepth, ksize)

src为输入图像，

ddepth为图像深度，

ksize为卷积核大小默认为1

img = src.copy() #复制图片

在类的内部，使用 def 关键字来定义一个方法，与一般函数定义不同，类方法必须包含参数self, 且为第一个参数，self代表的是类的实例。

class Complex:
    def __init__(self, realpart, imagpart): #必须要有一个self参数，
        self.r = realpart
        self.i = imagpart
x = Complex(3.0, -4.5)
print(x.r, x.i)   # 输出结果：3.0 -4.5