dayfive

特征描述符就是通过提取图像的有用信息，并且丢弃无关信息来简化图像的表示。

HOG特征描述符可以将3通道的彩色图像转换成一定长度的特征向量(便于图像识别和目标检测).

       注：在梯度中，角度的范围介于0到180度之间，而不是0到360度， 这被称为“无符号”梯度，因为两个完全相反的方向被认为是相同的。

OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。

contours, hierarchy = cv2.findContours(image,mode,method)
image：输入图像
mode：轮廓的模式。

       cv2.RETR_EXTERNAL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，上一层为外边界，内层为内孔的边界。如果内孔内还有连通物体，则这个物体的边界也在顶层；

       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_NOME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，例如一个矩形轮廓只需要4个点来保存轮廓信息；

cv2.CHAIN_APPROX_TC89_L1，cv2.CV_CHAIN_APPROX_TC89_KCOS
contours：返回的轮廓
hierarchy：每条轮廓对应的属性
注意：cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图。即：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 图像灰度化
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 图像二值化

图像二值化将图像上的像素点的灰度值设置为0或255

cv2.threshold(src, thresh, maxval, type)

 

 

对于单通道的灰度图像来说，这个元素就是一个数字。这个数字代表了图像在这个点的亮度，数字越大像素点也就越亮

阈值法是指选取一个数字，大于它就视为全白，小于它就视为全黑。比较暗的晚上，我们需要一个比较低的阈值；局部阈值法假定图像在一定区域内受到的光照比较接近。它用一个滑窗扫描图像，并取滑窗中心点亮度与滑窗内其他区域（称为邻域, neighborhood area）的亮度进行比较。如果中心点亮度高于邻域亮度，则将中心点标记为白色，否则标记为黑色。