opencv图像处理：提取对象

步骤

1. 转为灰度图像
2. 预处理（滤波降噪/直方图均衡化/傅里叶变换等）
3. canny边缘提取（二值图像）
4. 开操作或膨胀（去除毛刺）
5. 检测外轮廓
6. 轮廓最小外接矩形/圆
7. 通过轮廓长宽比，宽高范围，找到有价值的区域

提取边缘

用模板扩大差异，如果是边缘，则幅度比较大
1. sobel算子：cv2.Sobel
gx = [[-1,0,1],[-2,0,2],[-1,0,1]] (比较左右像素的差异，其实是右边值-左边值，取差异（需要取绝对值 cv2.convertScaleAbs）)
gy = [[-1,-2,-1],[0,0,0],[1,2,1]] （比较上下像素的差异）
总梯度 = sqrt(gx^2 + gy^2)
2. scharr算子：cv2.Scharr 比sobel敏感，扩大了差异
gx = [[-3,0,3],[-10,0,10],[-3,0,3]]
gy = [[3,10,3],[0,0,0],[-3,-10,-3]]
3. 拉普拉斯：cv2.Laplacian
g = [[0,1,0],[1,-4,1],[0,1,0]] （二阶导，比较周围和中间点）
4. Canny边缘检测：cv2.Canny
a. 高斯滤波（过滤噪音）
b. 计算图像中每个像素点的梯度强度和方向
c. 应用极大值抑制，去除小的梯度值，保留大的梯度值（显示明显的边缘）
d. 应用双阈值检测确定真实的边缘
i. 小于minValue则舍弃
ii. 大于maxValue则认为是边界保留
iii. 其它的， 连有边界保留
iv. minValue/maxValue的范围越大，要求越低，获取的边缘越多
e. 抑制孤立的弱边沿
5. 梯度运算：膨胀-腐蚀，获取边缘

形态学

1. 二值化：cv2.threshold
2. 腐蚀：cv2.erode 满足模板的点留下，不满足舍弃
3. 膨胀：cv2.dilate 按模板扩展
4. 开运算：cv2.morphologyEx 先腐蚀再膨胀（去掉毛刺，再恢复大小）
5. 闭运算：cv2.morphologyEx 先膨胀再腐蚀
6. 顶帽：原始-开运算（得到毛刺）
7. 黑帽：闭运算-原始

二值图像轮廓

1. 查找轮廓
cv2.findContours(img, mode)
	a. 检测轮廓
	cv2.RETR_EXTERNAL 只检索最外面的轮廓
	cv2.RETR_LIST           所有轮廓，保存到链表中
	cv2.RETR_CCOMP     所有轮廓，保存外部边界，内部边界
	cv2.RETR_TREE          嵌套轮廓的层次
	b. 轮廓逼近方法
	cv2.CHAIN_APPROX_NONE  多变形
	cv2.CHAIN_APPROX_SIMPLE 压缩，水平、垂直、斜线，只保留起止点
2. 绘制轮廓
cv2.drawContours()  轮廓 轮廓索引 颜色 宽度
3. 轮廓面积
cv2.contourArea()
4. 周长 闭合
cv2.arcLength()
5. 轮廓近似
cv2.approxPolyDP()
6. 边界矩形
x,y,w,h=cv2.boundingRect()