《OpenCV-python学习》第三章 使用OpenCV 3处理图像

3.1傅里叶变换

3.1.1高通滤波器（HPF）

检测图像的某个区域，根据像素与周围像素的亮度差值来提升该像素的亮度的滤波器。
（Numpy只接受一维数组）
高通滤波图=原图-高斯滤波图

3.1.2低通滤波器（LPF）

像素与周围像素的亮度差值小于一个特定值时，平滑该像素的亮度。用于去噪和模糊化。如高斯模糊，是一个削弱高频信号强度的低通滤波器。

3.1.3用定制内核做卷积

filter2D(src,-1,kernel,dst)第二个参数指定目标图像每个通道的位深度，为负值表示目标图像和源图像有同样的位深度。对于彩色图像来说，若对每个通道使用不同的核需使用split()和merge()函数。
卷积核（卷积矩阵），赋予不同的权重，权重和为1表示锐化增强（中间元素与相邻元素的差值增大），和为0表示边缘。
锐化：$[[-1,-1,-1],[-1,9,-1],[-1,-1,-1]]$
边缘：$[[-1,-1,-1],[-1,8,-1],[-1,-1,-1]]$
权重为均为正，且和为1，表示模糊。
以上一般是高度对称的核，也有不对称的核，如下同时具有模糊（正的权重）和锐化（负的权重）。$[[-2,-1,0],[-1,1,1],[0,1,2]]$

3.2边缘轮廓检测

3.2.1边缘检测Canny()

五步：高斯模糊去噪；灰度图梯度计算；非极大值抑制；高低阈值输出二值图像，高低阈值比一般为3：1或2：1；分析所的边缘及其连接，保留真正的边缘并消除不明显的边缘。

3.2.2轮廓检测findContours()

转二值图像
会修改输入图像，三个返回值：修改后的图像；图像的轮廓；层次。

3.2.3边界框，最小矩形区域和最小闭圆的轮廓

在找到所有轮廓后，遍历
边界框boundingRect()
最小矩形区域minAreaRect()
最小闭圆minEnclosingCircle()

3.2.4近似多边形和凸多边形

approxPloyDP(轮廓，阈值，bool)
阈值用arcLength()计算，表示所得的近似多边形周长与源轮廓周长之间的最大差值，差值越小，表示越接近。

凸多边形convexHull()

3.2.5霍夫检测直线和圆

直线检测HoughLines()和HoughLinesP()
后者是前者的优化版本，使用概率Hough变换
函数的输入：待处理图像，通常是canny处理后的图像比较好；线段的几何表示（取1和np.pi/180）；阈值；最小直线长度；最大线段间隙
圆检测HoughCircles()
圆心间的最小距离；圆的最小及最大半径