机器视觉--入门小结

1.直方图均衡化：常有一些图像由于过度曝光或者曝光不足，使图像的灰度值处于灰度值较高的区域或者灰度值较低的区域。通过变换函数改变直方图的灰度值，主要用于增强 动态范围较小图像的对比度。直方图经过均衡化处理后，各个灰度级具有相同的频率，因此图像看起来更加清晰了。

2.图像梯度处理的算子：

一阶：

sobel算子（x轴）

其主要用于边缘检测，在技术上它是以离散型的差分算子，用来运算图像亮度函数的梯度的近似值，sobel算子是基于一阶导数的边缘检测算子，由于该算子中引入了类似局部平均的运算，因此对噪声有平滑作用。

Schar算子（y轴）

canny算子：

step1：运用高斯滤波进行平滑操作；

step2：求一阶偏导的有限差分来计算梯度和方向；

step3：对梯度幅值进行非极大值抑制；

step4：运用双阈值法检测和连接边缘。

优点：

二阶：

Laplacian算子

一阶微分算子获得的边界时粗略的边界，反应边界的信息较少，但是所反映的边界比较清晰，二级微分算子获得的边界时比较细致的边界，反应了边界信息包括了许多细节信息，但是所反映的边界不是特别清楚。

 3.灰度直方图：

灰度直方图反应的是数字图像中各灰度级与其出现的频数间的统计关系，它能描述该图像的概貌，例如图像的灰度范围，每个灰度级出现的频率，灰度级的分布，整幅图像的平均明暗和对比度等。

4.均值滤波器和高斯噪声：

均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，改模板包括了其周围的邻近像素。将模板中的全体像素的均值来代替原来的像素的方法。

高斯噪声的幅值近似正态分布，但分布在每个像素点。因为正太分布的均值近似0，所以均值滤波器可以消除高斯噪声。

5.图像形态学

腐蚀：首先确定一个卷积核，一般为圆形或者正方形，然后以卷积核的圆心为扫描点，从图片的左上角点，遍历到图片的右下角，如果卷积核的全部位于图像内，则为1，否在为0。

cv2.erode(img,kenel)

膨胀：腐蚀的逆操作，卷积核中只要有1，就为1。

cv2.dilate(img,kenel)

开运算：图像先经过腐蚀后（去除噪声，原图变瘦），再膨胀（变胖）。

cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)

闭运算：先经过膨胀，再腐蚀。（用于消除图像中的小孔）

cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)

梯度运算：膨胀后的图像-腐蚀后的图像。（得到轮廓图像）

cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)

礼貌运算：原始图像-经过开运算后的图像（用于得到噪声图像）

cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel)

黒帽运算：闭运算-原始图像 （用于得到图像中的小孔的图像）

cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel)