API 积累知识点

1.

dst = cv.GaussianBlur(src, (5, 5), 0)
可用于去噪
#cv中有高斯模糊的API可以直接调用，cv.GaussianBlur() ，如果(5, 5)为(0,0),会由sigma反向去算(0,0)；如果前面的(0,0)不为0，后面sigma就没有作用

2.

contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
#OpenCV 新版调用，返回两个参数: contours, hierarchy , OpenCV旧版，返回三个参数: im2, contours, hierarchy
#cv.RETR_EXTERN只找外层的边缘，，cv.RETR_TREE可以找出所有轮廓

ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
将灰度图像转换成二值图像的时候使用cv.THRESH_BINARY | cv.THRESH_OTSU得出的是白底黑色图像
使用cv.THRESH_BINARY | cv.THRESH_OTSU得出的是黑底白色图像

threshold(src, thresh, maxval, type, dst=None) 参数介绍：src原图片，thresh阈值，maxval图像中最大值，
type：
0: THRESH_BINARY 当前点值大于阈值时，取Maxval,否则设置为0
1: THRESH_BINARY_INV 当前点值大于阈值时，设置为0，否则设置为Maxval
2: THRESH_TRUNC 当前点值大于阈值时，设置为阈值，否则不改变
3: THRESH_TOZERO 当前点值大于阈值时，不改变，否则设置为0
4: THRESH_TOZERO_INV 当前点值大于阈值时，设置为0，否则不改变
5:THRESH_OTSU是提取图像最佳阈值算法。该方法在类间方差最大的情况下是最佳的，就图像的灰度值而言，OTSU给出最好的类间分离的阈值。

3.

cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
第一个参数是指明在哪幅图像上绘制轮廓；image为三通道才能显示轮廓
第二个参数是轮廓本身，在Python中是一个list;
第三个参数指定绘制轮廓list中的哪条轮廓。
第四 后面的参数很简单。其中thickness表明轮廓线的宽度，一般为0，如果是-1（cv2.FILLED），则为填充模式。
例： cv.drawContours(image, contours, i, (0, 0, 255), 0)
#用于检测图像二值化后的边缘轮廓

4.

cv2.getStructuringElement()
第一个参数表示核的形状。可以选择三种
矩形：MORPH_RECT
交叉形：MORPH_CROSS
椭圆形：MORPH_ELLIPSE
第二个参数表示核的尺寸
例：十字型的结构 element = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
得出的是array([[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0],
[0, 0, 1, 0, 0]], dtype=uint8)的模板

5 * 5的矩阵 cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
得出array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]], dtype=uint8)的模板

椭圆结构 cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
得到array([[0, 0, 1, 0, 0],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[0, 0, 1, 0, 0]], dtype=uint8)的模板

也可以用numpy来生成自己需要的结构化元素 kernel = np.ones((5,5),np.uint8)
得到array([[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1],
[1, 1, 1, 1, 1]], dtype=uint8)的核

6、用matplotlib显示图片
调用 matplotlib进行图片展示时，需要注意调整图片的通道顺序，因为opencv读取图片的通道顺序是BGR，而matplotlib是RGB，即在调用plt.imshow之前将image的通道调整为RGB即可