cv2 inrange灰度图_OpenCV学习笔记二：OpenCV中的图像处理

1 颜色空间转换

1.1. OpenCV有超过150种进行颜色空间转换的方法，最常用BGR与GRAY/HSV转换

1.2. HSV：Hue色调，Saturation饱和度，Value明度，HSV比GBR更容易表示特定颜色

1.3. 函数：cv2.cvtColor()

1.4. cv2.inRange()可根据阈值，生成特定颜色的掩模

2 几何变换

2.1. 扩展缩放：cv2.resize()

2.2. 平移/旋转：cv2.warpAffine() + 2x3移动矩阵

2.3. 旋转矩阵：cv2.getRotationMatrix2D()=>构建旋转矩阵

2.4. 仿射变换矩阵：cv2.getAffineTransform()=>构建仿射变换矩阵2x3

2.5. 透视变换矩阵：cv2.getPerspectiveTransform()=>3x3透视变换矩阵

2.6. 透视变换：cv2.warpPerspective()+ 3x3移动矩阵,常用于图像矫正

2.7. 仿射变换可保证物体形状平直性和平行性，透视不能保证平行性，仿射是透视特例

3 图像阈值

3.1. 简单阈值：cv2.threshold()

3.2. 自适应阈值：cv2.adaptiveThreshold()

3.3. Otsu’s二值化：大津法，最大类间方差法，该算法返回最优阈值，不适合非双峰图像

4 图像平滑

4.1. 与一维信号一样，我们也可以对2D图像实施低通滤波器(LPF)来去除噪声、模糊图像，使用高通滤波器(HPF)找到图像的边缘。

4.2. 卷积操作：cv2.filter2D() + 卷积核

4.3. 图像模糊(图像平滑)使用LPF来实现。OpenCV提供了四种模糊技术：

4.3.1 平均：平均值代替中心元素=》cv2.blur() 和cv2.boxFilter()

4.3.2 高斯模糊：卷积核换成高斯核=》cv2.GaussianBlur()，自己也可以构造高斯核：cv2.getGaussianKernel()

4.3.3 中值模糊：中值代替中心元素=》cv2.medianBlur()

4.3.4 双边滤波：同时考虑空间高斯权重(确保邻域像素对中心点有影响)和灰度值相似权重(确保只有与中心点灰度值相近的才会用来做模糊运算)，边界处灰度值变化大，不会被模糊掉，保持边界清晰=》cv2.bilateralFilter()

5 形态学转换

5.1. 前景为白色，背景为黑色。两个基本形态学操作为：腐蚀和膨胀

5.2. 腐蚀：卷积核沿图像滑动，若卷积核对应图像所有像素为1，则中心元素就保持原像素值，否则变为0(白色变少，黑色变多)=》cv2.erode()

5.3. 膨胀：与腐蚀相反，与卷积核对应的原图像的像素值