opencv使用的一些函数总结

加载np数组： np.load(textfile)

霍夫圆检测

circles = cv.HoughCircles(cimage, cv.HOUGH_GRADIENT, 1, 30, param1=50, param2=30, minRadius=50, maxRadius=90)
cv.HoughCircles(image, method, dp, minDist, circles, param1, param2, minRadius, maxRadius)

method：为使用霍夫变换圆检测的算法
dp：用来检测圆心的累加器图像的分辨率于输入图像之比的倒数，且此参数允许创建一个比输入图像分辨率低的累加器。例如，如果dp = 1时，累加器和输入图像具有相同的分辨率。如果dp = 2，累加器便有输入图像一半那么大的宽度和高度。
minDist：为圆心之间的最小距离，如果检测到的两个圆心之间距离小于该值，则认为它们是同一个圆心
param1：用于Canny的边缘阀值上限，下限被置为上限的一半。Candy边缘检测算子的高阈值，而低阈值为高阈值的一半。
param2：累加器的阀值。它表示在检测阶段圆心的累加器阈值，它越小，就越可以检测到更多根本不存在的圆，而它越大的话，能通过检测的圆就更接近完美的圆形了。
minRadius：所检测到的圆半径的最小值
maxRadius：所检测到的圆半径的最大值

candy边缘检测说明：
canny = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])
第一个参数是需要处理的原图像单通道的灰度图，
第二个参数是阈值1，第二个参数是阈值2，较大的阈值2用于检测图像中明显的边缘，但一般情况下检测的效果不会那么完美，边缘检测出来是断断续续的。所以这时候应用较小的第一个阈值来将这些间断的边缘连接起来。
可选参数中aperturesize参数就是卷积核的大，
而L2gradient参数就是一个布尔值，如果为true，则就使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。

主要有cv2.line()//画线， cv2.circle()//画圆， cv2.rectangle()//长方形，cv2.ellipse()//椭圆， cv2.putText()//文字绘制
主要参数

img：源图像

color：需要传入的颜色

thickness：线条的粗细，默认值是1

linetype：线条的类型，8 连接，抗锯齿等。默认情况是 8 连接。cv2.LINE_AA 为抗锯齿，这样看起来会非常平滑。

参数调节
huofu： 1 ， 30， 200， 50 ，10 ，300 图像4
huofu：1,30， 200， 50， 10， 100

图片resize
实现缩放图片并保存，在使用OpenCV时常用的操作。cv2.resize()支持多种插值算法，默认使用cv2.INTER_LINEAR，缩小最适合使用：cv2.INTER_AREA，放大最适合使用：cv2.INTER_CUBIC或cv2.INTER_LINEAR。
res=cv2.resize(image,(2width,2height),interpolation=cv2.INTER_CUBIC)?
或者：
res=cv2.resize(image,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)?
此处None本应该是输出图像的尺寸，因为后边设置了缩放因子

图像灰度、二值化
img_gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
ret,th1 = cv2.threshold(img_gray,200,255,cv2.THRESH_BINARY)

轮廓检测
检测点
contours, hierarchy=cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])
image, contour, hierarchy = cv2.findContours(th1,mode, cv2.CHAIN_APPROX_NONE)

mode：
cv2.RETR_EXTERNAL：只检测最外层轮廓，并置hierarchy[i][2]=hierarchy[i][3]=-1
cv2.RETR_LIST：提取所有轮廓并记录在列表中，轮廓之间无等级关系
cv2.RETR_CCOMP：提取所有轮廓并建立双层结构（顶层为连通域的外围轮廓，底层为孔的内层边界）
cv2.RETR_TREE：提取所有轮廓，并重新建立轮廓层次结构
method：
cv2.CHAIN_APPROX_NONE：获取每个轮廓的每个元素，相邻像素的位置差不超过1，即连续的点，但通常我们并不需要所有的点
cv2.CHAIN_APPROX_SIMPLE：压缩水平方向、垂直方向和对角线方向的元素，保留该方向的终点坐标，如矩形的轮廓可用4个角点表示，这是一种常用的方法，比第一种方法能得出更少的点
画出图像来

def drawContours(image,counts): #根据点画出点图像
    color = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
    dst = cv2.drawContours(color, counts, -1, (0,255,0), 2) 
    cv2.imshow("dst", dst)
    cv2.waitKey(0)

图像腐蚀和膨胀可以增强线条或减细线条，开闭操作可以去噪

kernel = np.ones((k,k),np.uint8)
erosion = cv2.erode(image,kernel,iterations = 1)
dilation = cv2.dilate(image,kernel,iterations = 1)

检测圆的方法：
可以和圆点进行对比，得分越小，则越逼近圆形。

cv2.matchShapes(cnt1,cnt2,1,0.0)