opencv图像滤波笔记

图像滤波

目的两个：抽出对象的特征作为图像识别的特征模式；为适应图像处理的要求，消除图像数字化时所混入的噪声。
要求两个：不能损坏图像的轮廓及边缘等重要信息；使图像清晰视觉效果好。
5种常用的图像平滑处理操作方法：方框滤波——BoxBlur函数、均值滤波（邻域平均滤波）——Blur函数、高斯滤波——GaussianBlur函数、中值滤波——medianBlur函数、双边滤波——bilateralFilter函数

形态学

膨胀和腐蚀

实现的功能： 消除噪声；分割（isolate）出独立的图像元素，在图像中连接（join）相邻的元素；寻找图像中的明显的极大值区域或极小值区域；求出图像的梯度。
膨胀——领域扩张、更亮；腐蚀——领域被蚕食、亮小。

开、闭运算

开运算：消除小物体（先腐蚀后膨胀），放大了 裂缝或局部低亮度
闭运算：排除小黑洞（先膨胀后腐蚀）

形态学梯度

膨胀图与腐蚀图之差，保留物体边缘轮廓

顶帽

原图像和开运算结果图之差，突出了比原图轮廓周围的区域更明亮的区域，分离比邻近点亮一些的斑块。

黑帽

原图像与闭运算结果图之差，突出了比原图轮廓周围的区域更暗的区域，分离比邻近点暗一些的斑块。

漫水填充

用特定的颜色填充连通区域，来标记或分离图像的一部分，再对其进一步处理或分析。

图像金字塔

用于图像分割，图像压缩。
从下至上，层级变高，图像变小，分辨率变低。

高斯金字塔

下采样pyrDown（和金字塔方向相反），图像变小

拉普拉斯金字塔

上采样pyrUp（和金字塔方向相反），图像变大，模糊