OpenCV基础知识总结

东西太多太杂，总是学了又忘，所以想在这里记些学习心得和笔记，各位大佬看看就行，不喜勿喷，有啥不对的还请不吝赐教

1.python环境

因为我之前已经学过一些，可以跟着教程配python虚拟环境和opencv环境，网上教程很多的

2.边界填充

就是对图片的边缘进行填充，一共有以下几种方法

3.数值计算

有两个加法：

img1+img2.      //超过255的减去256

cv.add(img1,img2)        //超过255就取最大的255、

两个图片的像素不一样时，需要将一张图片大小转换为一致的

img_dog=cv.resize(img_dog,(500,400)).  :把狗的图片转换为宽500，高400的图片

img = cv.imread('../static/pic1.jpg',1)
# 表示把图片的长和宽放大三倍
res=cv.resize(img,(0,0),fx=3,fy=3)

图像融合：

按权重融合

4.阈值处理

dst=cv.threshold(img,127,255,cv.THRESH_BINARY)

src:输入图像

dat：输出图像

5.图像平滑

img = cv.imread('../static/pic1.jpg',1)
# 调用均值滤波函数
img=cv.blur(img,(3,3))

cv.imshow('win1',img)
cv.waitKey(0)
cv.destroyAllWindows()

归一化：用领域像素的和去除以面积

方框滤波、高斯滤波、中值滤波、

中值滤波对于椒盐噪声和斑点噪声效果比较好

6.形态学腐蚀：

膨胀：

开运算：先腐蚀，再膨胀

闭运算：先膨胀，后腐蚀

礼帽：原始输入-开运算结果

黑帽：比运算-原始输入

7.图像梯度

sobel算子：

减出来如果是一个负数，需要将其转换为正数：convertScaleAbs

拉普拉斯算子：涉及到了二阶导，所以对变化率大的效果好，但是对噪音也比较敏感

8.Canny边缘检测

非极大值抑制：更加准确的找到梯度

双阈值检测：判断题读是否大于最大阈值，判断是否联通，精确的找出边缘

9.图像金字塔

1.高斯金字塔：下采样

1️⃣将Gi与高斯卷积核卷积

2️⃣将所有的偶数行和列去掉

上采样，先扩充两倍，用0填充，然后用卷积和卷积

拉普拉斯金字塔：

10图像轮廓

边缘是零零散散的，轮廓是一个整体

就是找一个图像，把得到的轮廓画上去

11.OCR识别

1.边缘检测

2.获取轮廓

3.坐标变换，变换为方方正正的 （平移+旋转）

4.OCR 识别：pytesseract

12.脚点检测

harris角点检测

做减法操作（相当于来说比较会读变化情况）

根据上面的公式计算出C（灰度变换），泰勒变换，然后转换为矩阵，求其特征值，最终变化以后是一个实对称矩阵，必然线性无关，特征值就是矩阵的解，故求得两个特征值，根据特征值的大小就可以判断出该像素点是不是角点。

根据得到的两个特征值的特点可以用一个角点响应R值来判断是否为角点

13.SIFT算法

就是计算像素点的方向和模值（通过差分尺度变换）

14.特征匹配

Brute-Force蛮力匹配

计算出特征点和特征向量以后比较其欧式距离，从而进行匹配

作用：进行图像拼接

去掉判断错误的点：

其实就是求变换矩阵

迭代的随机取四个点，取重合范围内最多的四个点就可以确定最终的变换矩阵