OpenCV-Python开发指南

轮廓自身的一些属性特征及轮廓所包围对象的特征对于描述图像具有重要意义。本篇博文将介绍几个轮廓自身的属性特征及轮廓包围对象的特征。 宽高比 在轮廓中，我们可以通过宽高比来描述轮廓，例如矩形的轮廓宽

逼近多边形是某个图像轮廓的高度近似，而凸包的提出是为了简化逼近多边形的。其实，凸包跟逼近多边形很像，只不过它是物体最外层的“凸”多边形。 简单的概括，凸包是指完全包含原有轮廓，并且仅由轮廓上的点

在计算轮廓时，可能并不需要实际的轮廓，而仅需要一个接近于轮廓的近似多边形。比如矩形其实都是差不多的轮廓，都是长宽不相等且平行的四边形，那么只要提供一个近似的轮廓，我们就可以区分形状。 在Open

什么是Hu矩 Hu矩是归一化中心矩的线性组合。Hu矩在图像的旋转，缩放，平移等操作后，仍然保持矩的特征不变，所以经常会用到Hu矩来识别图像的特征。 在OpenCV中，我们可以通过cv2.HuMomen

什么是矩特征，我们知道如何从图像中分解轮廓。而矩特征是比较两个轮廓最简单的方法，通过它们的轮廓矩就能判断。 首先，轮廓矩代表了一个轮廓，一副图像，一组点集的全局特征。矩信息包含了对

什么是图像轮廓 在前面的边缘检测中，虽然我们能够检测出边缘信息，但边缘是不连续的，检测到的边缘并不是一个整体。而图像的轮廓负责将边缘连接起来形成一个整体，用于后续的计算。 需要特别注意，图像的轮廓是非

什么是图像金字塔 图像金字塔是由一副图像的多个不同分辨率的子图所构成的图像集合。该组图像是由单个图像通过不断地降低采样所产生的，最小的图像可能仅仅只有一个像素点。如下图所示，分辨率从低到高，逐渐降低的

什么是Canny边缘检测 Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法。该方法由John F. Canny于1986年发表。 Canny边缘检测主要分为4个步骤： （1）去噪。噪声会影响

Scharr滤波器 OpenCV还给我们提供了Scharr滤波器，该滤波器与Sobel滤波器具有同样的处理速度，且精度更高。可以把它看出Sobel滤波器的改良版本，其核通常为： 在OpenCV中，它提

图像梯度计算的是图像变化的速度。对于图像的边缘部分，其灰度值变化较大，梯度值也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。一般情况下，图像的梯度计算是图像的边

我们介绍了形态学的基础腐蚀与膨胀操作，而将腐蚀与膨胀结合起来进行组合，我们就能实现开运算，闭运算等复杂的形态学运算。 在OpenCV中，它给我们提供的通用形态学函数为cv2.

什么是形态学 要了解腐蚀之前，我们需要了解一个概念：形态学。 形态学，又名数学形态学（Mathematical Morphology），是图像处理过程中一个非常重要的研究方向。形态学主要从图像内提取分

什么是图像平滑处理 在尽量保留图像原有信息的情况下，过滤掉图像内部的噪声，这一过程我们称之为图像的平滑处理，所得到的图像称为平滑图像。 那么什么是图像的噪声呢？ 图像的噪声就是图像中与周围像素点差异较

为什么需要自适应阈值处理 对于色彩均衡的图像来说，直接使用一个阈值就能完成对图像的阈值化处理。但是，有时候图像的色彩是不均衡的，此时如果只用一个阈值，就无法得到清晰有效的阈值分割的图像，所以，我们需要

什么是阈值处理 阈值处理是剔除原图像中像素高于或者低于一定值的像素点。例如将一个灰度图像中大于200的像素点统一设置为255，这个就是阈值处理。或者说将所有低于200的像素点设置为0，也可以叫做阈值处

什么是重映射 把一副图像内的像素点放置到另一幅图像内的指定位置，这个过程我们称为重映射。简单点理解，也就是copy一个图像到另一个图像中。 在OpenCV中，它给我们提供了cv2.remap()函数作

更复杂的仿射变化 上篇博文讲解了2种最基本的仿射变换：平移与旋转。但OpenCV还给我们提供了函数cv2.getAffineTransform()来生成仿射函数cv2.warpAffine()所使用的

在OpenCV中，仿射变换是指图像经过一系列的几何变换来实现的平移，旋转等多种操作。该变换能够保持图像的平直性与平行性。平直性是指图像经过仿射变换后，直线仍然是直线；平行性是指图像在完成仿射变换

经过前文的介绍，我们已经掌握了基础的缩放功能。本篇博文将带领大家一起学习OpenCV中另一个几何变换，也就是翻转。 翻转 在OpenCV中，它给我们提供cv2.flip()函数来实现翻转，该函数

对于色彩空间的转换，我们就通过HSV实战给大家讲解介绍。至于其他的色彩空间的转换与应用，后续学到其他知识在单独来将。从本篇开始，我们将学习OpenCV的几何变换。 比如，在图像处理的领域，我们会