OpenCV 学习笔记

霍夫直线检测是图像处理中用于检测图像中直线的一种常用方法。 可以检测出图像中任意方向的直线，包括水平直线、垂直直线以及斜直线。也可以检测出图像中多条直线，即使这些直线重叠或被遮挡。

本文介绍了很多轮廓的属性，这些属性可以根据特定的应用需求进行选择。例如，在物体识别中，可以使用轮廓的长宽比、矩形度、范围和坚实度来识别物体的形状和大小。在形状分析中，可以使用轮廓的等效直径和方向来分析

本文介绍了在 OpenCV 中如何对轮廓进行椭圆拟合和直线拟合。它们可以用于提取轮廓的特征，简化轮廓的表示，提高轮廓的处理效率。它们在图像分割、目标识别、目标跟踪等任务中有着广泛的应用。

轮廓是图像中物体的边界，轮廓拟合是将轮廓近似为一系列点或多边形，有利于提取、描述和分析物体的形状，提高轮廓的鲁棒性，或简化轮廓的后处理。

轮廓的矩特征是描述轮廓形状、大小、位置等信息的一种重要特征。轮廓的矩特征在图像处理、计算机视觉等领域有广泛的应用，矩特征可以用来进行轮廓的匹配、分类、识别等工作。

轮廓的基础特征是计算机视觉中的重要工具，这些特征可以应用于对象检测、形状识别、测量等等各种应用场景。

连通域分析是图像处理中常用的算法之一，用于在二值图像中找到具有相同像素值且相互连接的区域。它在图像处理中具有广泛的应用场景。

本文介绍了 Canny 算子的特点以及如何一步步实现一个 Canny 的函数。并且，在最后总结了之前介绍的几种算子的关系。

DoG(Difference of Gaussians)高斯差分是计算机视觉中一种用于图像增强和角点检测的算子。它是将两个不同尺度的高斯模糊图像进行差分得到的。

本文介绍了 Laplace 算子、LoG 算子，它们都是二阶导数的边缘算子。 特别是 LoG 算子在 Laplace 算子的基础上引入了高斯滤波，可以在一定程度上克服噪声的影响。

Roberts、Prewitt、Sobel 算子是一阶导数的边缘算子，通过卷积核与图像的每个像素点做卷积和运算，然后选取合适的阈值来提取图像的边缘。

本文介绍了图像边缘的含义，通过图像边缘引出图像的梯度的概念。用数学的方式推导出图像梯度并介绍了其相关的性质。梯度是一个基础且重要的概念，遍布机器学习、深度学习的领域。

本文介绍了传统图像分割的方法，主要是介绍了基于灰度图像的阈值分割。 阈值分割并不等同于图像的二值化， threshold() 函数有五种阈值类型，它适合全局的阈值分割。对于光照不均的图像可以采用 a

像素是图像的基本元素，像素与像素之间存在着某些联系，理解像素间的基本关系是数字图像处理的基础。常见的像素间的基本关系包括：邻域、邻接、通路、连通、距离。

这篇文章主要是介绍灰度图像和二值图像，以及图像灰度化和图像二值化的概念。并告诉我们如何实现图像灰度化和图像二值化。

本文分成两个部分。第一部分介绍了图像的算术运算，主要是介绍了图像加法、减法以及它们的实现原理和使用场景，还介绍了图像的线性混合。第二部分介绍了图像的逻辑运算。

本文主要分成两个部分。第一部分介绍了 OpenCV 基本的绘制函数以及使用，第二部分介绍了轮廓的入门知识，主要是轮廓发现和轮廓绘制。

本文作为入门的准备，简单介绍了图像相关的基础知识、Mat 的基本结构、Mat 的创建/读取/赋值。 在此基础上也引申出很多知识，比如矩阵的数据类型、掩模等，这些内容都是非常重要的。

本文通过一个简单的例子，介绍了 Mat 经常使用的属性和方法。后续还介绍了像素的类型和多种图像遍历的方式、像素值的统计。