计算机视觉openCV边缘检测
边缘检测
边缘检测 （一般直接转换为灰度图就可以了）
1）canny边缘检测算法
1、高斯滤波器
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。
2、像素点的梯度强度和方向
3、非极大值抑制法
一个图截取好多个框框，选取识别率最高的
如果要计算直线跟矩形的两个交点，可以计算他们的距离比例
4、双阈值检测
大于max的时候例如（A）就把他当作边界
小于min的时候例如（D）就把他舍弃
在中间的时候并且什么都不相连例如（B）舍弃
只有在中间并且有线段有在边界上的例如（C）保留
算法实现
import cv2
img=cv2.imread(‘car.png’,cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,80,120)
cv2.imshow(‘img’,v1)
cv2.waitKey(0)
cv2.destroyAllWindows()
图像金字塔
向下采样法
向上采样法
代码
上采样可以放大图片，下采样可以缩小图片。实现代码如下：
up=cv2.pyrUp(img) #pyr表示金字塔，up表示放大
down=cv2.pyrDown（img） #down表示缩小
图像轮廓
需要注意的是cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图。需要注意的是，cv2.findCountours（）返回两个参数，cv3则返回三个参数。
为了更高的准确率，图像需要先转成灰度然后二值化
img=cv2.imread(‘car.png’)
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 转换为灰度图
ret,thresh=cv2.threshold(gray,127,255,cv2.THRESH_BINARY) #图像二值化
def cv_show(img,name):
cv2.imshow(name,img)
cv2.waitKey()
cv2.destroyAllWindows()
cv_show(thresh,‘up’)
绘制轮廓
代码
contours,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) #contours为图像轮廓信息，hierarcgy为图像层数
draw_img=img.copy()
res=cv2.drawContours(img,contours,-1,(0,0,255),2) #-1一般基本不变,指全部轮廓，括号即为（BGR）三个通道的值
cv_show(res,‘res’)
