目录

• 一、Canny边缘检测
• 二、图像轮廓
• 2.1 轮廓收集
• 2.2 轮廓绘制
• 2.3 轮廓特征
• 2.4 轮廓近似
• 2.5 外接图形
• 三、图像金字塔
• 3.1 高斯金字塔
• 3.2拉普拉斯金字塔
• 四、直方图
• 4.1 像素直方图绘制
• 4.2直方图均衡化
• 4.3自适应直方图均衡化
• 五、傅里叶变换
• 六、模板匹配
• 总结

　　前文复习：

　　openCV第一篇

　　openCV第二篇

一、Canny边缘检测

　　该边缘检测法步骤如下：

1. 使用高斯滤波器，以平滑图像，滤除噪声。
2. 计算图像中每个像素点的梯度强度和方向。
3. 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。
4. 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
5. 通过抑制孤立的弱边缘最终完成边缘检测。

　　高斯滤波

　　我们要进行边缘检测过程中肯定要进行梯度计算，计算梯度时那些噪音点也会影响梯度的变化，因此进行去噪。

　　梯度和方向

　　使用sobel算子，进行梯度大小和方向的计算。

　　非极大值抑制 NMS

　　算完梯度后，有些可能大点，有些可能小点，在一个核中，把一些小的梯度值抑制掉，只保留大的，即明显的。

　　如人脸识别，能够把脸框起来(有多个框框到脸了，只保留最好的。)

　　法1：

　　蓝线表示方向，dTmp1和dTmp2都是亚像素点，g1g2g3g4都是知道的，可求dTmp1和dTmp2。 在c比dTmp1和dTmp2都大的情况下，保留c，否则就被抑制掉了。

　　法2：

　　比如我们选择倾斜45°，就过了g1和g4了(上上图)，就不用插值了。当前方向离哪个角度近就用选择哪个。

　　右图中如果A比BC都大，那么A就保存下来了。

　　双阈值

　　对一些所有可能边界进行过滤，只保留最真实的。

　　A点大于maxVal 就是边界 如果有小于minVale的，那就省略掉。

　　他俩之间的B C分别进行讨论，如果c和边界是连着的，就保留。B没连着，舍弃。

　　v1=cv2.Canny(img,80,150)

　　80 150为下上阈值，一定范围内，下阈值越小，上阈值越小越容易被当作边缘。