图像处理

图像滤波

图像降噪，使图像更清晰，更平滑

均值滤波
- blur1 = cv2.blur(noise_img, (3,3))，使用3 * 3的卷积核
方框滤波：基本和均值一样，可以选择归一化
- 归一化：计算均值滤波
  - blur2 = cv2.boxFilter(noise_img,-1, (3,3), normalize=True)
    
    -1是固定值，一般不需要改变
- 未归一化：容易越界（未取均值，超过255，一旦越界就取255）
  - blur3 = cv2.boxFilter(noise_img,-1, (3,3), normalize=False)
高斯滤波：更看重权重，离目标远的权重小，离目标近的权重大
- gussian = cv2.GaussianBlur(noise_img, (5, 5), 1)，使用5*5的卷积核
中值滤波
- median = cv2.medianBlur(noise_img, 5)，使用5*5的卷积核

处理二值化图像，获取轮廓腐蚀=瘦身，膨胀=增肥

腐蚀（Erode）
- kernel = np.ones((3,3), dtype=np.uint8)，3*3卷积核
- erode_img = cv2.erode(img, kernel, iterations=1)，iterations：迭代（腐蚀）次数
- 不同腐蚀次数的变化
膨胀（Dilate）
- kernel = np.ones((3,3), dtype=np.uint8)，3*3卷积核
- dilate_img = cv2.dilate(erosion, kernel, iterations=1)
- 不同膨胀次数的变化
- 腐蚀完后膨胀恢复之前的结果，两者互为逆运算
开运算与闭运算

open_close_kernel = np.ones((5,5), np.uint8)
- 开运算：先腐蚀，后膨胀，开运算可以用来去除仅存的小块像素。
  - openimg = cv2.morphologyEx(img, cv2.MORPH_OPEN, open_close_kernel)
- 闭运算：先膨胀，后腐蚀
  - closeimg = cv2.morphologyEx(img, cv2.MORPH_CLOSE, open_close_kernel)
梯度运算

kernel = np.ones((7,7), np.uint8)，7*7卷积核
- 梯度 = 膨胀 - 腐蚀
- 形态学梯度为经过膨胀操作（dilate）的图像与经过腐蚀操作（erode）的图像的差，可以用于抽出物体的边缘。
- gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel)
顶帽和黑帽

kernel = np.ones((7,7), np.uint8)，7*7卷积核
- 顶帽：顶帽 = 原始输入 - 开运算
  - tophat = cv2.morphologyEx(img1, cv2.MORPH_TOPHAT, kernel)
- 黑帽：黑帽 = 闭运算 - 原始输入
  - blackhat = cv2.morphologyEx(img1, cv2.MORPH_BLACKHAT, kernel)