OpenCV day5

|---------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 功能 | 对图像进行局部自适应阈值化，解决光照不均问题，生成二值图像。 |
| 参数 | 1. src：输入灰度图像（单通道）。 2. maxValue：满足条件时赋予的像素值（如255）。 3. adaptiveMethod：阈值计算方式（ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C）。 4. thresholdType：二值化类型（THRESH_BINARY 或 THRESH_BINARY_INV）。 5. blockSize：局部邻域大小（奇数，如11）。 6. C：从均值/高斯均值中减去的常数（用于微调阈值）。 |
| 返回值 | 二值化后的图像（numpy.ndarray）。 |

关键区别：

普通阈值 （如cv2.threshold）：全局统一阈值。
自适应阈值 ：每个像素的阈值根据周围像素动态计算，适合光照不均的图像。

10.cv2.split()：

|---------|-----------------------------------------------|
| 功能 | 将多通道图像（如BGR）拆分为单通道数组。 |
| 参数 | src：输入的多通道图像（numpy.ndarray，如BGR格式的3通道图像）。 |
| 返回值 | 返回单通道数组的元组（如BGR图像返回(B, G, R)三个通道）。 |

`11.`cv2.merge()：

|---------|----------------------------------------|
| 功能 | 将多个单通道数组合并成一个多通道图像（如合并 B、G、R 通道成彩色图像）。 |
| 参数 | mv：一个包含单通道数组的列表或元组（如 [B, G, R]）。 |
| 返回值 | 合并后的多通道图像（numpy.ndarray）。 |

关键点：

通常与 cv2.split() 配合使用，用于通道分离后的重新合并。
输入的通道顺序决定输出图像的格式（如 [R, G, B] 会生成 RGB 图像，而 OpenCV 默认是 BGR）。

12.cv2.add()：

|---------|--------------------------------------------------------------------------------------------------------------|
| 功能 | 对两张图像（或图像与标量）进行饱和加法运算（像素值超过最大值时截断）。 |
| 参数 | 1. src1：第一张输入图像或标量值。 2. src2：第二张输入图像或标量值。 3. mask（可选）：掩膜，指定操作区域。 4. dtype（可选）：输出数据类型（如 cv2.CV_8U）。 |
| 返回值 | 加法结果图像（numpy.ndarray）。 |

关键特性：

饱和运算 ：结果超出范围时自动截断（如 uint8 超过 255 则取 255）。
与 numpy.add() 区别：NumPy 是模运算（256 → 0），而 OpenCV 是截断（256 → 255）。

13.cv2.subtract()：

|---------|--------------------------------------------------------------------------------------------------------|
| 功能 | 对两张图像（或图像与标量）进行饱和减法运算（像素值低于最小值时截断为0）。 |
| 参数 | 1. src1：被减图像或标量值。 2. src2：减数图像或标量值。 3. mask（可选）：掩膜，指定操作区域。 4. dtype（可选）：输出数据类型（如 cv2.CV_8U）。 |
| 返回值 | 减法结果图像（numpy.ndarray）。 |

14.cv2.multiply()：

|---------|------------------------------------------------------------------------------------------------------------------|
| 功能 | 对两张图像（或图像与标量）进行饱和乘法运算（像素值超过最大值时截断）。 |
| 参数 | 1. src1：第一张输入图像或标量值。 2. src2：第二张输入图像或标量值。 3. scale（可选）：缩放因子（默认1.0）。 4. dtype（可选）：输出数据类型（如 cv2.CV_32F）。 |
| 返回值 | 乘法结果图像（numpy.ndarray）。 |

15.cv2.divide()：

|---------|-------------------------------------------------------------------------------------------------------------|
| 功能 | 对两张图像（或图像与标量）进行除法运算（支持饱和处理和类型转换）。 |
| 参数 | 1. src1：被除数图像或标量值。 2. src2：除数图像或标量值。 3. scale（可选）：缩放因子（默认1.0）。 4. dtype（可选）：输出数据类型（如 cv2.CV_32F）。 |
| 返回值 | 除法结果图像（numpy.ndarray）。 |

16.cv2.bitwise_and()：

|---------|-------------------------------------------------------------------------------------------------------|
| 功能 | 对两张图像（或图像与标量）进行按位与运算（像素级二进制AND操作）。 |
| 参数 | 1. src1：第一张输入图像或标量值。 2. src2：第二张输入图像或标量值。 3. mask（可选）：掩膜，指定操作区域（仅对掩膜非零区域操作）。 4. dst（可选）：输出数组。 |
| 返回值 | 按位与结果图像（numpy.ndarray）。 |

关键特性：

二进制操作：对每个像素的二进制值逐位进行AND运算（同1得1，否则得0）。
掩膜应用 ：可通过 mask 参数限定操作区域（非掩膜区域输出为0）。
典型用途：图像掩膜提取、ROI操作、位平面分析。

17.cv2.bitwise_or()：

|---------|-------------------------------------------------------------------------------------------------------|
| 功能 | 对两张图像（或图像与标量）进行按位或运算（像素级二进制OR操作）。 |
| 参数 | 1. src1：第一张输入图像或标量值。 2. src2：第二张输入图像或标量值。 3. mask（可选）：掩膜，指定操作区域（仅对掩膜非零区域操作）。 4. dst（可选）：输出数组。 |
| 返回值 | 按位或结果图像（numpy.ndarray）。 |

对比其他位操作：

cv2.bitwise_and()：逻辑与（交集）
cv2.bitwise_or()：逻辑或（并集）
cv2.bitwise_xor()：逻辑异或（差异）
cv2.bitwise_not()：逻辑非（取反）

18.cv2.inRange()：

|---------|-------------------------------------------------------------------------------------------------------------------------------|
| 功能 | 检查图像中像素值是否位于指定范围内，生成二值掩膜（符合范围=255，否则=0）。 |
| 参数 | 1. src：输入图像（单通道或多通道）。 2. lowerb：范围下限（标量或数组，如 [min_B, min_G, min_R]）。 3. upperb：范围上限（标量或数组，如 [max_B, max_G, max_R]）。 |
| 返回值 | 二值掩膜图像（numpy.ndarray，符合范围=255，否则=0）。 |

关键特性：

多通道支持 ：可直接处理彩色图像（需为 lowerb 和 upperb 提供每个通道的阈值）。
典型用途：颜色过滤、背景分割、对象检测（如提取绿色区域）。

19.cv2.getRotationMatrix2D()：

|---------|-------------------------------------------------------------------------------------------|
| 功能 | 生成一个 2D旋转矩阵，用于图像的旋转操作（围绕指定中心点旋转）。 |
| 参数 | 1. center：旋转中心坐标 (x, y)。 2. angle：旋转角度（顺时针为正，单位：度 ）。 3. scale：缩放因子（1.0表示不缩放）。 |
| 返回值 | 2×3的仿射变换矩阵（numpy.ndarray，可直接用于 cv2.warpAffine()）。 |

关键特性：

旋转方向：角度为正值时顺时针旋转，负值逆时针旋转。
中心点：旋转围绕该点进行，若设为图像中心则保持旋转后内容在视野内。
缩放：可同时缩放图像（如 scale=0.5 旋转并缩小一半）。

|---------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 功能 | 对图像应用仿射变换（旋转、平移、缩放、倾斜等线性变换）。 |
| 参数 | 1. src：输入图像。 2. M：2×3仿射变换矩阵（如 cv2.getRotationMatrix2D() 生成的矩阵）。 3. dsize：输出图像尺寸 (width, height)。 4. flags（可选）：插值方法（如 cv2.INTER_LINEAR）。 5. borderMode（可选）：边界填充方式（如 cv2.BORDER_CONSTANT）。 6. borderValue（可选）：填充边界时的颜色（默认为黑色）。 |
| 返回值 | 变换后的图像（numpy.ndarray）。 |

关键特性：

仿射变换：保持直线和平行性，适用于旋转、平移、缩放等操作。
插值方法 ：推荐 cv2.INTER_LINEAR（平衡速度与质量）或 cv2.INTER_CUBIC（高质量）。
边界处理 ：超出原图范围的区域默认填充黑色，可通过 borderValue 修改（如填充白色）。

21.cv2.flip()：

|---------|------------------------------------------------------------------------------------------------|
| 功能 | 对图像进行翻转操作（水平、垂直或双向翻转）。 |
| 参数 | 1. src：输入图像。 2. flipCode：翻转方向控制：　　• 0：垂直翻转（沿X轴）　　• 1：水平翻转（沿Y轴）　　• -1：双向翻转（先水平后垂直） |
| 返回值 | 翻转后的图像（numpy.ndarray）。 |

关键特性：

原地操作：不修改原图，返回新图像。
无插值：直接像素映射，速度极快。
多通道支持：彩色图像（BGR/RGB）也可直接翻转。

22.cv2.resize()：

项目	说明
功能	调整图像尺寸（放大或缩小）。
参数	1. `src`：输入图像。 2. `dsize`：目标尺寸 `(width, height)`。 3. `fx`, `fy`（可选）：沿x/y轴的缩放因子（与`dsize`二选一）。 4. `interpolation`（可选）：插值方法（默认`cv2.INTER_LINEAR`）。
返回值	缩放后的图像（`numpy.ndarray`）。

常用插值方法：

cv2.INTER_NEAREST：最近邻（速度快，质量低）。
cv2.INTER_LINEAR：双线性（默认，平衡速度与质量）。
cv2.INTER_CUBIC：双三次（高质量，适合放大）。
cv2.INTER_AREA：区域插值（适合缩小）。

注意：

dsize 参数格式为 (宽度, 高度)，与 numpy 的 (行, 列) 相反。
同时指定 dsize 和 fx/fy 时，dsize 优先生效。

23.cv2.getPerspectiveTransform()：

|---------|--------------------------------------------------------------------------------------------------|
| 功能 | 计算 透视变换矩阵（从4个源点映射到4个目标点的3×3变换矩阵）。 |
| 参数 | 1. src：源图像中4个点的坐标（np.float32格式，形如[[x1,y1],...,[x4,y4]]）。 2. dst：目标图像中对应的4个点坐标（格式同src）。 |
| 返回值 | 3×3透视变换矩阵（numpy.ndarray，用于cv2.warpPerspective()）。 |

关键特性

点对要求：
- 需要 精确4组对应点（不能多或少）。
- 点顺序需一致（如左上、右上、左下、右下）。

注意事项

输入点类型 ：必须是np.float32，否则报错。
点顺序一致性：若源点与目标点顺序不匹配，会导致扭曲异常。
与仿射变换区别：透视变换需要4个点（仿射变换仅需3个点）。

24.cv2.warpPerspective()：

|---------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 功能 | 对图像应用透视变换（将图像投影到新的视角平面，如倾斜矫正、视角转换）。 |
| 参数 | 1. src：输入图像。 2. M：3×3透视变换矩阵（来自cv2.getPerspectiveTransform()）。 3. dsize：输出图像尺寸 (width, height)。 4. flags（可选）：插值方法（如 cv2.INTER_LINEAR）。 5. borderMode（可选）：边界填充方式（如 cv2.BORDER_CONSTANT）。 6. borderValue（可选）：填充颜色（默认为黑色）。 |
| 返回值 | 透视变换后的图像（numpy.ndarray）。 |

核心特性

透视变换矩阵
- 需通过 cv2.getPerspectiveTransform() 或手动计算得到3×3矩阵。
插值方法
- cv2.INTER_LINEAR（默认）：平衡速度与质量。
- cv2.INTER_CUBIC：高质量，适合放大。
- cv2.INTER_NEAREST：速度快但锯齿明显。
边界处理
- 默认填充黑色（borderValue=(0, 0, 0)），可设置为白色或其他颜色。

透视变换练习1：

python 复制代码

import cv2
import numpy as np

img = cv2.imread('../images/youhua.png')
cv2.imshow("original image", img)
h, w, _ = img.shape

# 源图像中四个角点
src = np.array([[170, 140],
                [630, 40],
                [80, 500],
                [660, 560]], dtype="float32")

# 目标图像中四个点
dst = np.array([[50, 10],
                [700, 10],
                [50, 550],
                [700, 550]], dtype="float32")

# 计算透视变换矩阵
M = cv2.getPerspectiveTransform(src, dst)

# 指定背景为白色
per_img = cv2.warpPerspective(img, M, (w, h), borderValue=(255, 255, 255))

cv2.imshow("perspective image", per_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

透视变换练习2：

python 复制代码

import cv2
import numpy as np

img = cv2.imread('../images/hello.png')
cv2.imshow("original image", img)
h, w, _ = img.shape

# 源图像中四个角点
src = np.float32([
    [80, 240],
    [350, 120],
    [200, 430],
    [450, 258]

])


# 目标图像中四个点
dst = np.float32([
    [0, 0],
    [450, 0],
    [0, 330],
    [450, 330]
])

# 计算透视变换矩阵
M = cv2.getPerspectiveTransform(src, dst)

# 指定背景为白色
per_img = cv2.warpPerspective(img, M, (450, 330), borderValue=(255, 255, 255))

cv2.imshow("perspective image", per_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

9.cv2.adaptiveThreshold():

10.cv2.split()：

**11.**cv2.merge()：

12.cv2.add()：

**13.**cv2.subtract()：

14.cv2.multiply()：

15.cv2.divide()：

16.cv2.bitwise_and()：

17.cv2.bitwise_or()：

18.cv2.inRange()：

19.cv2.getRotationMatrix2D()：

21.cv2.flip()：

22.cv2.resize()：

**23.**cv2.getPerspectiveTransform()：

24.cv2.warpPerspective()：

透视变换练习1：

透视变换练习2：

`11.`cv2.merge()：

13.cv2.subtract()：

23.cv2.getPerspectiveTransform()：