1.Canny边缘检测
1)使用高斯滤波器，以平滑图像，滤除噪声。
2)用sobel算子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。
设置的阈值越大，保留细节越少
2.sobel算子
cv2.Sobel(src，ddepth图像深度，dx水平方向，dy竖直方向，ksize算子大小)
表示只算竖直，谁是1就算谁
白-黑是正数，黑-白是负数，所有负数被截断成0，所以需要加绝对值
cv2.addWeighted(sobelx，权重，sobely，权重，偏置项一般为0)
分开计算再融合效果比整体计算更好
3.Scharr算子
Iaplacian算子
对噪音点敏感
sobel scharr Iaplacian
1.图像金字塔：
高斯金字塔：向下采样方法（缩小）
将Gi与高斯内核卷积
将所有偶数行和列去除
高斯金字塔：向上采用方法（放大）
将图像在每个方向扩大为原来的两倍，新增的行和列以0填充
使用先前同样的内核与放大后的图像卷积，获得近似值
2.金字塔制作方法
cv2.pryUp（图像） shape变大
cv2.pryDown（图像） shape变小
3.拉普拉斯金字塔
4.图像轮廓
cv2.findContours(img,mode,method)
mode:轮廓检索模式
RETR_EXTERNAL：只检索最外面的轮廓；
RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；
RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界;
RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次;（常用）
method:轮廓逼近方法
CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。
为了更高的准确率， 一般用二值图像
第一个值是原图，第二个图是轮廓点，第三个是层级
绘制轮廓：cv2.drawContours(图像，轮廓点，第几个轮廓 默认-1为所有轮廓，（B,G,R颜色），线条宽度) 会覆盖源文件
5.轮廓特征计算
6.轮廓近似
binary，contours，hierarchy=cv2.findContours(灰度图，cv2.RETR_TREE，cv2.CHAIN_APPROX_NONE)
cnt=contours[0]
approx=cv2.approxPolyDP(cnt,epsilon,True) 近似函数
res=cv2.drawContours(img，[approx]，-1，（0，0，255），2）
7.边界矩形
8.模板匹配
模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有6种，然后将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)
TM_SQDIFF：计算平方不同，计算出来的值越小，越相关
TM_CCORR：计算相关性，计算出来的值越大，越相关
TM_CCOEFF：计算相关系数，计算出来的值越大，越相关
TM_SQDIFF_NORMED：计算归一化平方不同，计算出来的值越接近0，越相关
TM_CCORR_NORMED：计算归一化相关性，计算出来的值越接近1，越相关
TM_CCOEFF_NORMED：计算归一化相关系数，计算出来的值越接近1，越相关
cv2.matchTemplate(img，template，cv2.TMSQDIFF)
匹配多个对象
9.直方图
cv2.calcHist(images,channels,mask,histSize,ranges)
images: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]
channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。
mask: 掩码图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一分的直方图的你就制作一个掩模图像并 使用它。
histSize:BIN 的数目。也应用中括号括来
ranges: 像素值范围常为 [0，256]
10.均衡化：
cv2.equalizeHist(img)
自适应均衡化：cv2.createCLAHE（clipLimit=2.0，tileGridSize=(8,8)）
11.傅里叶变换
作用：高频：变化剧烈地灰度分量，比如边界
低频：变化缓慢的灰度分量，例如一片大海
滤波：低通滤波器：只保留低频，会使图像模糊
高通滤波器：只保留高频，会使图像细节增加
在opencv中主要是cv2.dft()和cv2.idft()，输入图像要先转换成np.float32格式，得到的结果中频率为0的部分会在左上角，通常要转换到中心位置，可以通过shift变换来实现。cv2.dft()返回的结果是双通道的(实部，虚部)，通常还需要转换成图像格式才能展示(0,255)
12.角点检测：
cv2.cornerHarris(img，blockSize指定区域大小，ksize，k取值参数为0.04 0.06)
