OpenCV 入门

OpenCV 是一个开源的计算机视觉库

[噪声] - 在图像上常表现为引起较强视觉效果的孤立像素点或像素块，使得图像模糊不清。

[GRAY色彩空间] - 通常指的是灰度图像，灰度图像是一种每个像素都是从黑到白，被处理为256个灰度级别的单色图像 “0”表示纯黑色， “255”表示纯白色

BGR色彩空间是基于三基色而言的，三基色指的是红色、绿色和蓝色。

而HSV色彩空间则是基于色调、饱和度和亮度而言的。色调（H）是指光的颜色饱和度（S）是指色彩的深浅。在OpenCV中，饱和度在区间[0,255]内取值。当饱和度为0时，图像将变为灰度图像。亮度（V）是指光的明暗。与饱和度相同，在OpenCV中，亮度在区间[0, 255]内取值。亮度值越大，图像越亮；当亮度值为0时，图像呈纯黑色。

用于设置图像透明度的A通道，即alpha通道。

线段的绘制 img = cv2.line(img, pt1, pt2, color, thickness)

矩形的绘制 img = cv2.rectangle(img, pt1, pt2, color, thickness)

圆形的绘制 img = cv2.circle(img, center, radius, color, thickness)

多边形的绘制 img = cv2.polylines(img, pts, isClosed, color, isClosed：如果值为True，表示一个闭合的多边形；如果值为False，表示一个不闭合的多边形。

文字的绘制 img = cv2.putText(img, text, org, fontFace, fontScale, color, thickness, lineType, bottomLeftOrigin)

缩放 dst = cv2.resize(src, dsize, fx, fy, interpolation)

[二值化处理] - 也叫二值化阈值处理，该处理让图像仅保留两种像素值，或者说所有像素都只能从两种值中取值。

if 像素值 <= 阈值: 像素值 = 0
if 像素值 > 阈值: 像素值 = 最大值

通常二值化处理是使用255作为最大值，因为灰度图像中255表示纯白色，能够很清晰地与纯黑色进行区分，所以灰度图像经过二值化处理后呈现“非黑即白”的效果。

反二值化处理也叫反二值化阈值处理，其结果为二值化处理的相反结果。将大于阈值的像素值变为0，将小于或等于阈值的像素值变为最大值

if 像素值 <= 阈值: 像素值 = 最大值
if 像素值 > 阈值: 像素值 = 0

掩模，也叫作掩码，英文为mask，在程序中用二值图像来表示：0值（纯黑）区域表示被遮盖的部分，255值（纯白）区域表示暴露的部分

在尽量保留原图像信息的情况下，去除图像内噪声、降低细节层次信息等一系列过程，叫作图像的平滑处理（或图像的模糊处理）。实现平滑处理最常用的工具就是滤波器。

矩形包围框是指图像轮廓的最小矩形边界。 retval = cv2.boundingRect (array)

凸包是最逼近轮廓的多边形，凸包的每一处都是凸出来的，也就是任意3个点组成的内角均小于180°。

OpenCV提供的convexHull()方法可以自动找出轮廓的凸包 hull = cv2.convexHull(points, clockwise, returnPoints)

Canny边缘检测 - 该算法根据像素的梯度变化寻找图像边缘，最终可以绘制十分精细的二值边缘图像。

霍夫变换是一种特征检测，通过算法识别图像的特征，从而判断图像中的特殊形状，例如直线和圆。

读取并显示摄像头视频

------视频是由大量的图像构成的，把这些图像称作帧。--------------

capture = cv2.VideoCapture(index) 当index的值为0时，表示要打开的是第1个摄像头；对于64位的Windows 10笔记本，当index的值为0时，表示要打开的是笔记本内置摄像头

在 OpenCV 中，滤波器主要分为平滑（低通）滤波器和边缘检测（高通）滤波器。下表汇总了最常见的 4 种平滑滤波器，用于去噪和模糊处理。

📊 OpenCV 四大平滑滤波器对比

滤波器	核心原理	核心特点	适用场景	OpenCV 函数
均值滤波	计算核内所有像素的平均值来替换中心像素。	优点：算法简单，计算速度快。缺点：会模糊边缘，细节丢失严重。	快速去噪、背景平滑、对细节要求不高的预处理。	`cv::blur()`
高斯滤波	根据高斯分布分配权重，离中心越近的像素权重越大。	优点：比均值滤波保留更多边缘，自然平滑。缺点：仍会模糊边缘，无法完全避免。	去除高斯噪声、通用图像预处理、特征提取前的平滑。	`cv::GaussianBlur()`
中值滤波	取核内所有像素的中位数来替换中心像素。	优点：完美去除椒盐噪声，极好地保留边缘细节。缺点：计算量较大，处理时间较长。	去除椒盐噪声、脉冲噪声（如文档扫描去噪）。	`cv::medianBlur()`
双边滤波	同时考虑空间距离和像素值相似度进行加权平均。	优点：在平滑噪声的同时，能极好地保留边缘（保边去噪）。缺点：计算速度非常慢。	人脸美化（磨皮）、高细节保留场景（如医学图像、高清摄影）。	`cv::bilateralFilter()`

💡 如何选择？

看噪声类型：
- 遇到随机白点/黑点（椒盐噪声），首选中值滤波。
- 遇到均匀的颗粒状噪声（高斯噪声），选择高斯滤波。
- 追求速度，选择均值滤波。
看细节要求：
- 需要保留边缘（如人像、文字），避免使用均值滤波，优先考虑双边滤波或中值滤波。

THE END