OpenCV学习笔记（一）【图像的基本处理】

1.图像融合：

 #相当于% 256
(img_cat + img_cat2)[:5,:,0] 
#越界取255
cv2.add(img_cat,img_cat2)[:5,:,0]

2.滤波

# 均值滤波
# 简单的平均卷积操作
blur = cv2.blur(img, (3, 3))
cv2.imshow('blur', blur)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 方框滤波
# 基本和均值一样，可以选择归一化
box = cv2.boxFilter(img,-1,(3,3), normalize=True)  
cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 方框滤波
# 基本和均值一样，可以选择归一化,容易越界
box = cv2.boxFilter(img,-1,(3,3), normalize=False)  
cv2.imshow('box', box)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 高斯滤波
# 高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
aussian = cv2.GaussianBlur(img, (5, 5), 1)  
cv2.imshow('aussian', aussian)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 中值滤波
# 相当于用中值代替
median = cv2.medianBlur(img, 5)  # 中值滤波
cv2.imshow('median', median)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 展示所有的
res = np.hstack((blur,aussian,median))#v\h控制方向
#print (res)
cv2.imshow('median vs average', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.腐蚀、膨胀操作
通常用于二值运算，kernel越大，越有可能被腐蚀。
腐蚀=变瘦，膨胀=变胖。

#腐蚀
kernel = np.ones((3,3),np.uint8) 
erosion = cv2.erode(img,kernel,iterations = 1)

#膨胀
kernel = np.ones((3,3),np.uint8) 
dige_dilate = cv2.dilate(dige_erosion,kernel,iterations = 1)

4.开运算与闭运算
开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。
闭运算能够填平小湖（即小孔），弥合小裂缝，而总的位置和形状不变。
https://blog.csdn.net/hanshanbuleng/article/details/80657148

# 开：先腐蚀，再膨胀
kernel = np.ones((5,5),np.uint8) 
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)


# 闭：先膨胀，再腐蚀
kernel = np.ones((5,5),np.uint8) 
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

5.梯度运算
梯度=膨胀-腐蚀
可以得到边界信息

# 梯度=膨胀-腐蚀
pie = cv2.imread('pie.png')
kernel = np.ones((7,7),np.uint8) 
dilate = cv2.dilate(pie,kernel,iterations = 5)
erosion = cv2.erode(pie,kernel,iterations = 5)

6.礼帽与黑帽
礼帽 = 原始输入-开运算结果
黑帽 = 闭运算-原始输入

礼帽是通过原图片减去开操作后的图像，得到其中的多于细小部分（字边上的白色细线）。
黑帽是通过闭操作后的图像减去原图像，得到其中的细小泄漏部分（字中间的黑色细线）。

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
blackhat  = cv2.morphologyEx(img,cv2.MORPH_BLACKHAT, kernel)

图及部分笔记源：https://www.cnblogs.com/leokale-zz/p/11346993.html