openCV图像形态学操作
读取图像
img=cv2.imread(‘name’) 彩色的
img=cv2.imread(‘name’,cv2.IMREAD_GRAYSCALE） 黑白
图像保存
cv2.imwrite(‘mycat.jpg’,img)
读取视频
①cv2.VideoCapture{‘name.mp4’}可以捕获摄像头，用数字来控制不同设备，例如：0,1 ②如果是视频文件，直接指定路径即可
保留某通道
cv2库中三种通道为BGR，排序分别为0,1，2，当只保留R通道时
cur_img[:,:,0]=0
cur_img[:,:,1]=0
边界填充
先定义上下左右的_size
这几种方法只有最后一个变量不同
1、复制发，把最边缘的在复制一圈添加上
2、反射法，eg:原图像abcdefgh fedcba\abcdefgh\hgfedcba
通过对两边的延申复制达到添加一圈的效果
3、反射法 eg:原图像abcdefgh fedcb\abcdefgh\gfedcba
跟第二个反射法差不多唯一区别就是他把原图边界直接当作新复制的边界了
4、外包装法 eg:原图像abcdefgh abcdefgh\abcdefgh\abcdefgh
顺序是一样的
5、常量法 常数补充
数值计算
当把图片加上数值时，就是图片的每个像素点都加上这个数。
图像处理
1、图像阈值
ret，dst = cv2.threshold
（src，thresh，maxval，type）
·src；输入图，只能输入单通消图像，通常来说为灰度图
·dst：输出图
·thresh：阈值
·maxval；当像素值超过了阈值（或者小于阈值，根据type来决定），
所赋予的值
·type：二值化操作的类型，包含以下5种类型：
·cV2.THRESH_BINARY 超过解值部分取maxval（最大值），否则取0
.cV2.THRESH_BINARY_INV THRESH_BINARY的反转
·cV2.THRESH_TRUNC 大于锡值阈值设为阈值，否则不变
·cV2.THRESH_TOZERO 大于阈值部分不改变，否则设为0
·GV2.THRESH_TOZERO_INV THRESH_TOZERO的反转
2、图像平滑
各种滤波 推荐一个网址 写的特别棒
https://blog.csdn.net/weixin_40922285/article/details/102801633
图像形态学操作
1、腐蚀操作
腐蚀的效果是把图片"变瘦
一般图片是二值化数据，即只有黑白两种颜色。
因为是二值化图，只有0和255
kernel=np.ones((3,3),np.uint8)
erosion=cv2.erode(img,kernel,iterations=1)
2、膨胀操作
kernel=np.ones((3,3),np.uint8)
dilation = cv2.dilate(image, kernel, iterations = 1)
开闭运算
开运算：先腐蚀后膨胀，作用：用来消除图像中细小对象，在纤细点处分离物体和平滑较大物体的边界而有不明显改变其面积和形状，所有小到不能容纳结构元素的物体都会被移除。
闭运算：先膨胀后腐蚀，作用：用来填充目标内部的细小孔洞（fill hole），将断开的邻近目标连接，在不明显改变物体面积和形状的情况下平滑其边界，基本上所有小到不能完整容纳结构元素的空隙或间隙，都会被闭运算消除（即连起来）
开运算
cv::Mat opendImage;
cv::morphologyEx(srcImage,opendImage,cv::MORPH_OPEN,elementRect);
cv::cvtColor(opendImage,opendImage,cv::COLOR_GRAY2BGR); 转换颜色
cv::putText(opendImage,“opendImage”,cv::Point(0,30),cv::FONT_HERSHEY_SIMPLEX,1.2,cv::Scalar(0,255,0),2); 文本绘制
闭运算
cv::Mat closedImage;
cv::morphologyEx(srcImage,closedImage,cv::MORPH_CLOSE,elementRect);
cv::cvtColor(closedImage,closedImage,cv::COLOR_GRAY2BGR);
cv::putText(closedImage,“closedImage”,cv::Point(0,30),cv::FONT_HERSHEY_SIMPLEX,1.2,cv::Scalar(0,255,0),2);
顶帽
原图像与开运算图的区别（差值），突出原图像中比周围亮的区域
黑帽：
闭操作图像 - 原图像,突出原图像中比周围暗的区域
形态学梯度：
基础梯度：基础梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，称为梯度图像也是opencv中支持的计算形态学梯度的方法，而此方法得到梯度有称为基本梯度。
内部梯度：是用原图像减去腐蚀之后的图像得到差值图像，称为图像的内部梯度。
外部梯度：图像膨胀之后再减去原来的图像得到的差值图像，称为图像的外部梯度。
这篇openCV借鉴
https://mp.weixin.qq.com/s?__biz=MzI1ODEzMDQ3OQ==&mid=2247483791&idx=1&sn=fc74f233d02120e724556060af0ddd33&scene=19&token=1038729941&lang=zh_CN#wechat_redirect