OpenCV day6
函数内容接上文：OpenCV day4-CSDN博客 , OpenCV day5-CSDN博客
目录
平滑（模糊）
25.cv2.blur()：
26.cv2.boxFilter():
27.cv2.GaussianBlur()：
28.cv2.medianBlur():
29.cv2.bilateralFilter()：
锐化与边缘检测
30.cv2.filter2D()：
31.cv2.Sobel()：
32.cv2.Scharr()：
33.cv2.Laplacian()：
34.cv2.Canny()：
绘图与标注
35.cv2.line()：
36.cv2.rectangle()：
37.cv2.polylines()：
38.cv2.ellipse()：
39.cv2.circle()：
40.cv2.putText()：
轮廓分析
41.cv2.findContours()：
42.cv2.drawContours()：
43.cv2.approxPolyDP()：
平滑（模糊）
25.cv2.blur()：
| 功能 | 对图像进行均值模糊（平滑处理），通过邻域像素的平均值减少噪声或细节。 |
| 参数 | 1. src：输入图像（单通道或多通道）。2. ksize：模糊核大小（如 (5,5)）。3. anchor（可选）：锚点位置（默认 (-1,-1) 表示核中心）。4. borderType（可选）：边界填充方式（如 cv2.BORDER_DEFAULT）。 |
| 返回值 | 模糊后的图像（numpy.ndarray）。 |
关键点：
-
均值滤波：核内所有像素取平均，适用于简单去噪（但可能边缘模糊）。
-
核大小：
ksize必须是正奇数（如(3,3)、(5,5)）。
26.cv2.boxFilter():
| 功能 | 对图像进行方框滤波（均值滤波的通用版本，可控制归一化）。 |
| 参数 | 1. src：输入图像。2. ddepth：输出图像深度（如 -1 表示与输入相同）。3. ksize：滤波核大小（如 (3,3)）。4. normalize（可选）：是否归一化（默认 True，效果同 cv2.blur()）。5. anchor（可选）：锚点位置（默认核中心）。6. borderType（可选）：边界填充方式（如 cv2.BORDER_REFLECT）。 |
| 返回值 | 滤波后的图像（numpy.ndarray）。 |
关键特性：
-
归一化：
normalize=True时等同于cv2.blur()（求均值），False时直接求和（可能导致值溢出）。 -
灵活性：可自定义输出图像深度（如
cv2.CV_32F保留浮点结果）。
27.cv2.GaussianBlur()：
| 功能 | 对图像进行高斯模糊（基于高斯分布的加权平均滤波，有效减少噪声并保留边缘）。 |
| 参数 | 1. src：输入图像（支持多通道）。2. ksize：高斯核大小（宽高为正奇数，如(5,5)）。3. sigmaX：X方向标准差（控制模糊强度，0表示自动计算）。4. sigmaY（可选）：Y方向标准差（默认同sigmaX）。5. borderType（可选）：边界填充方式（如cv2.BORDER_DEFAULT）。 |
| 返回值 | 高斯模糊后的图像（numpy.ndarray）。 |
关键特性：
-
高斯权重：中心像素权重高，边缘权重低，比均值模糊更保边缘。
-
标准差：
sigma越大，模糊效果越强（若为0，则根据ksize自动计算）。 -
核大小：必须是正奇数（如
(3,3)、(5,5)）。
28.cv2.medianBlur():
| 功能 | 对图像进行中值模糊（用邻域像素的中值替代中心像素，有效去除椒盐噪声）。 |
| 参数 | 1. src：输入图像（支持单通道或多通道，但深度需为CV_8U或CV_32F）。2. ksize：滤波核大小（必须为大于1的奇数，如3、5等）。 |
| 返回值 | 中值滤波后的图像（numpy.ndarray）。 |
关键特性：
-
非线性滤波：取邻域中位数，非均值/加权平均，适合去除椒盐噪声（突发的黑白噪点）。
-
保护边缘：相比均值模糊，能更好保留锐利边缘。
-
核限制：核大小必须是奇数（如3、5、7），且不能为1。
29.cv2.bilateralFilter()：
| 功能 | 对图像进行双边滤波，在平滑噪声的同时保留边缘（非线性能量保持滤波）。 |
| 参数 | 1. src：输入图像（8位或浮点型，单通道或多通道）。2. d：邻域直径（若≤0则根据sigmaSpace计算）。3. sigmaColor：颜色空间标准差（控制颜色相似性权重）。4. sigmaSpace：坐标空间标准差（控制距离权重）。5. borderType（可选）：边界填充方式（默认cv2.BORDER_DEFAULT）。 |
| 返回值 | 滤波后的图像（numpy.ndarray）。 |
关键特性：
-
边缘保留：结合颜色相似性和空间距离双重权重，避免边缘模糊。
-
参数敏感：
sigmaColor越大，颜色容忍度越高；sigmaSpace越大，远处像素影响越大。 -
计算较慢：比高斯滤波耗时，适合小区域或实时性要求不高的场景。
锐化与边缘检测
30.cv2.filter2D()：
| 功能 | 对图像进行自定义卷积操作，通过用户定义的核（Kernel）实现滤波效果。 |
| 参数 | 1. src：输入图像（单通道或多通道）。2. ddepth：输出图像深度（如 -1 表示与输入相同）。3. kernel：卷积核（numpy.ndarray，需为单通道浮点矩阵）。4. anchor（可选）：核的锚点位置（默认中心）。5. delta（可选）：卷积后叠加的常数（默认0）。6. borderType（可选）：边界填充方式（如 cv2.BORDER_CONSTANT）。 |
| 返回值 | 卷积后的图像（numpy.ndarray）。 |
关键特性：
-
灵活性强：可自定义核实现锐化、边缘检测、模糊等效果。
-
数学本质：核与图像局部区域做点乘后求和（离散卷积运算）。
-
边界处理：默认填充黑色，可通过
borderType调整。
31.cv2.Sobel()：
| 功能 | 使用Sobel算子计算图像的一阶梯度（用于边缘检测）。 |
| 参数 | 1. src：输入图像（单通道）。2. ddepth：输出图像深度（如cv2.CV_64F保留负梯度）。3. dx：x方向导数阶数（如1表示检测垂直边缘）。4. dy：y方向导数阶数（如1表示检测水平边缘）。5. ksize（可选）：Sobel核大小（默认3，仅支持1/3/5/7）。6. scale（可选）：缩放因子（默认1）。7. delta（可选）：结果叠加的常数（默认0）。8. borderType（可选）：边界填充方式（默认cv2.BORDER_DEFAULT）。 |
| 返回值 | 梯度图像（numpy.ndarray）。 |
关键特性
-
梯度方向
-
dx=1, dy=0：检测垂直边缘（对x方向求导）。 -
dx=0, dy=1：检测水平边缘（对y方向求导）。 -
dx=1, dy=1：同时检测两个方向的边缘（不常用，推荐分开计算后合并）。
-
-
核大小
-
ksize=1：使用1×3或3×1核（无高斯平滑）。 -
ksize=3（默认）：3×3核，含高斯权重，抗噪性更好。
-
-
输出深度
-
使用
cv2.CV_64F保留负梯度值，最后取绝对值：
-
grad_x = cv2.Sobel(img, cv2.CV_64F, 1, 0)
abs_grad = cv2.convertScaleAbs(grad_x) # 转为8位无符号32.cv2.Scharr()：
| 项目 | 说明 |
|---|---|
| 功能 | 使用Scharr算子计算图像的一阶梯度（比Sobel更精确的边缘检测）。 |
| 参数 | 1. src：输入图像（单通道）。2. ddepth：输出图像深度（如cv2.CV_64F）。3. dx：x方向导数阶数（1或0）。4. dy：y方向导数阶数（1或0）。5. scale（可选）：缩放因子（默认1）。6. delta（可选）：结果叠加的常数（默认0）。7. borderType（可选）：边界填充方式（默认cv2.BORDER_DEFAULT）。 |
| 返回值 | 梯度图像（numpy.ndarray）。 |
核心特性
-
与Sobel的对比
-
更高精度：Scharr算子使用3×3核时，对梯度的近似计算比Sobel更精确（尤其对对角边缘）。
-
固定核大小：仅支持
ksize=3（不可像Sobel那样选择1/5/7）。
-
-
梯度方向
-
dx=1, dy=0：检测垂直边缘。 -
dx=0, dy=1：检测水平边缘。 -
不支持
dx=dy=1（需分开计算后合并）。
-
33.cv2.Laplacian()：
| 项目 | 说明 |
|---|---|
| 功能 | 使用拉普拉斯算子计算图像的二阶导数，用于边缘检测（对噪声敏感，但能检测全方向边缘）。 |
| 参数 | 1. src：输入图像（单通道）。2. ddepth：输出图像深度（如 cv2.CV_64F 保留负值）。3. ksize（可选）：核大小（默认1，仅支持1/3/5/7）。4. scale（可选）：缩放因子（默认1）。5. delta（可选）：结果叠加的常数（默认0）。6. borderType（可选）：边界填充方式（默认 cv2.BORDER_DEFAULT）。 |
| 返回值 | 二阶梯度图像（numpy.ndarray）。 |
34.cv2.Canny()：
| 功能 | 使用Canny算法进行多阶段边缘检测（低错误率+边缘细化）。 |
| 参数 | 1. image：输入图像（必须为单通道灰度图）。2. threshold1：低阈值（弱边缘筛选）。3. threshold2：高阈值（强边缘确认）。4. apertureSize（可选）：Sobel算子核大小（默认3）。5. L2gradient（可选）：梯度计算方式（True用L2范数更精确，默认False用L1范数）。 |
| 返回值 | 二值边缘图像（numpy.ndarray，边缘=255，背景=0）。 |
关键特性
-
双阈值机制
-
强边缘：梯度值 >
threshold2→ 保留。 -
弱边缘：
threshold1< 梯度值 ≤threshold2→ 仅当与强边缘连接时保留。 -
建议比例：
threshold2 ≈ 2×threshold1（如50, 150）。
-
-
处理流程
-
输出效果
-
边缘为细线（1像素宽），背景纯黑。
-
对噪声鲁棒，但依赖阈值参数调优。
-
绘图与标注
35.cv2.line()：
| 功能 | 在图像上绘制一条线段。 |
| 参数 | 1. img：输入图像（直接修改该图像）。2. pt1：线段起点坐标 (x1, y1)。3. pt2：线段终点坐标 (x2, y2)。4. color：线条颜色（BGR三元组，如 (255,0,0) 表示红色）。5. thickness（可选）：线条粗细（默认1）。6. lineType（可选）：线条类型（如 cv2.LINE_AA 抗锯齿）。7. shift（可选）：坐标小数位数（默认0）。 |
| 返回值 | 无（直接修改输入图像）。 |
关键特性
-
坐标系统
-
原点
(0,0)在图像左上角，x向右增长，y向下增长。
-
-
线条样式
-
lineType=cv2.LINE_AA：抗锯齿线条（更平滑，但速度稍慢）。 -
lineType=cv2.LINE_8：8连通快速绘制（默认）。
-
-
颜色模式
-
BGR顺序：OpenCV默认格式（与RGB相反），例如红色为
(0,0,255)。
-
36.cv2.rectangle()：
| 功能 | 在图像上绘制矩形（空心或实心）。 |
| 参数 | 1. img：输入图像（直接修改该图像）。2. pt1：矩形左上角坐标 (x1, y1)。3. pt2：矩形右下角坐标 (x2, y2)。4. color：矩形颜色（BGR三元组，如 (0,255,0) 表示绿色）。5. thickness（可选）：线条粗细（默认1，负数表示填充矩形）。6. lineType（可选）：线条类型（如 cv2.LINE_AA 抗锯齿）。7. shift（可选）：坐标小数位数（默认0）。 |
| 返回值 | 无（直接修改输入图像）。 |
关键特性
-
坐标定义
-
pt1和pt2分别对应矩形的左上角和右下角（无需保证x2>x1或y2>y1，函数会自动处理）。
-
-
填充模式
-
thickness=-1：用指定颜色填充整个矩形。 -
thickness≥1：绘制空心矩形边框。
-
-
颜色与样式
-
BGR顺序：例如蓝色为
(255,0,0)。 -
lineType=cv2.LINE_AA：抗锯齿边框（适合倾斜矩形）。
-
37.cv2.polylines()：
| 功能 | 在图像上绘制一个或多个多边形（空心或实心）。 |
| 参数 | 1. img：输入图像（直接修改该图像）。2. pts：多边形顶点数组（格式见示例）。3. isClosed：是否闭合多边形（True=首尾相连）。4. color：线条颜色（BGR三元组）。5. thickness（可选）：线条粗细（默认1）。6. lineType（可选）：线条类型（如 cv2.LINE_AA）。7. shift（可选）：坐标小数位数（默认0）。 |
| 返回值 | 无（直接修改输入图像）。 |
关键特性
-
顶点格式
-
单个多边形：
np.array([[x1,y1], [x2,y2], ...], dtype=np.int32) -
多个多边形：
[poly1_pts, poly2_pts, ...]（列表包裹多个数组）
-
-
闭合控制
-
isClosed=True：自动连接首尾点（如绘制五角星）。 -
isClosed=False：开放路径（如绘制折线）。
-
-
批量绘制
-
可一次性绘制多个多边形，比循环调用
cv2.line()更高效。
-
38.cv2.ellipse()：
| 项目 | 说明 |
|---|---|
| 功能 | 在图像上绘制椭圆（空心或实心）、圆弧或扇形。 |
| 参数 | 1. img：输入图像（直接修改）。2. center：椭圆中心 (x,y)。3. axes：主轴长度 (长轴,短轴)。4. angle：旋转角度（顺时针，度）。5. startAngle：起始角度（0°为3点钟方向）。6. endAngle：结束角度（如360°完整椭圆）。7. color：颜色（BGR）。8. thickness（可选）：线宽（默认1，-1填充）。9. lineType（可选）：线型（如cv2.LINE_AA）。10. shift（可选）：坐标小数位数（默认0）。 |
| 返回值 | 无（直接修改输入图像）。 |
关键特性
-
角度定义
-
angle：椭圆整体旋转角度（如0°时长轴水平）。 -
startAngle/endAngle：局部弧线范围（0°→360°绘制完整椭圆）。
-
-
填充模式
-
thickness=-1：填充图形（如绘制实心圆）。 -
thickness≥1：绘制边框。
-
-
特殊图形
-
圆：设
axes=(r,r)且angle=0。 -
扇形：设
startAngle=30, endAngle=270。
-
39.cv2.circle()：
| 功能 | 在图像上绘制圆形（空心或实心）。 |
| 参数 | 1. img：输入图像（直接修改）。2. center：圆心坐标 (x,y)。3. radius：圆半径（像素）。4. color：颜色（BGR三元组）。5. thickness（可选）：线宽（默认1，-1表示填充）。6. lineType（可选）：线型（如 cv2.LINE_AA 抗锯齿）。7. shift（可选）：坐标小数位数（默认0）。 |
| 返回值 | 无（直接修改输入图像）。 |
关键特性
-
坐标系统
-
圆心
(x,y)的坐标系原点在图像左上角，x向右增长，y向下增长。
-
-
填充模式
-
thickness=-1：绘制实心圆（如标记目标中心点）。 -
thickness≥1：绘制空心圆（如标记检测框）。
-
-
抗锯齿
-
lineType=cv2.LINE_AA：边缘平滑（适合高分辨率图像）。 -
lineType=cv2.LINE_8：快速绘制（默认）
-
40.cv2.putText()：
| 项目 | 说明 |
|---|---|
| 功能 | 在图像上绘制文字（支持多种字体、大小和样式）。 |
| 参数 | 1. img：输入图像（直接修改）。2. text：要绘制的字符串。3. org：文字左下角起点 (x,y)。4. fontFace：字体类型（如 cv2.FONT_HERSHEY_SIMPLEX）。5. fontScale：字体缩放因子（大小）。6. color：文字颜色（BGR三元组）。7. thickness（可选）：文字粗细（默认1）。8. lineType（可选）：线型（如 cv2.LINE_AA）。9. bottomLeftOrigin（可选）：坐标系原点是否在左下角（默认False，即左上角）。 |
| 返回值 | 无（直接修改输入图像）。 |
关键特性
-
字体支持
-
常用字体：
cv2.FONT_HERSHEY_SIMPLEX（标准）、cv2.FONT_HERSHEY_SCRIPT_SIMPLEX（手写体）等。 -
中文支持：需加载中文字体文件（如
Pillow库配合使用）。
-
-
坐标系统
-
org默认基于左上角坐标系（(0,0)在左上角）。 -
设
bottomLeftOrigin=True可切换为左下角坐标系（数学坐标系）。
-
-
抗锯齿
-
lineType=cv2.LINE_AA：文字边缘平滑（推荐）。 -
lineType=cv2.LINE_8：快速渲染（默认）。
-
轮廓分析
41.cv2.findContours()：
| 功能 | 从二值图像中提取轮廓（可用于物体形状分析、边缘检测等）。 |
| 参数 | 1. image：输入二值图像（通常需先阈值化或边缘检测）。2. mode：轮廓检索模式（如 cv2.RETR_EXTERNAL 仅外轮廓）。3. method：轮廓近似方法（如 cv2.CHAIN_APPROX_SIMPLE 压缩冗余点）。4. offset（可选）：轮廓点坐标偏移量（默认 (0,0)）。 |
| 返回值 | 1. contours：轮廓列表（每个轮廓为 np.array 的点集）。2. hierarchy：轮廓层级关系（树结构描述父子轮廓）。 |
关键参数详解
1. 检索模式（mode）
| 模式 | 说明 |
|---|---|
cv2.RETR_EXTERNAL | 仅检测最外层轮廓（忽略内部孔洞）。 |
cv2.RETR_LIST | 检测所有轮廓，无层级关系（hierarchy 为无效值）。 |
cv2.RETR_TREE | 检测所有轮廓并建立完整层级树（记录父子关系）。 |
2. 近似方法（method）
| 方法 | 说明 |
|---|---|
cv2.CHAIN_APPROX_NONE | 存储轮廓所有点（坐标完整，但冗余）。 |
cv2.CHAIN_APPROX_SIMPLE | 压缩水平、垂直、对角线方向的冗余点（如矩形仅保留4个角点）。 |
42.cv2.drawContours()：
| 功能 | 在图像上绘制轮廓（支持自定义颜色、线宽、层级过滤）。 |
| 参数 | 1. image：输入图像（直接修改）。2. contours：轮廓列表（来自cv2.findContours()）。3. contourIdx：要绘制的轮廓索引（-1表示全部）。4. color：轮廓颜色（BGR三元组）。5. thickness（可选）：线宽（默认1，-1表示填充）。6. lineType（可选）：线型（如cv2.LINE_AA）。7. hierarchy（可选）：层级关系（用于过滤）。8. maxLevel（可选）：最大绘制层级（默认0，仅当前层）。9. offset（可选）：轮廓点坐标偏移量。 |
| 返回值 | 无（直接修改输入图像）。 |
关键特性
-
轮廓选择
-
contourIdx=-1：绘制所有轮廓。 -
contourIdx=2：仅绘制列表中第3个轮廓（索引从0开始）。
-
-
填充模式
-
thickness=-1：填充轮廓内部（如生成掩膜）。 -
thickness≥1：绘制空心轮廓。
-
-
层级控制
-
结合
hierarchy和maxLevel可选择性绘制子轮廓（如只画最外层）。
-
43.cv2.approxPolyDP()：
| 功能 | 用Douglas-Peucker算法对轮廓多边形进行近似（减少顶点数，保持形状）。 |
| 参数 | 1. curve：输入轮廓（np.array 形状为 (N,1,2)）。2. epsilon：近似精度（值越小，越接近原始轮廓）。3. closed：是否闭合轮廓（默认 True）。 |
| 返回值 | 近似后的多边形点集（np.array 形状为 (M,1,2)，M≤N）。 |
关键特性
-
算法原理
-
通过设定最大距离容差（
epsilon）压缩冗余顶点，保留关键转折点
-
-
参数选择
-
epsilon通常取轮廓周长的百分比（如0.02*cv2.arcLength(curve, True)）。 -
closed=True时强制首尾相连。
-
-
应用场景
-
简化复杂轮廓（如文档边界矫正）。
-
形状分类（通过顶点数判断矩形、三角形等）。
-
注意事项
-
输入格式：轮廓必须是
(N,1,2)形状（与cv2.findContours()输出一致）。 -
精度控制：
epsilon过大可能导致过度简化（如六边形变三角形）。 -
闭合性：开放曲线（如折线）需设
closed=False。