這篇文章主要介紹影象模糊和形態學操作中用到的一些api。
均值模糊blur(mat src, mat dst, size(x，y), point(-1,-1));
引數1：輸入
引數2：輸出
引數3：x*y大小的核心
引數4：錨點（預設-1，-1）
高斯模糊gaussianblur(mat src, mat dst, size(11, 11), sigmax, sigmay);
引數1：輸入
引數2：輸出
引數3：核心大小
引數4：高斯核函式在x方向上的標準偏差
引數5：高斯核函式在y方向上的標準偏差
中值模糊medianblur(mat src, mat dst, ksize)
引數1：輸入
引數2：輸出
引數3：濾波模板的尺寸大小（大於1的奇數）
雙邊濾波bilateralfilter(mat src, mat dst, d = 15, double sigmacolor, double sigmaspace)
引數1：輸入
引數2：輸出
引數3：計算的半徑，半徑之內的畫素會被納入計算，如果提供-1則根據sigma space引數取值
引數4：sigma color決定多少差值之內的畫素會被計算
引數5：如果d的值大於0則宣告無效，否則用它來計算d值
獲取結構元素mat getstructuringelement(int shape, size esize, point anchor = point(-1, -1));
引數1：核心形狀
- 矩形：morph_rect;
- 交叉形：morph_cross;
- 橢圓形：morph_ellipse;
引數2：核心尺寸
引數3：核心錨點
形態學操作morphologyex(src, dest, cv_mop_blackhat, kernel);
引數1：輸入
引數2：輸出
引數3：形態學操作型別
- 開操作：cv_mop_open -先腐蝕後膨脹
- 閉操作：cv_mop_close -先膨脹後腐蝕
- 形態學梯度：cv_mop_gradient -膨脹減去腐蝕
- 頂帽：cv_mop_tophat -原影象與開操作影象的差值影象
- 黑帽：cv_mop_blackhat -閉操作影象與原影象的差值影象
引數4：結構元素
自適應二值化adaptivethreshold( mat src, mat dest, double maxvalue, int adaptivemetad, int thresholdtype, int blocksize, double c）
引數1：輸入的灰度影象
引數2：輸出的二值影象
引數3：二值影象最大值
引數4：自適應方法
- adaptive_thresh_mean_c 計算出領域的平均值再減去第七個引數double c的值
- adaptive_thresh_gaussian_c 計算出領域的高斯均值再減去第七個引數double c的值
引數5：閾值型別
- thresh_binary
- thresh_binary_inv
引數6：塊大小
引數7：最終閾值
本文作為自學路上的筆記使用，有錯誤還請各位大佬指正[抱拳]。
模糊PID學習筆記
傳統pid本質上時微分方程，p通過誤差調節訊號變化幅度，i加強p，也就是誤差在系統中的作用，以增加精度，d通過上一次的誤差差分得到訊號的變化趨勢，並抑制該趨勢，該方法對非線性系統有很好的控制效果。其公式可為 控制器輸出 以上例子為四軸飛行器串級pid，串級pid個人理解上的本質是在單級pid上加強控...
OpenCV學習筆記 模糊操作
模糊操作的作用是在時減低雜訊。模糊操作有均值模糊，中值模糊，高斯模糊和自定義模糊 模糊操作的基本原理 1 基於離散卷積 2 定義好每乙個卷積核 3 不同的卷積核得到不同的卷積效果 4 模糊是卷積的一種表象 均值濾波 用卷積核中的全體畫素的平均值來代替原來畫素值 中值濾波 將卷積核中的全體畫素從小到大...
python OpenCV學習筆記（八） 模糊操作
import cv2 as cv import numpy as np defblur demo image dst cv.blur image,1 3 前後為xy軸模糊的程度 cv.imshow blur demo dst src cv.imread d cv.namedwindow input ...