cv2.IMREAD_COLOR：彩色图像

cv2.IMREAD_GRAYSCALE：灰度图像

每一个像素点的值是由0-255组成的。（一般都是RGB三颜色通道组成的）

将图片输入进计算机，将图片转换成像素矩阵的形式。

将输出图像的过程定义为一个函数。

这样输出的形式就是像素矩阵形式，并输出一个图片。

在waitkey括号里面的数字表示等待关闭的毫秒数，当数字为0的时候，输入任意键可关闭窗口。

直接用shape语句可以获得图像的属性。

.size可以查出图像的大小，dtype可以查询图片的类型。

可以改变固定大小，在不知道要改多大的时候也可以使用方所的功能。

Canny边缘检测

①使用高斯滤波器，以平滑图像，滤除噪声。

②计算图像中每个像素点的梯度强度和方向。

③应用非极大值抑制，以消除边缘检测带来的杂散相应

④应用双阈值检测来确定真实的和潜在的边缘。

⑤通过抑制孤立的弱边缘最终完成边缘检测。

1.使用高斯滤波器

2.梯度和方向

3.非极大值抑制

线性差值法非常繁琐，所以通常使用下列方法。

如果A的值比B比C的值都大，就把A的值保留下来，求得A的边界。

4.双阈值检测

如果minval设置的过低，会获取过多的边缘。（maxval同理）

如果minval设置的过高，会获取较少的边缘。（maxval同理）

图像金字塔

高斯金字塔和拉普拉斯金字塔。

图像变大是上采样，图像变小是下采样。

图像轮廓

一般情况下都使用RETR_TREE

不断用线段来取轮廓近似。

模版匹配

找到图像中区域与模板最相近的部分。

模板匹配和卷积原理很像，模板在原图像上从原点开始滑动，计算模板与（图像被模板覆盖的地方）的差别程度，这个差别程度的计算方法在opencv里有6种，之后将每次计算的结果放入一个矩阵里，作为结果输出。加入原图形是A×B大小，而模板是a×b大小，则输出结果的矩阵是

（A-a+1）×（B-b+1）  

图像特征-harris角点检测

判断平移后的自相似性

因为对角线相等，所以是一个实对称阵，一定能找到N个单位特征向量，使得它能够进行对角化操作。

c（x，y···）近似为一个椭圆

通过一定方式将椭圆扭过来。