记录OpenCV过滤用法，小白。

Mat读取灰度图像

Mat src = new Mat("1.jpg", ImreadModes.Grayscale);//灰度读取

ImreadModes参数

//If set, return the loaded image as is (with alpha channel, otherwise it gets cropped).
Unchanged = -1,
//If set, always convert image to the single channel grayscale image.
//单通道灰度图像
Grayscale = 0x0,
//If set, always convert image to the 3 channel BGR color image.
Color = 0x1,
//If set, return 16-bit/32-bit image when the input has the corresponding depth, otherwise convert it to 8-bit.
AnyDepth = 0x2,
//If set, the image is read in any possible color format.
AnyColor = 0x4,
//If set, use the gdal driver for loading the image.
LoadGdal = 0x8,
//If set, always convert image to the single channel grayscale image and the image size reduced 1/2.
//灰度读取，并将图像大小减小1/2
ReducedGrayscale2 = 0x10,
//If set, always convert image to the 3 channel BGR color image and the image size reduced 1/2.
ReducedColor2 = 0x11,
//If set, always convert image to the single channel grayscale image and the image size reduced 1/4.
ReducedGrayscale4 = 0x20,
//If set, always convert image to the 3 channel BGR color image and the image size reduced 1/4.
ReducedColor4 = 0x21,
//If set, always convert image to the single channel grayscale image and the image size reduced 1/8.
ReducedGrayscale8 = 0x40,
//If set, always convert image to the 3 channel BGR color image and the image size reduced 1/8.
ReducedColor8 = 0x41,
//If set, do not rotate the image according to EXIF's orientation flag.
IgnoreOrientation = 0x80

GaussianBlur 高斯滤波

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，我觉得就是模糊处理，图片变的平滑柔和。

函数API

void GaussianBlur(InputArray src, 
                  OutputArray dst, 
                  Size ksize, 
                  double sigmaX, 
                  double sigmaY=0, 
                  int borderType=BORDER_DEFAULT);


src，输入图像，即源图像，填Mat类的对象即可。它可以是单独的任意通道数的图片，
    但需要注意，图片深度应该为CV_8U,CV_16U, CV_16S, CV_32F 以及 CV_64F之一。

dst，即目标图像，需要和源图片有一样的尺寸和类型。比如可以用Mat::Clone，以源图片为模板，
    来初始化得到如假包换的目标图。

ksize，高斯内核的大小。其中ksize.width和ksize.height可以不同，但他们都必须为正数和奇数
     （并不能理解）。或者，它们可以是零的，它们都是由sigma计算而来。

sigmaX，表示高斯核函数在X方向的的标准偏差。

sigmaY，表示高斯核函数在Y方向的的标准偏差。若sigmaY为零，就将它设为sigmaX，
       如果sigmaX和sigmaY都是0，那么就由ksize.width和ksize.height计算出来（就是自动）。

MedianBlur 中值滤波

中值滤波将图像的每个像素用邻域 (以当前像素为中心的正方形区域)像素的【中值】代替。我用来去除地板方格很有效。

函数API

void MedianBlur( InputArray src, OutputArray dst, int ksize );
src：源图像Mat对象
dst：目标图像Mat对象
ksize：滤波模板的尺寸大小，必须是大于1的奇数，如：3，5，7等

BoxFilter 方框滤波（盒子滤波）

方框滤波是均值滤波的一般形式，在均值滤波中，将滤波器中所有的像素值求和后的平均值作为滤波后结果，方框滤波也是求滤波器内所有像素值的之和，但是方框滤波可以选择不进行归一化，就是将所有像素值的和作为滤波结果，而不是所有像素值的平均值。

• 优势：快

函数API

void BoxFilter(InputArray src, OutputArray dst, int ddepth,
                Size ksize, Point anchor = Point(-1,-1),
                bool normalize = true,
                int borderType = BORDER_DEFAULT)
src：输入图像。
dst：输出图像，与输入图像具有相同的尺寸和通道数。
ddepth：输出图像的数据类型（深度），根据输入图像的数据类型不同拥有不同的取值范围，具体的取值范围在表5-1给出，当赋值为-1时，输出图像的数据类型自动选择。
ksize：卷积核尺寸。
anchor：内核的基准点(锚点)，其默认值为(-1,-1)代表内核基准点位于kernel的中心位置。基准点即卷积核中与进行处理的像素点重合的点，其位置必须在卷积核的内部。
normalize：是否将卷积核进行归一化的标志，默认参数为true，表示进行归一化。
borderType：像素外推法选择标志，取值范围在表3-5中给出，默认参数为BORDER_DEFAULT，表示不包含边界值倒序填充。

SqrBoxFilter 和BoxFilter区别不大

Sobel算子

sobel算子是一种计算不同方向上梯度的工具。原理是使用[卷积核]对图像进行处理。该算子结合了高斯平滑和微分求导运算，利用局部差分寻找边缘，计算所得的是一个梯度的近似值。
如果想计算x方向梯度，我们就需要这样的一个卷积核

图1-X

以卷积核的中心为中心，将卷积核与图像上[像素]值一一对应，卷积核上的数字相当于系数。利用如下公式即可计算出卷积核中心的x方向梯度。

图2

图3-Y

函数API

void Sobel(InputArray src, OutputArray dst, MatType ddepth, int xorder,
                int yorder, int ksize = 3, double scale = 1.0, double delta = 0.0,
                BorderTypes borderType = BorderTypes.Reflect101)
 src 代表源图像。
 dst 代表目标图像。
 ddepth 处理结果图像深度，一般我们都填-1，即与原图深度相同。
但在这里我们需要填写cv2.CV_64F。简单来说就是如果填写-1，
我们在计算梯度时产生的负数就会被程序默认为0，导致有一边的边缘出不来。
而cv2.CV_64F范围更大，可以保留负数。
 dx 代表 x 方向上的求导阶数。
 dy 代表 y 方向上的求导阶数。
 ksize 代表 Sobel 核的大小。卷积核的尺寸。默认为3，即3*3的矩阵。
 scale 代表计算导数值时所采用的缩放因子，默认情况下该值是 1，是没有缩放的。
 delta 代表加在目标图像 dst 上的值，该值是可选的，默认为 0。
 borderType 代表边界样式

ConvertScaleAbs 和 AddWeighted

Sobel分别计算完x、y方向的权值时，里面是有负数的。我们需要对这些负数取绝对值，否则照样会被归为0。
ConvertScaleAbs 取绝对值
AddWeighted 图像融合，权重加法函数

ConvertScaleAbs(InputArray src, OutputArray dst, double alpha = 1.0, double beta = 0.0)
src 源图像。
dst 处理后图像。
alpha 代表调节系数，默认为 1。
beta 代表调节亮度值，默认为 0。

AddWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype = -1)
 src1, src2：需要融合相加的两副大小和通道数相等的图像
 dst 处理后图像。
 alpha：src1的权重，和beta值相同就是完全融合，不同时，类似透明图那种
 beta：src2的权重
 gamma：gamma修正系数，不需要修正设置为0
 dtype：输出图像数组的深度，即图像单个像素值的位数（如RGB用三个字节表示，则为24位），选默认值表示与源图像保持一致。

Canny边缘检测算法

一个多级边缘检测算法，Canny使用滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值)
Canny使用两种不同的阈值分别检测强边缘和弱边缘，并且仅当弱边缘和强边缘相连时，才将边缘包含在输出图像中。因此不容易被噪声“填充”，更容易检测出真正的弱边缘

void Canny(InputArray src, OutputArray edges, double threshold1,
     double threshold2, int apertureSize = 3, bool L2gradient = false)
image：输入图像，必须是CV_8U的单通道或者三通道图像。
edges：输出图像，输出的边缘图像，8bit单通道，宽高与输入图像一致
threshold1：第一个滞后阈值，低阈值。
threshold2：第二个滞后阈值，高阈值，Canny 推荐的 高:低 阈值比在 2:1 到3:1之间。
apertureSize：Sobel算子的直径。
L2gradient：是否使用更精确的方式计算梯度，True使用，否则不用

FindContours 寻找图像轮廓

void FindContours(InputArray image, out Point[][] contours,out HierarchyIndex[] hierarchy, 
  RetrievalModes mode, ContourApproximationModes method, Point? offset = null)

• image:输入图像，图像必须为8-bit单通道图像
• contours:检测到的轮廓，每个轮廓都是以点向量的形式进行存储
• hierarchy:可选的输出向量(std::vector)，包含了图像的拓扑信息，作为轮廓数量的表示hierarchy包含了很多元素，每个轮廓contours[i]对应hierarchy中hierarchy[i][0]~hierarchy[i][3],分别表示后一个轮廓，前一个轮廓，父轮廓，内嵌轮廓的索引，如果没有对应项，则相应的hierarchy[i]设置为负数
• mode:轮廓检索模式

RETR_EXTERNAL:表示只检测最外层轮廓，对所有轮廓设置hierarchy[i][2]=hierarchy[i][3]=-1
RETR_LIST:提取所有轮廓，并放置在list中，检测的轮廓不建立等级关系
RETR_CCOMP:提取所有轮廓，并将轮廓组织成双层结构(two-level hierarchy),顶层为连通域的外围边界，次层位内层边界
RETR_TREE:提取所有轮廓并重新建立网状轮廓结构（信息完整）
RETR_FLOODFILL：

• method:轮廓逼近方法，是检测方法，不是输出结果

CHAIN_APPROX_NONE：获取每个轮廓的每个点，相邻的两个点的像素位置差不超过1
CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角线段，也就是函数只留下它们的结束点。如果一个矩形轮廓只需4个点来保存轮廓信息
CHAIN_APPROX_TC89_L1：应用Chin chain近似算法的一种风格。
CHAIN_APPROX_TC89_KCOS：应用Chin CHAIN approxing算法的一种风格