一， 二值化函数
功能：
用于对图像进行二值化处理
参数：
cv2.threshold(输入你的图像所对应的灰度图，
阈值：是浮点还是整数取决予图像的数据类型
最大值;高于阈值的像素值，
阈值类型：cv2.THRESH_BINARY、cv2.THRESH_BINARY_INV、 cv2.THRESH_TRUNC、cv2.THRESH_TOZERO 和 cv2.THRESH_TOZERO_INV
)
返回值：
二值化的返回值有2个
1：实际使用的阈值
2：二值化的图像
注意：调用二值化函数使用的图像一定要是灰度化后的图像
应用：
import cv2img = cv2.imread("./women.png.")img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret, img_threshold = cv2.threshold(img_gray,120,255,cv2.THRESH_BINARY)print(ret)cv2.imshow("img",img)
cv2.imshow("img_gary",img_gray)
cv2.imshow("img_threshold",img_threshold)
cv2.waitKey(0)
可以通过修改阈值呈现不同的效果
1.使用cv2.THRESH_BINARY
2.使用cv2.THRESH_BINARY_INV
3.使用THRESH_TRUNC
二.自适应二值化函数 功能、参数、返回值、应用
功能:
与二值化算法相比，自适应二值化更加适合用在明暗分布不均的图片
参数：
cv2.adaptiveThreshold（输入你的图像所对应的灰度图，
最大值，#通常为255
自适应方法，#cv2.ADAPTIVE_THRESH_MEAN_C | cv2.ADAPTIVE_THRESH_GAUSSIAN_C
二值化类型，
核的大小：最好是奇数
最终的阈值：从计算出的平均值或加权和中减去的常数
）
返回值：
自适应二值化的图像
应用：
import cv2img = cv2.imread("./women.png.")img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)img_adapt = cv2.adaptiveThreshold(img_gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,5,3)cv2.imshow("img",img)
cv2.imshow("img_gary",img_gray)
cv2.imshow("img_threshold",img_adapt)
cv2.waitKey(0)
可以通过修改阈值和自适应方法呈现不同的效果
1.cv2.ADAPTIVE_THRESH_GAUSSIAN_C
2.cv2.ADAPTIVE_THRESH_MEAN_C
三，腐蚀函数
功能：
将二值化图像中的白色部分尽可能的压缩
参数：
cv2.erode（读取图片，
kernel: 结构元素，核，
iterations: 迭代次数，次数越多效果越明显
）
kernel:
cv2.getStructuringElement(cv2.MORPH_ELLIPSE,
(3, 3)大小
)
返回值：
腐蚀后的图像
应用：
import cv2img = cv2.imread("./123.png.")kernal = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))img_erode = cv2.erode(img,kernal)cv2.imshow("img",img)
cv2.imshow("img_gary",img_erode)
cv2.waitKey(0)
四，膨胀函数
功能：
将二值化图像中的白色部分尽可能的扩张
参数：
cv2.dilate(
读取图片，
kernel: 结构元素，核，
iterations: 迭代次数，次数越多效果越明显
)
返回值：
膨胀后的图片
应用:
import cv2img = cv2.imread("./123.png.")kernal = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))img_dilate = cv2.dilate(img,kernal)cv2.imshow("img",img)
cv2.imshow("img_gary",img_dilate)
cv2.waitKey(0)
五，仿射变换函数
功能：
用于对图像进行仿射变换（Affine Transformation）的函数，仿射变换包括平移、旋转、缩放以及剪切等操作。
参数：
cv2.warpAffine(输入的图像，
变换矩阵，：通过其他函数（如 cv2.getRotationMatrix2D()）计算得到的，用于描述仿射变换
输出图像的大小，
插值方法（默认为线性），：cv2.INTER_LINEAR（线性插值）、cv2.INTER_NEAREST（最近邻插值）、cv2.INTER_CUBIC（三次样条插值）
边缘填充方法，：cv2.BORDER_CONSTANT（常量填充）、cv2.BORDER_REFLECT（反射）、cv2.BORDER_REFLECT_101（反射101）
边界颜色 ：borderMode 为 cv2.BORDER_CONSTANT
)
cv2.getRotationMatrix2D(center：旋转的中心点, angle：旋转角度, scale：缩放因子)
返回值：
输出图像
应用：
import cv2img = cv2.imread("./women.png")M = cv2.getRotationMatrix2D((img.shape[1]/2,img.shape[0]/2),45,0.5)
img_warp = cv2.warpAffine(img,M,(700,700),flags=cv2.INTER_LINEAR,borderMode=cv2.BORDER_WRAP)cv2.imshow("img",img)
cv2.imshow("img_gary",img_warp)
cv2.waitKey(0)
修改缩放因子
六，透视变换函数
功能：
用于对图像进行透视变换的函数
而透视变换是把一个图像投影到一个新的视平面的过程
参数：
cv2.warpPerspective(src, M, dsize, dst=None, flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT, borderValue=None)
cv2.warpPerspective（输入图像，
透视变换矩阵，
输出图像的尺寸，
输出图像，这是一个可选参数。
插值方法，：cv2.INTER_LINEAR（线性插值）、cv2.INTER_NEAREST（最近邻插值）、cv2.INTER_CUBIC（三次样条插值）
）
返回值：
图像
应用：
import cv2
import numpy as npimg = cv2.imread("./223.png")points1 = np.array([[80, 300], [950, 50], [150, 620], [1060,400]],dtype=np.float32)points2 = np.array([[0, 0], [img.shape[1], 0], [0, img.shape[0]], [img.shape[1], img.shape[0]]],dtype=np.float32)
M = cv2.getPerspectiveTransform(points1, points2)img_warp = cv2.warpPerspective(img, M,(img.shape[1], img.shape[0]))cv2.imshow("img",img)
cv2.imshow("img1",img_warp)
cv2.waitKey(0)
