第一章
環境搭建：
1、 環境變量path 添加 D:\Program Files\opencv\build\x86\vc11\bin
2、 VS在VC++項目中，屬性管理器\屬性。
VC++目錄 包含目錄： D:\Program Files\opencv\build\include
D:\Program Files\opencv\build\include\opencv
D:\Program Files\opencv\build\include\opencv2
庫目錄： D:\Program Files\opencv\build\x86\vc11\lib
3、連接器\輸入\附加的依賴項 opencv_ts300.lib opencv_world300.lib
第六章
三種線性濾波：方框BoxBlur、 均值Blur、高斯GaussianBlur
兩種非線性濾波：中值medianBlur、雙邊bilateralFilter
七種圖像處理形態學：腐蝕erode、膨脹dilate、開運算、閉運算、形態學梯度、頂帽、黑帽
幾種常用的線性濾波器：
低通濾波器： 允許低頻率通過
高通濾波器：允許高頻率通過
帶通濾波器：允許一定范圍頻率通過
帶阻濾波器：阻止一定范圍頻率通過，允許其他頻率通過
全通濾波器：允許所有通過，僅僅改變相位關系
陷波濾波器（Band-Stop filter）：阻止一個狹窄頻率范圍通過，是一種特殊帶阻濾波器
均值濾波是一種方框濾波，本身存在缺陷，在去噪的同時也破壞了圖像的細節部分。
高斯模糊的過程就是圖像與正態分布做卷積，正態分布又叫高斯分布。
中值濾波基本思想是用像素點領域灰度值的中值來代替該像素點的灰度值，對去除脈沖噪聲、椒鹽噪聲，同時又能保留圖像的邊緣細節。其基本原理是把數字圖像或數字序列中一點的值用該點的一個領域中各點值的中值代替，讓周圍的像素值接近真實值。從而消除孤立的噪聲點。其劣勢：中值濾波花費的時間是均值濾波的5倍以上。
數字形態學是一門建立在格論和拓撲學基礎之上的圖像分析學科，是數學形態學圖像處理的基本理論。基本運算包括：二值腐蝕和膨脹、二值開閉運算、骨架抽取、極限腐蝕、擊中擊不中變換、形態學梯度、top-hat變換、顆粒分析、流域變換、灰值腐蝕和膨脹、灰值開閉運算、灰值形態學梯度。
腐蝕和膨脹是對白色部分（高亮部分）而言的。
開運算其實就是先腐蝕后膨脹，可以用來消除小物體，在纖細點處分離物體，並且在平滑較大物體邊界的同時不明顯改變其面積。
閉運算是先膨脹后腐蝕，能夠排除小型黑洞（黑色區域）。
形態學梯度（Morphological Gradient）是膨脹圖與腐蝕圖之差。對二值圖像進行這一操作可以將blod的國家級突出。
頂帽運算是原圖像與開運算結果圖之差。用來分離比鄰近點亮一些的斑塊。（如車牌提取）
黑帽運算是閉運算的結果圖與原圖像之差。突出比原圖輪廓周圍的區域更暗的區域。用來分離暗斑。
漫水填充（floodFill）就是自動選中和種子點相連的區域，接着將該區域替換成指定的顏色。
圖像金字塔：pyrUp,pyrDown對圖像進行向上和向下采樣。縮放圖像resize.
閾值化： Threshold() adaptiveThreshold() 自適應
第七章
邊緣檢測
Canny算子
Soble算子
Laplacian算子
Scharr濾波器
霍夫變換(是一種特征提取技術，應用於在圖像中識別幾何形狀（直線或圓等）)
支持三種不同的霍夫線變換：標准（standard Hough transform , SHT）, 多尺度（Multi_Scale Hough Transform , MSHT）和累計概率霍夫變換（Progressive probabilistic Hough Transform, PPHT）
HoughLines 函數調用標准和多尺度霍夫變換
HoughLinesP 函數調用累計概率霍夫變換，執行效率很高，一般用這個。
HoughCircles ，用霍夫梯度法來解決圓變換問題。此法可以高效執行。
重映射：remap() 把一幅圖像中某位置的像素放置到另一個圖片指定位置的過程。
仿射變換:指在幾何中，一個向量空間進行一次線性變換並接上一個平移，變換為另一個向量空間的過程。它保持了二維圖形的平直性和平行性。三種常見的變換形式：旋轉（線性變換）、平移（向量加）、縮放（線性變換）。
warpAffine 來實現一些簡單的重映射。
getRotationMatrix2d來獲得旋轉矩陣。
直方圖均衡化：是灰度變換的一個重要應用。應用於圖像增強處理中。就是用一定的算法使直方圖大致平和的方法。
equalizeHist
第八章
findContours() 尋找輪廓
drawContours() 繪制輪廓
尋找凸包：convexHull()
用多邊形表示輪廓
boundingRect 返回外部矩形邊界
minAreaRect 尋找最小包圍矩形
minEnclosingCircle 尋找最小包圍圓形
fitEllipse 用橢圓擬合二維點集
appproxPolyDP 逼近多邊形曲線
矩函數應用於模式識別、目標分類、目標識別與方位估計、圖像編碼與重構等。一個從一幅數字圖形中計算出來的矩集，通常描述了該圖像形狀的全局特性，並提供了關於該圖像不同類型的幾何特性信息，比如大小、位置、方向及形狀等。
Monments 計算圖像所有的矩（最高到3 階），用來計算形狀的重心、面積、主軸和其他形狀特征。
contourArea 計算輪廓面積
arcLength 計算輪廓或曲線長度
分水嶺算法：是一種基於拓撲理論的數學形態學的分割方法。其計算過程是一個迭代標注過程，分成兩個步驟：一個是排序過程，一個是淹沒過程。
Watershed
Inpaint 圖像修補
第九章
calcHist 直方圖
用rectangle 和line 來繪制直方圖。
minMaxLoc() 找尋最值
compareHist 直方圖對比
反射投影：用於在輸入圖像（通常較大）中查找與特定圖像（通常較小或者僅1個像素 （模板圖像））最匹配的點或者區域。
calcBackProject 反射投影
mixChannels 通道復制
matchTemplate 模板匹配
匹配方法：
TM_SQDIFF 平方差匹配法，最好匹配為0.
TM_SQDIFF_NORMED 歸一化平方差匹配法
TM_CCORR 相關匹配法
TM_CCORR-NORMED 歸一化相關匹配法
TM-CCOEFF 系數匹配法
TM_CCOEFF_NORMED 化相關系數匹配法
方法 SQDIFF 和 SQDIFF_NORMED, 越小的數值有着更高的匹配結果. 而其余的方法, 數值越大匹配效果越好
從簡單到復雜，計算代價越來越大。
第十章
Harris角點檢測:是一種基於灰度圖像的角點提取算法，穩定性高，尤其對L型角點檢測精度高。但由於采用了高斯濾波，運算速度相對較慢，角點信息有丟失和位置偏移現象，而且角點提取有聚簇現象。
conerHarris()
Shi-Tomasi 角點檢測，是對Harris的改進，此算法最原始的定義是將矩形M的行列式與M的跡相減，再將差值同預先給定的閾值進行比較。后來進行了改進，若兩個特征值中較小的一個大於最小閾值，則會得到強角點；
goodFeaturesToTrack()
尋找亞像素角點： cornerSubPix()
第十章
SIFT
SURF,speededup robust features,加速版本的具有魯棒性的特征算法。Hessian（海森）矩陣是該算法的核心。
findHomeography 找到並返回源圖像與目標圖像之間的透視變換H.
perspectiveTransform 進行向量透視矩陣變換。
ORB算法：是oriented brief是brief算法的改進版，ORB是sift的100倍，是sruf 的10倍。
缺點：不具備旋轉不變性，對噪聲敏感，不具備尺度性不變性。