代码收藏家 OpenCV函数大全（超级详细版）-python操作_opencv python 函数
注意：在调用显示图像的API后，要调用cv.waitKey()给图像绘制留下时间，否则窗口会出现无响应情况，并且图像无法显示出来。
cv.imshow('image',img) #opencv中显示
cv.waitKey(0) #等待窗口
运行结果：
1.3 图像的保存
cv.imwrite()
参数：
cv.imwrite('genggui.png',img)
案例：
import cv2 as cv
img = cv.imread('genggui.jpg',0) #以灰度图的形式读取图像
cv.imshow('image',img) # opencv中显示
cv.waitKey(0)
cv.imwrite('gengguigray.png',img) #保存所生成的灰度图像
1.4 创建与关闭窗口
创建窗口
cv2.namedWindow(窗口名称, 属性) #创建一个窗口
关闭图像窗口
1.关闭一个由imshow产生的图像窗口
cv2.destroyWindow（）
参数：winname，关闭的窗口名字
2.关闭所有由imshow产生的窗口
cv2.destroyAllWindows（）
2.绘制几何图形
关键函数：
2.1 绘制直线
cv.line(img,start,end,color,thickness)
参数：
2.2 绘制圆形
cv.circle(img,centerpoint, r, color, thickness)
参数：
2.3 绘制矩形
cv.rectangle(img,leftupper,rightdown,color,thickness)
参数：
2.4 向图像中添加文字
cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)
参数：
3.图像反转与复制
3.1 翻转图像
cv2.flip(img,flipcode) #flipcode控制翻转效果
3.2 复制图像
imgcopy = img.copy()
4.获取图像的属性
图像属性包括高、宽和通道数，像素数，图像数据类型等。
img.shape #打印图片的高、宽和通道数
img.size #打印图片的像素数目（图片大小）
img.dtype #打印图片的格式（数据类型）
5.获取并修改图像中的像素点
我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像，它返回一个蓝，绿，红值的数组。对于灰度图像，仅返回相应的强度值。使用相同的方法对像素值进行修改。
import cv2 as cv
img = cv.imread('genggui.jpg')
px = img[100,100] #获取某个像素点的值
blue = img[100,100,0] #仅获取蓝色通道的强度值
img[100,100] = [255,255,255] #修改某个位置的像素值
6.图像颜色通道的拆分与合并
有时需要在B，G，R通道图像上单独工作。在这种情况下，需要将BGR图像分割为单个通道。或者在其他情况下，可能需要将这些单独的通道合并到BGR图像。
6.1 将图片img拆分为三个颜色通道:
cv2.split(img)
6.2 将三个颜色通道合并为一张图片：
cv2.merge(img)
7.色彩空间转换
OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种，BGR↔Gray和BGR↔HSV。
cv.cvtColor(input_image，flag)
参数：
更全的参数：
7.1 BGR↔Gray
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #BGR转换到GRAY
cv2.imshow("gray", gray)
7.2 BGR↔HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) #BGR转换到HSV
cv2.imshow("hsv", hsv)
8.图像的加法与混合
关键函数：
8.1 图像的相加
cv2.add(src1, src2) #参数为图片1与图片2
8.2 图像的混合
这其实也是加法，但是不同的是两幅图像的权重不同，这就会给人一种混合或者透明的感觉。图像混合的计算公式如下：
g(x) = (1−α)f0(x) + αf1(x)
通过修改 α 的值（0 → 1），可以实现非常炫酷的混合，落到函数中为两个权重。
cv2.addWeighted(src1, alpha, src2, beta，gamma,dst)
参数：
例子：第一幅图像的权重是0.7，第二幅图像的权重是0.3，使用cv2.addWeighted()函数进行混合
img1=cv2.imread('1.jpg')
img2=cv2.imread('2.jpg')
dst=cv2.addWeighted(img1,0.7,img2,0.3,0)
9. 图像的运算
9.1 加、减、乘、除
（加）
cv2.add(src1, src2) #加
（减）
cv2.subtract(src1, src2) #减
（乘）
cv2.multiply(src1, src2) #乘
（除）
cv2.divide(src1, src2)
9.2 均值、均值和方差
均值
cv2.mean(img) #均值
均值和方差
M1, dev1 = cv2.meanStdDev(img) #均值和方差
9.3 与、或、非、异或 运算
与运算
dst = cv2.bitwise_and(src1, src2) #与
cv2.imshow("bitwise_and", dst)
或运算
dst = cv2.bitwise_or(src1, src2) #或
cv2.imshow("bitwise_or", dst)
非运算（非运算就是对图像进行颜色反转）
dst = cv2.bitwise_not(src1, src2) # 非（其实是颜色翻转）
cv2.imshow("bitwise_not", dst)
异或运算
cv2.imshow(“bitwise_not”, dst)
dst = cv2.bitwise_xor(src1, src2)
10.图像的缩放，平移与旋转
10.1 缩放 cv2.resize()
cv2.resize(InputArray src, OutputArray dst, Size dsize,
double fx=0, double fy=0, int interpolation=INTER_LINEAR )
参数：
插值方法：（默认的插值方法为：双线性插值）
10.2 平移 cv2.warpAffine()
cv2.warpAffine(src,M,dsize)
参数：
10.3 旋转 cv2.getRotationMatrix2D()
cv2.getRotationMatrix2D(center, angle, scale)
参数：
返回：M：旋转矩阵
11.形态学处理函数
11.1 腐蚀与膨胀
1.腐蚀
#腐蚀
dst = cv2.erode( src, kernel, anchor, iterations, borderType, borderValue )
参数：
dst：腐蚀后所输出图像，该图像和原始图像具有同样的类型和大小。
src：输入图像，图像的通道数可以是任意的。但是要求图像的类型必须是CV_8U、CV_16U、CV_16S、CV_32F、CV_64F中的一种。
kernel：腐蚀操作时所采用的结构类型。它可以自定义生成，也可以通过函数cv2.getStructuringElement()生成。
kernel = cv.getStructuringElement(cv.MORPH_RECT,(5, 5)) #矩形结构
kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE,(5, 5)) #椭圆结构
kernel = cv.getStructuringElement(cv.MORPH_CROSS,(5, 5)) # 十字形结构
anchor代表element结构中锚点的位置。该值默认为(-1, -1)，在核的中心位置。
terations是腐蚀操作迭代的次数，该值默认为1，即只进行一次腐蚀操作。
borderType代表边界样式，一般采用其默认值BORDER_CONSTANT。
2.膨胀
#膨胀
dst = cv2.dilate( src, kernel, anchor, iterations, borderType, borderValue)
11.2 开操作与闭操作
先腐蚀再膨胀的操作称为开运算。先膨胀再腐蚀的操作称为闭运算。
cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel) #开操作
cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel) #闭操作
11.3 顶帽变换、底帽变换与形态学梯度（边界提取）
1.图像减去开运算结果称为顶帽变换（Top-hat）。
cv2.morphologyEx(img,cv2.MORPH_TOPHAT,kernel) #顶帽运算
2.图像减去闭运算结果称为底帽变换（Bottom-hat）。
cv2.morphologyEx(img,cv2.MORPH_BLACKHAT,kernel) #底帽运算
3.膨胀结果减去腐蚀结果，可以得到图像中物体的边界，是一种提取目标物体边缘的算法。
cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel) #形态学梯度
12.常见滤波器
12.1 方框滤波
cv2.boxFilter( src, dst,ddepth, ksize, Point anchor = Point(-1,-1),
bool normalize = true,borderType = BORDER_DEFAULT )
参数：
src：输入图像
dst：输出图像
ddepth：输出图像的深度，-1 代表使用原图深度
ksize： 滤波内核的大小。一般这样写Size(w, h)来表示内核的大小，Size(10, 10)就表示 10×10 的核大小
anchor = Point(-1,-1) ：表示锚点（即被平滑的那个点），注意他有默认值Point(-1,-1) 如果这个点坐标是负值的话，就表示取核的中心为锚点，所以默认值Point(-1,-1)表示这个锚点在核的中心。
normalize = true：默认值为true，一个标识符，表示内核是否被其区域归一化（normalized）了
borderType = BORDER_DEFAULT：用于推断图像外部像素的某种边界模式。有默认值BORDER_DEFAULT，我们一般不去管它。
12.2 均值滤波
cv2.blur(src, dst, ksize, Point anchor = Point(-1,-1)，borderType = BORDER_DEFAULT)
12.3 高斯滤波
cv2.GaussianBlur( src, dst, ksize,sigmaX, sigmaY = 0, borderType = BORDER_DEFAULT )
src：输入图像 。
dst：输出图像 。
ksize：ksize.width 和 ksize.height 可以不同，但他们都必须为正数和奇数，或者为0，可由 sigma 计算而来
sigmaX：高斯核函数在 X 方向的的标准差
sigmaY：高斯核函数在 Y 方向的的标准差
若 sigmaY 为零，就将它设为 sigmaX；若 sigmaX 和 sigmaY 都是0，那么就由 ksize.width 和 ksize.height 计算出来.
12.4 中值滤波
medianBlur(InputArray src,OutputArray dst,int ksize)
12.5 双边滤波
bilateralFilter(src, dst, d, double sigmaColor,double sigmaSpace,
borderType=BORDER_DEFAULT)
src: 输入图像，可以是Mat类型，图像必须是8位或浮点型单通道、三通道的图像。
dst: 输出图像，和原图像有相同的尺寸和类型。
d: 表示在过滤过程中每个像素邻域的直径范围。如果这个值是非正数，则函数会从第五个参数sigmaSpace计算该值。
sigmaColor: 颜色空间过滤器的sigma值，这个参数的值月大，表明该像素邻域内有月宽广的颜色会被混合到一起，产生较大的半相等颜色区域。
sigmaSpace: 坐标空间中滤波器的sigma值，如果该值较大，则意味着颜色相近的较远的像素将相互影响，从而使更大的区域中足够相似的颜色获取相同的颜色。当d>0时，d指定了邻域大小且与sigmaSpace五官，否则d正比于sigmaSpace.
borderType=BORDER_DEFAULT: 用于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT.
展示图像：
13.轮廓检测
13.1 找出图片的轮廓值
cv2.findContours(img，mode, method) # 找出图中的轮廓值，得到的轮廓值都是嵌套格式的
参数：
RETR_EXTERNAL：只检索最外面的轮廓。
RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中。
RETR_CCOMP：检索所有的轮廓，并肩他们组织为两层：顶层为各部分外部边界，第二层是空洞的边界。
RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。
CHAIN_APPROX_NONE: 以Freeman链码的方式输出轮廓，所有其它方法输出多边形。
CHAIN_APPROX_SIMPLE: 压缩水平的、垂直的和斜着的部分，也就是函数只保留他们终点部分。
13.2 画出图片中的轮廓值，也可以用来画轮廓的近似值
cv2.drawCountours(img, contours, -1, (0, 0, 255), 2) # 画出图片中的轮廓值，也可以用来画轮廓的近似值
参数：
轮廓检测与画图步骤：
第一步：载入图片
第二步：使用cv2.cvtcolor() 将图片转换为灰度图
第三步: 使用cv2.threshold将图片做二值化转换
第四步： 使用cv2.findContours 找出图片的轮廓值
第五步：使用cv2.drawContours在图片上画上轮廓
第六步: 使用cv2.imshow 完成画图操作
13.3 计算轮廓的面积
cv2.contourArea(cnt， True) # 计算轮廓的面积
参数说明：cnt为输入的单个轮廓值
13.4计算轮廓的周长
cv2.arcLength(cnt， True) # 计算轮廓的周长
参数说明：cnt为输入的单个轮廓值
计算轮廓的周长和面积步骤：
使用cv2.findCountor获得的轮廓contours是一个嵌套的类型，即我们可以通过cnt = contours获得第一个物体的轮廓值
第一步：载入图片，做灰度值和二值化处理，并使用cv2.findCountor找出轮廓值，使用cv2.drawCountors画出第一个图像的轮廓
第二步：通过索引取出第一个轮廓值cnt，使用cv2.ContourArea()计算轮廓的面积
第三步：使用cv2.arcLength 获得轮廓的周长
13.5 外接矩形
使用cv2.boudingrect(cnt)获得轮廓的外接矩形，接着使用cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)画出矩阵的轮廓。
1.获得外接矩形位置信息：
x, y, w, h = cv2.boudingrect(cnt) # 获得外接矩形
参数说明：x，y, w, h 分别表示外接矩形的x轴和y轴的坐标，以及矩形的宽和高， cnt表示输入的轮廓值。
2.根据坐标在图像上画出矩阵的轮廓
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2) # 根据坐标在图像上画出矩形
参数说明: img表示传入的图片， (x, y)表示左上角的位置, （x+w， y+h）表示加上右下角的位置，（0, 255, 0)表示颜色，2表示线条的粗细
13.6 外接圆
1.获得外接圆的位置信息
(x, y), radius = cv2.minEnclosingCircle(cnt) # 获得外接圆的位置信息
参数说明: (x, y)表示外接圆的圆心，radius表示外接圆的半径， cnt表示输入的轮廓
2. 根据坐标在图上画出圆
cv2.Cricle(img, center, radius, (0, 255, 0), 2) # 根据坐标在图上画出圆
参数说明:img表示需要画的图片，center表示圆的中心点，radius表示圆的半径, (0, 255, 0)表示颜色， 2表示线条的粗细
画出外接矩形和外接圆步骤：
外接矩形： 使用cv2.boudingrect(cnt)获得轮廓的外接矩形，使用cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)画出矩阵的轮廓
外接圆： 使用cv2.minEnclosingCircle(cnt)获得轮廓的外接圆，使用cv2.circle(ret, centers, radius, (0, 0, 255), 2)画出圆的轮廓
第一步:载入图片，灰度化，二值化，使用cv2.findCountors找出图像的轮廓,使用轮廓索引获得第一个轮廓cnt
第二步：使用cv2.boundingrect(cnt) ，获得轮廓的x，y，w, h (x, y)表示左上角的坐标，w为宽，h为长
第三步: 使用cv2.rectangle 绘制外接的轮廓
第四步: 使用cv2.minEnclosingCircle(cnt), 获得center和radius，即圆心点的坐标和圆的半径
第五步: 使用cv2.circle(img， center, radius, (0, 0, 255), 2) 绘制圆心的外接轮廓
14.图像金字塔（上采样和下采样）
- 下采样:图像缩小（先高斯模糊，再降采样，需要一次次重复，不能一次到底）
cv.pyrUP(img) #对图像进行上采样
- 上采样图像扩大（先扩大，再卷积或者使用拉普拉斯金字塔）
cv.pyrDown(img)#对图像进行下采样
15.边界填充
cv2.copyMakeBorder(img,top, bottom, left, right ,borderType)
参数：
img：需要填充的图像；top：图像上边界需要填充的像素点；bottom：图像下边界需要填充的像素点；left：图像左边界需要填充的像素点；right：图像右边界需要填充的像素点；borderType：图像填充的方法。填充方法：
BORDER_REPLICATE：复制法，也就是复制最边缘像素。
BORDER_REFLECT：反射法，对感兴趣的图像中的像素在两边进行复制例如：fedcba|abcdefgh|hgfedcb
BORDER_REFLECT_101：反射法，也就是以最边缘像素为轴，对称，gfedcb|abcdefgh|gfedcba
BORDER_WRAP：外包装法 abcdefgh|abcdefgh|abcdefg
BORDER_CONSTANT：常量法，常数值填充,需要在设置一个value值，已显示填充的颜色。
16.视频捕获类（VideoCapture类）
（可以从视频文件、图像序列和摄像头捕获视频。OpenCV提供了cv2.VideoCapture类来处理视频。VideoCapture类处理视频的方式非常简单、快捷，而且它既能处理视频文件，又能处理摄像头信息。****)
16.1 读取视频文件–VideoCapture()
cv2.VideoCapture (const String &filename, int apiPreference=CAP_ANY)
参数： (一般仅填入一个，即文件名。如果填入整数，则打开对应的捕获设备ID。若为0，则打开默认摄像头。)
filename : 打开的视频文件名。
const String 包括: 视频名 (eg: video.avi)
图像序列 (eg: img_%02d.jpg)
URL视频流 (eg: protocol://host:port/script_name?script_params|auth)
apiPreference : 当多种capture方式都可以使用时，指定一种方式（CAP_FFMPEG or CAP_IMAGES ）
例子： cv2.VideoCapture capture(“C:/Users/DADA/DATA/gogo.avi”); // 从视频文件读取
**16.2 视频参数获取-****-VideoCapture.get()****与设置–**VideoCapture.set()
cv2.VideoCapture.get()
先读取视频文件：（然后后面可以直接写 video.get() or video.set() ）
import cv2
# 读取视频文件
video = cv2.VideoCapture('./genggui.mp4')
1.获取视频参数：
# 获取视频参数
param = video.get(CV_CAP_PROP_FRAME_COUNT) # 也可使用以下数字表示参数
'''
cv2.VideoCapture.get(0) CV_CAP_PROP_POS_MSEC 视频文件的当前位置，以毫秒为单位
cv2.VideoCapture.get(1) CV_CAP_PROP_POS_FRAMES 基于以0开始的被捕获或解码的帧索引
cv2.VideoCapture.get(2) CV_CAP_PROP_POS_AVI_RATIO 视频文件的相对位置（播放）：0=电影开始，1=影片的结尾。
cv2.VideoCapture.get(3) CV_CAP_PROP_FRAME_WIDTH 在视频流的帧的宽度
cv2.VideoCapture.get(4) CV_CAP_PROP_FRAME_HEIGHT 在视频流的帧的高度
cv2.VideoCapture.get(5) CV_CAP_PROP_FPS 帧速率
cv2.VideoCapture.get(6) CV_CAP_PROP_FOURCC 编解码器/fourcc
cv2.VideoCapture.get(7) CV_CAP_PROP_FRAME_COUNT 帧数
cv2.VideoCapture.get(8) CV_CAP_PROP_FORMAT 返回对象的格式
cv2.VideoCapture.get(9) CV_CAP_PROP_MODE 返回后端特定的值，该值指示当前捕获模式
cv2.VideoCapture.get(10) CV_CAP_PROP_BRIGHTNESS 图像的亮度(仅适用于照相机)
cv2.VideoCapture.get(11) CV_CAP_PROP_CONTRAST 图像的对比度(仅适用于照相机)
cv2.VideoCapture.get(12) CV_CAP_PROP_SATURATION 图像的饱和度(仅适用于照相机)
cv2.VideoCapture.get(13) CV_CAP_PROP_HUE 色调图像(仅适用于照相机)
cv2.VideoCapture.get(14) CV_CAP_PROP_GAIN 图像增益(仅适用于照相机)（Gain在摄影中表示白平衡提升）
cv2.VideoCapture.get(15) CV_CAP_PROP_EXPOSURE 曝光(仅适用于照相机)
cv2.VideoCapture.get(16) CV_CAP_PROP_CONVERT_RGB 指示是否应将图像转换为RGB布尔标志
cv2.VideoCapture.get(17) CV_CAP_PROP_WHITE_BALANCE 白平衡，暂时不支持
cv2.VideoCapture.get(18) CV_CAP_PROP_RECTIFICATION 立体摄像机的矫正标注（目前只有DC1394 v.2.x后端支持这个功能）
'''
2.设置视频参数：
# 设置视频参数
video.set(CV_CAP_PROP_FPS, 30) # 第一个参数为设置的参数名，第二个参数为设定的值
'''
可设置的参数与上述可获取的参数大体一致
'''
# 释放
video.release()
参数与上面大体一致：
16.3 判断摄像头是否开启 – VideoCapture.isOpened（）
1.先读取视频
import cv2
# 读取视频文件
video = cv2.VideoCapture('./test.mp4') # 参数为视频文件地址，若是数字表示摄像头编号。
'''
参数为字符串，表示输入的视频文件的地址及文件名
参数为数字，表示摄像头编号，默认为-1.即随机选取一个摄像头
'''
2.判断摄像头是否开启
# 判断视频是否是打开状态
video.isOpened():
参数：无
作用：判断设备/文件是否读取成功，若成功，返回True
16.4 关闭文件/摄像头（释放）–VideoCapture.release（）
cv2.VideoCapture.release（）
参数：无
作用：关闭文件/摄像头
16.5 读取该文件/摄像头的下一帧 – VideoCapture.read()
如果正确读取了帧，它将为 True 。因此，你可以通过检 查此返回值来检查视频的结尾。
cv2.VideoCapture.read()
参数：无
返回值：bool，numpy.array
作用：读取该文件/摄像头的下一帧，成功与否由bool返回值决定，返回的帧矩阵为第二个参数
17.视频读写类（VideoWriter类）
17.1 cv2.VideoWriter（）
OpenCV为cv2.VideoWriter类提供了构造函数，用它来实现初始化工作。该函数的完整定义如下：
cv2.VideoWriter(filename,fourcc,fps,frameSize[,isColor])
参数：
filename：需要输出保存的视频文件名。如果文件名存在，覆盖原文件。
fourcc：视频的编码类型。在OpenCV中，cv2.VideoWriter_fourcc()函数用来指定视频的编码格式。该函数的参数有4个，这4个字符构成了编/解码器的“4字标记”，每个编/解码器都有一个这样的标记。常用标记如下图：
fps：帧速率，比如录制视频每秒30帧，或者60帧等。
frameSize：帧的长宽
isColor：是否为彩色图像
17.2 write函数–cv2.VideoWriter.write()
cv2.VideoWriter类中还提供了cv2.VideoWriter.write()函数用于写入下一帧视频。其完整定义如下：
cv2.VideoWriter.write(image)
image参数是需要写入的视频帧
18.视频读写实战：
import cv2
# 读取视频文件
video = cv2.VideoCapture('./test.mp4') # 参数为视频文件地址，若是数字表示摄像头编号。
'''
参数为字符串，表示输入的视频文件的地址及文件名
参数为数字，表示摄像头编号，默认为-1.即随机选取一个摄像头
'''
# 创建写视频器
video_writer = cv2.VideoWriter(filename='./output.mp4', # 保存路径文件名
apiPreference=cv2.CAP_FFMPEG, # 后端
fourcc=cv2.VideoWriter_fourcc(*'mp4v'), # 视频编解码器
fps=25, # 视频帧率
frameSize=(1920,1080) # 视频帧尺寸(W, H)
isColor=True # 彩色图像或黑白图像
)
'''
apiPreference：cv2.CAP_FFMPEG 或者 cv2.CAP_GSTREAMER，此参数是3.x版本的opencv才有的
fourcc：cv2.VideoWriter_fourcc('M', 'P', '4', 'V') 或 fourcc=cv2.VideoWriter_fourcc(*'mp4v')
支持类型：MP4V / X264 / I420 / PIMI / XVID / THEO / FLV1
'''
# 判断视频是否是打开状态
while video.isOpened():
# 读取一帧
ret, frame = video.read() # ret是bool类型，表示是否读取成功；frame为获取的帧图像
if ret:
# 写入一帧
video_writer.write(frame)
# 播放视频
cv2.imshow('frame', frame)
cv2.waitKey(1) # 通过设置等待时间改变播放速度
else:
break
# 释放
video.release()
video_writer.release() # 不释放会无法完成写视频，类似文件写完后的close()
19.图像直方图
19.1 直方图 – hist = cv2.calcHist( )
hist = cv2.calcHist( images, channels, mask, histSize, ranges, accumulate )
hist：返回的统计直方图，是一个一维数组，数组内的元素是各个灰度级的像素个数。
images：原始图像，该图像需要使用“[ ]”括起来.
channels：指定通道编号。通道编号需要用“[ ]”括起来，如果输入图像是单通道灰度图像，该参数的值就是[0]。对于彩色图像，它的值可以是[0]、[1]、[2]，分别对应通道B、G、R。
mask：掩模图像。当统计整幅图像的直方图时，将这个值设为 None。当使用掩模图像获取直方图时，仅获取掩模参数 mask 指定区域的直方图。
histSize：BINS 的值，该值需要用“[ ]”括起来。例如，BINS 的值是 256，需要使用“[256]”作为此参数值。
ranges：即像素值范围。例如，8 位灰度图像的像素值范围是[0, 255]。
accumulate：累计（累积、叠加）标识，默认值为 False。如果被设置为 True，则直方图在开始计算时不会被清零，计算的是多个直方图的累积结果，用于对一组图像计算直方图。该参数允许从多个对象中计算单个直方图，或者实时更新直方图。该参数是可选的，一般情况下不需要设置。
19.2 直方图均衡化
（统计出来的像素点的值之间的差距比较大，我们需要缩小像各个像素点之间的值得差距，这就叫均衡化。）
dst = cv2.equalizeHist( src )
参数：src 是 8 位单通道原始图像，dst 是直方图均衡化处理的结果。
20.模板匹配
result=cv2.matchTemplate( img,template,method)
参数：
1.平方差匹配(CV_TM_SQDIFF):利用模板与图像之间的平方差进行匹配，最好的匹配是0,匹配越差，匹配的值越大。
2.相关匹配(CV_TM_CCORR):利用模板与图像间的乘法进行匹配，数值越大表示匹配程度较高，越小表示匹配效果差。
3.利用相关系数匹配(CV_TM_CCOEFF):利用模板与图像间的相关系数匹配，1表示完美的匹配，-1表示最差的匹配。
21.霍夫变换
21.1 霍夫线检测
霍夫变换常用来提取图像中的直线和圆等几何图形，霍夫空间中的一条线对应笛卡尔坐标系中一个点，笛卡尔坐标系中两个点，对应霍夫空间一条直线。
cv2.HoughLines(img,rho,theta,threshold)
参数：
作者：普通网友
