掌握improc一共包含4个章节，图像处理，图像变换，图像轮廓与图像分割与修复以及直方图处理
OPENCV3入门------掌握improc组件（图像处理篇）
平滑处理的方法
三种线性滤波：
方框滤波：void boxFilter( InputArray src, OutputArray dst, int ddepth,Size ksize, Point anchor = Point(-1,-1),bool normalize = true,int borderType = BORDER_DEFAULT );
输入图像，输出图像，图像的深度，卷积核的大小Size(Width, Height), 被平滑的点 ，是否归一化，外部像素点的处理方式
均值滤波：void blur( InputArray src, OutputArray dst,Size ksize, Point anchor = Point(-1,-1),int borderType = BORDER_DEFAULT );具体的定义跟上面的方框滤波类似
高斯滤波：高斯滤波就是图像与正太分布做卷积，正态分布又叫高斯分布
void GaussianBlur( InputArray src, OutputArray dst, Size ksize,double sigmaX, double sigmaY = 0,int borderType = BORDER_DEFAULT );
kisze : 核的大小，宽度与高度必须是正奇数或者是0 sigmaX高斯核函数在X方向上的标准偏差 sigmaY是高斯核函数在Y方向的标准偏差 这两者都可以为0，如果为0那么由ksize算出。
个人在使用上面三种滤波的时候，随着kszie的增大，前两种滤波会变得更加模糊，而高斯滤波变化不是特别的大。
两种非线性滤波
中值滤波 ：像素点邻域灰度值的中值代替该像素点的灰度值 void medianBlur( InputArray src, OutputArray dst, int ksize );
双边滤波：双边滤波采用了两个高斯滤波的结合。一个负责计算空间邻近度的权值，也就是常用的高斯滤波器原理。而另一个负责计算像素值相似度的权值。在两个高斯滤波的同时作用下，就是双边滤波 void bilateralFilter( InputArray src, OutputArray dst, int d,double sigmaColor, double sigmaSpace,int borderType = BORDER_DEFAULT );
形态学滤波
膨胀（dilate）与腐蚀（erode）
膨胀：求局部的最大值 ,增大了灰度值 腐蚀：求局部的最小值 降低了全体的灰度值
void dilate( InputArray src, OutputArray dst, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() );
void erode( InputArray src, OutputArray dst, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() );
我们一般要配合自定义的核 Mat kernel= getStructuringElement(int shape, Size ksize, Point anchor = Point(-1,-1));
shape 有固定的枚举值 Size :核的大小 Point确定锚点的位置
erode ( src , dst ,kernel ) ;
开运算： 先腐蚀后膨胀 闭运算 先膨胀后腐蚀 形态学梯度 ：膨胀图与腐蚀图之差
顶帽 ：原图像与开运算后的图像之差 黑帽 ：闭运算图像与原图像之差
void morphologyEx( InputArray src, OutputArray dst,
int op, InputArray kernel,
Point anchor = Point(-1,-1), int iterations = 1,
int borderType = BORDER_CONSTANT,
const Scalar& borderValue = morphologyDefaultBorderValue() );
通过不同的OP的值确定进行的操作， kernel 就是认定的核，用之前的getStructuringElement进行自定义
漫水填充：floodFill函数一共有两个版本，区别是是否使用掩膜，下面展示使用掩膜的
int floodFill( InputOutputArray image, InputOutputArray mask,
Point seedPoint, Scalar newVal, CV_OUT Rect* rect=0,
Scalar loDiff = Scalar(), Scalar upDiff = Scalar(),
int flags = 4 );
值得注意的是：floodFill 不会填充掩膜非0的区域，这一点与copyTO不同，floodFill的参数如函数显示的那样，分别是 输入图像 ，掩膜，种子点，填充的颜色值 ，重绘区域最小矩形，允许的像素差的最小值，允许的像素差的最大值，最后一个FLAG 标志位包含三个部分，在书上详细的表格介绍。
图像金字塔
我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低
高斯金字塔 用来向下采样
拉普拉斯金字塔 从金字塔向上采样，重建一个图像。
尺寸调整 resize() 函数
void resize( InputArray src, OutputArray dst,
Size dsize, double fx = 0, double fy = 0,
int interpolation = INTER_LINEAR );
函数原型：
void pyrDown(InputArray src, OutputArray dst, const Size& dstsize=Size());
函数作用：
先对图像进行高斯平滑，然后再进行降采样（将图像尺寸行和列方向缩减一半）；
函数原型：
void pyrUp(InputArray src, OutputArray dst, const Size& dstsize=Size());
函数作用：
先对图像进行升采样（将图像尺寸行和列方向增大一倍），然后再进行高斯平滑；
阈值化：
double threshold( InputArray src, OutputArray dst,double thresh, double maxval, int type );
void adaptiveThreshold( InputArray src, OutputArray dst,double maxValue, int adaptiveMethod,int thresholdType, int blockSize, double C );
adaptiveThreshold就是为每一个像素点都计算了自己的阈值，计算的方法通过adaptiveMethod方法获得，然后每个像素根据threshold的类型进行判断，是正向判断还是反向判断
这里有一个讲解的比较详细的https://www.cnblogs.com/GaloisY/p/11037350.html
OPENCV3编程入门------掌握improc组件--第六章
原文：https://www.cnblogs.com/wxb1314520/p/12317557.html