重映射就是把一个图像中一个为之的像素放置到另一个图片指定位置过程。为了完成重映射过程有必要获得一些插值作为非整数像素坐标，因为原图像与目标图像的像素坐标不是一一对应的。我们通过重映射来表达每个像素的位置(x, y):g(x, y)=f(h(x,y))这里g()是目标图像，f()是原图像，h(x,y)是作用于(x,y)的映射方法函数。假设有一幅图像I，满足下面条件作重映射：h(x,y)=(I.cols - x,y)图像会按照x轴方向发生反转，如下：看到红色圈关于x的位置改变(x轴水平翻转)open
原理：霍夫变换圆检测原理和直线相似，直线检测需要两个参数（theta，r）。圆形需要圆心做坐标两个参数和半径。对左边做霍夫圆变换可以发现圆形的位置变成了一个两点，说明HoughCircles(image,outputArray circles, 发现圆信息int method, 方法-HOUGH_GRADIENTdouble dp, dp = 1;double mindist, 最短距离，可以分辨是两个圆的圆心的最小像素距离，否则认为是同心圆double param1, canny edge d
霍夫变换直线检测前提条件：边缘检测已经完成（单通道8位灰度图像，经过二值化变为黑白图像）平面空间转到极坐标空间通过上式子可以把像素点转化成极坐标，如下图所示。上面的曲线相交与一点，说明了什么信息呢？说明这些像素都在一条直线。比如一个图像有200个像素，通过坐标变换。那么就可以得到200条曲线。相交点的对应横坐标角度就是直线在空间坐标的角度。这就是霍夫变换的原理。霍夫直线变换介绍：变换到极坐标中，从[0,360]空间，可以得到r的大小属于同一条直线上点在极坐标空间（r，θ）必然在一个点上有强的信号
算法介绍：Canny是一种边缘检测算法1.高斯模糊–GaussianBlur2.灰度转换–cvtColor3.计算梯度–sobel4.非最大信号抑制 对非边缘的像素进行移植，在切向和法向 去掉，5.高低阈值输出二值图像，进行边缘连接，如果大于最高阈值的像素要保留，低于最低的要舍去，中间的作为连接图像。非多大信号抑制：在x方向和y方向做完梯度变换角度是梯度变化最大的方向。如果在和梯度垂直的方向上的相邻像素点都比自身大，就丢弃。高低阈值输出二值图像：T1，T2为阈值，凡是高于T2的都应该被保留，凡是
理论：在二阶微分的时候，最大变化处的值为零即边缘是零值，通过二阶导数计算，依据理论我们可以计算出图像二阶导数，提取边缘。处理流程：高斯模糊-去噪声GaussianBlur()转化为灰度图像cvtColor()拉普拉斯-二阶导数计算Laplacian()提取绝对值convertScaleAbs()显示结果代码：#include <opencv2/opencv.hpp>
#include <iostream>
#include <mat
卷积边缘问题在做卷积处理时，图像边缘的像素不会被卷积操作。原因在于边界像素没有完全跟卷积和重合，所以3x3像素会有1个像素的边缘没有被处理。边缘处理方法：在卷积开始之前增加边缘像素，填充的像素为0或者RGB黑色。这样就确保边缘被处理。OpenCV默认的是BORDER_DEFAULT，其他还有：BORDER_CONSTANT - 填充边缘用指定像素BORDER_REPLICATE -填充边缘像素用已知的边缘像素值BORDER_WRAP - 用另外一边的像素来补偿填充API说明 - 给图像添加边缘A
点绕原点旋转（方法2）和上一篇《三角函数在图形学里的应用(1)》中的条件不同的是，现在我们不知道OP0和OP1有多长。还是要求p0绕着圆点绕到p1，求p1。图1已经把公式推导了出来。（图1）其中1式与2式的推导过程，上图可能有点没解释明白，这里勇哥详细推导一下：x1=L*cos(a+b)
x1=L*(cos(a)cos(b)-sin(a)sin(b))
x1=L*((x0/L)*cos(b)-(y0/L)*sin(b))
x1=L*(x0cos(b)/L-y0sin(b)/L)
x1=x