任意的灰度图像可以被看做是地质学表面，高亮度的地方是山峰，低亮度的地方是山谷。给每个孤立的山谷（局部最小值）不同颜色的水（标签），当水涨起来，根据周围的山峰（梯度），不同的山谷也就是不同的颜色会开始合并，要避免这个，你可以在水要合并的地方建立障碍，直到所有山峰都被淹没。你所创建的障碍就是分割结果，这个就是分水岭的原理，但是这个方法会分割过度，因为有噪点，或者其他图像上的错误。所以OpenCV实现了一个机遇标记的分水岭算法，你可以指定哪些是要合并的点，哪些不是，这是一个交互式的图像分割，我们要做的
OTSU算法又叫最大类间方差阈值分割算法，也叫大津算法，是在1980年由日本的大津展之提出，是由最小二乘法推导而来，用于一些简单的阈值确定。对于一个灰度图，我们有时候非常想把他用一个阈值将他的前景和背景区分开来。我们可以合理的假设为如果将图像的像素分布图画出来，那么图像上应该有两个峰，即前景色和背景色。在这两个峰之间肯定有一个谷，那么我们就可以将阈值设在这里，从而对图像达到一个良好的分割效果。怎样确定这个阈值呢？OTSU算法说，我们可以求出用这个阈值分割后的两个图像的类间方差。对于每一个可能的阈
物体的凸包（Convex hull）用于理解物体的形状或轮廓。很多复杂物体的特性都能很好的被这种缺陷表现出来。 一组平面上的点，求一个包含所有点的最小的凸多边形，这就是凸包问题了。这可以形象地想成这样：在地上放置一些不可移动的木桩，用一根绳子把他们尽量紧地圈起来，这就是凸包了。凸包有什么应用？凸包在很多地方有着重要的应用，如手势识别，需要识别出手的轮廓的凸包，二维或者三维区域的边界的信息等。凸缺陷。深色的轮廓是围绕手的凸包，格子区域（A-H）是手的凸包，格子区域是手的轮廓相对于凸包的凸缺陷。相关
查找轮廓什么是轮廓：一个轮廓是由图像中的一系列点组成的，也就是图像中的一条曲线。在OpenCV中一般用序列来存储轮廓信息。序列中的每个元素是曲线中每个点的位置。关于序列：序列是内存存储器中可以存储的一种对象，序列是某种结构的链表。下面是序列结构体：typedef sturct CvSeq{
int flags;
int h
什么是反射投影反射投影是记录给定图像中像素点如何适应直方图模型像素分布的方式（估计你看了这句话还是不懂）。英文的解释是这样的：a way of recording how well the pixels of a given image fit the distribution of pixels in a histogram model.（还是不懂？）简单地讲就是就是先计算某一特征的直方图模型，然后使用这个模型去寻找图像中存在的该特征。这个名词中的“反向”，“投影”怎么分别是什么意思，应该如何
什么是仿射变换：一个任意的仿射变换都能表示为 乘以一个矩阵 (线性变换) 接着再 加上一个向量 (平移).仿射变换可以实现什么功能：旋转平移缩放操作怎样得到一个仿射变换：放射变换代表的是两幅图之间的关系。通过原图和目标图像三个点之间的对应关系，可以求出一个2 X 3的矩阵。我们通常使用2 x 3矩阵来表示仿射变换。怎样去旋转一个图像：- 确定旋转图像的中心点- 旋转的角度. 在OpenCV中正角度是逆时针的- 可选择：缩放因子- rot_mat = getRotationMatrix2D( ce
在图像处理和与计算机视觉领域，兴趣点（interest points），或称作关键点（keypoints）、特征点（feature points） 被大量用于解决物体识别，图像识别、图像匹配、视觉跟踪、三维重建等一系列的问题。我们不再观察整幅图，而是选择某些特殊的点，然后对他们进行局部有的放矢的分析。如果能检测到足够多的这种点，同时他们的区分度很高，并且可以精确定位稳定的特征，那么这个方法就有使用价值。图像特征类型可以被分为如下三种：<1>边缘<2>角点 (感兴趣关键点)
漫水填充法是一种用特定的颜色填充联通区域，通过设置可连通像素的上下限以及连通方式来达到不同的填充效果的方法。漫水填充经常被用来标记或分离图像的一部分以便对其进行进一步处理或分析，也可以用来从输入图像获取掩码区域，掩码会加速处理过程，或只处理掩码指定的像素点，操作的结果总是某个连续的区域。所谓漫水填充，简单来说，就是自动选中了和种子点相连的区域，接着将该区域替换成指定的颜色，这是个非常有用的功能,经常用来标记或者分离图像的一部分进行处理或分析.漫水填充也可以用来从输入图像获取掩码区域,掩码会加速处
模板匹配是在一幅图像中寻找一个特定目标的方法。这种方法的原理非常简单，遍历图像中的每一个可能的位置，比较各处与模板是否“相似”，当相似度足够高时，就认为找到了我们的目标。程序中会用到 OpenCV 的函数包括：void matchTemplate( InputArray image, InputArray templ,
&nb
对输入的两张图像计算得到直方图H1与H2，归一化到相同的尺度空间，然后通过计算H1与H2之间的距离得到两个直方图的相似程度进而进行比较图像本身的相似度。OpenCV提供的比较方法有四种：直方图比较方法Correlation相关性比较Chi-Squra卡方比较Intersection十字交叉性Bhattacharyya distance巴氏距离直方图比较方法–相关性计算（CV_COMP_CORREL）如果等于1说明完全一致，为0就是不相关。直方图比较方法–卡方计算（CV_COMP_CHISQR）等