CV学习基础

脸部检测是基于图像的明暗变化模式进行判断，需要将图像先进行灰度化处理

马赛克处理需先将图像缩小然后夸大回原尺寸。

保存训练好的算法用joblib

进行以下操作时已经使用cv2.cvtColor()完成了灰度化

图像平滑化（模糊处理）：cv2中的函数

cv2.blur()

cv2.medianBlur()

cv2.bilateralFilter()

cv2.GaussianBlur()

#cv2.GaussianBlur()的格式为

img=cv2.GaussianBlur(img,(ax,ay),sigma_x)

(ax,ay)为以像素为单位指定平滑化对象点的邻近范围大小，数值必须是奇数。sigma

_x是横向的标准偏差值，如果为0，则自动根据核的尺寸（即前面的ax，ay）进行计算

图像二值化（阈值处理）：

ret，img = cv2.threshold(img,thresh,maxval,type)

img为灰度化后的图像，thresh指定阈值，maxval指定的是超出阈值时所赋予的值，第四个参数设置如何进行阈值处理，指定为THRESH_BINARY_INV时，大于阈值设为0，其他均设为maxval设定的数值。

轮廓检测函数

contours，hierachy = cv2.findContours(img,mode,method)

第一项参数是输入的图像，第二项参数是提取模式，第三项参数是指定轮廓近似方法，返回值是轮廓列表和层次信息。第二项参数具体数值如下：

常量	含义
cv2.RETR_LIST	简单检测轮廓
cv2.RETR_EXTERNAL	检测最外层
cv2.RETR_CCOMP	根据层次检测出第二级轮廓
cv2.RETR_TREE	检测所有轮廓，并保留层次

第三项参数的选择：

常量	含义
cv2.CHAIN_APPROX_NONE	保留轮廓上所有点
cv2.CHAIN_APPROX_SIMPLE	去除冗余点后再返回