OpenCV 基本操作
st = cv2.cvtColor(src, code)
st：返回处理后的图像；src：要处理的图像；code：转换图片的方式，该参数包含很多空颜色空间转换类型；常用标记举例：
- cv2.COLOR_BGR2GRAY : 从BGR彩色图像转换为GRAY灰度图像；
- cv2.COLOR_BGR2RGB : 从BGR图像转换为RGB图像；
更多的值请参考：API文档
图像色彩模式转换代码示例：
import cv2
#读取图片
filename = C:\Users\username\Desktop\opencv
img = cv2.imread(filname + 'picture.jpg')
#将图像转换成灰色图像
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ps：彩色图像与灰色图像的转换是不可逆的。
ret, dst=cv2.threshold(src，thresh，maxval，type)
ret：当制定了阈值参数thresh，ret就是指定的thresh（一般不用展示，可以随便取）；dst：处理后的单通道图；src：原图片，只能是单通道图片，通常为灰度图（所以说进行阈值分割前，需要将彩色图像转换成灰度图）；thresh：阈值；maxval：最大值，当像素值超过了阈值时自动设置为该值；type：操作类型，即如何处理阈值。该参数包含八种类型的阈值化操作；一下列举五种常用类型：
- cv2.THRESH_BINARY：超过阈值部分取maxval（最大值），否则取0；
- cv2.THRESH_BINARY_INV：超过阈值部分取0，否则取maxval（最大值）。它与cv2.THRESH_BINARY是互为反转的方法；
- cV2.THRESH_TRUNC：大于阈值部分设为阈值，否则不变。即截断阈值；
- cv2.THRESH_TOZERO：大于阈值部分不改变，否则设为0；
- cv2.THRESH_TOZERO_INV： 大于阈值部分为0，否则不变。它与THRESH_TOZERO互为反转。
图像阈值分割代码示例：
ret, img2=cv2.threshold(img1，150，250，cv2.THRESH_BINARY)
#对图像进行阈值化处理，像素值超过150的自动设置为250
-
均值滤波
均值滤波的目标是降低图像的变化率，将每个像素替换为该像素周围像素的均值，这样就可以平滑并替代那些强度变化明显的区域。
dst = cv2.blur(img, ksize)
dst：处理后返回的图像；img：要进行处理的图像矩阵；ksize：均值滤波核的尺寸，一般长设置为（5,5）或（3,3）；
均值滤波代码示例：
img = cv2.blur(img,(5,5))
-
方框滤波
方框滤波和均值滤波核基本一致，区别是需不需要均一化处理。
result = cv2.boxFilter(src, depth, ksize, normalize)
result：处理后返回的图像；depth：表示目标图像深度，是int类型，通常用-1表示与原始图像一致；ksize：均值滤波核的尺寸，一般长设置为（5,5）或（3,3）；normalize：该属性表示是否对目标图像进行归一化处理。该属性有两个值，True（进行归一化处理，等价于cv2.blur）和False（实际上为求周围各像素的和。但是这个结果很容易大于255，发生溢出，当溢出时对应像素值置为255）；
方框滤波代码示例：
img = cv2.boxFilter(img, -1, (5,5), False)
-
高斯滤波
需要对一个像素周围的像素给予更多的重视，因此可以通过高斯滤波分配权重来实现。
cv2.GuassianBlur(img, ksize, sigmaX, sigmaY)
img：要进行处理的图像矩阵；ksize：均值滤波核的尺寸，一般长设置为（5,5）或（3,3）；sigmaX：X方向的标准偏差；sigmaY：Y方向的标准偏差；
（ps：如果仅指定了sigmaX，则sigmaY与sigmaX相同。如果两者都为0，则函数根据ksize来自动计算它们的值。）
高斯滤波代码示例：
cv2.GaussianBlur(img, (5,5), 0, 0)
-
中值滤波
以上三种方式均为线性过滤器，而中值滤波为非线性过滤器。
img = cv2.medianBlur(src, ksize)
img：函数返回的处理结果图像；src：要处理的图像；ksize：孔径的线性尺寸，若ksize为5，中值滤波器就会使用5×5的范围来计算，即把像素的中心值及其5×5邻域组成了一个数值集，对其进行处理计算，当前像素被其中值替换掉；
（ps：ksize必须是大于1的奇数，比如：3,5,7，9…）
中值滤波代码示例：
img1 = cv2.medianBlur(img, 5)