OpenCV 中的深度学习模块（ DNN ）只提供了推理功能，不涉及模型的训练，⽀持 多种深度学习框架，⽐如 TensorFlow ， Caffe,Torch 和 Darknet。常⽤⽅法简介。

OpenCV 中的深度学习模块（ DNN ）只提供了推理功能，不涉及模型的训练，⽀持 多种深度学习框架，⽐如 TensorFlow ， Caffe,Torch 和 Darknet。常⽤⽅法简介。

OpenCV 中的深度学习模块（ DNN ）只提供了推理功能，不涉及模型的训练，⽀持 多种深度学习框架，⽐如 TensorFlow ， Caffe,Torch 和 Darknet。常⽤⽅法简介。

所以在每⼀个的区域中， 直⽅图会集中在某⼀个小的区域中）。对于每个⼩块来说，如果直⽅图中的 bin 超过对⽐度的上限的话，就把其中的像素点均匀分散到其他 bins 中，然后在进⾏直⽅图均衡化。这种⽅法提⾼图像整体的对⽐度，特别是有⽤数据的像素值分布⽐较接近时，在曝光过度或不⾜的图像中可以更好的突出细节。掩膜是⽤选定的图像、图形或物体，对要处理的图像进⾏遮挡，来控制图像 处理的区域。掩膜是由0和1组

在这四个点中，其中三个不应共线。为了找到变换矩阵，我们需要输入图像中的三个点及其在输出图像中的对应位置。参数： src : 输⼊图像 dsize: 绝对尺⼨，直接指定调整后图像的⼤⼩ fx,fy: 相对尺⼨，将 dsize 设置为 None ，然后将 fx 和 fy 设置为⽐例因⼦即可。具有不同分辨率的图像集称为“图像金字塔”（因为当它们堆叠在底部时，最高分辨率的图像位于顶部，最低分辨率的图像位于

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的⽬的是标识数字图像中亮度变化明显的点。有许多⽅法⽤于边缘检测,⼤部分可以划分为两类：基于搜索和基于零穿越。基于搜索：通过寻找图像⼀阶导数中的最⼤值来检测边界，然后利⽤计算结果估计边缘的局部⽅向，通常采⽤梯度的⽅向，并利⽤此⽅向找到局部梯度模的最⼤值，代表算法是Sobel算⼦Scharr算⼦。基于零穿越：通过寻找图像⼆阶导数零穿越来寻找边界，代表