opencv学习笔记（1）-阈值分割3种方法文章结构：1.三种分割方法：直接分割、自适应分割（平均值、高斯均值）2.函数使用3.程序例程 （C++）4.效果展示5.参数设置心得三种分割方法1.直接分割直接分割即最简单的分割方法，将图片转换为灰度图，设置一个灰度值界限，在界限内的像素点，我们就让他变为白色，否则就变成黑色。直接分割简单粗暴，但是缺点也很明显。如果一个图片某些地方暗，某些地方亮，这样的

检测原理用Canny算子对图像进行边缘检测 参照：canny边缘检测统计霍夫曼变换求出所有线 参照：霍夫变换计算向量间的最大夹角使用函数# canny边缘检测void cv::Canny(InputArrayimage,//输入图像（单通道灰度图）OutputArrayedges,//检测出来的轮廓doublethreshold1,//阈值1doublethreshold2,//阈值2intape

文章目录预计效果效果演示实现过程程序参数调试笔记1.预计效果能够从杂乱背景的鸡窝中找出鸡蛋并且计算鸡蛋的数量。2.效果演示3. 实现过程blur均值滤波，让画面变得平滑一些。canny边缘检测，将边缘二值化展示出来。morphologyEx形态学闭操作，调整kernel卷积和大小，消除一些比较小的黑块，这样留下来的都是一些较大大的黑块。4.findContours找出所有的闭合轮廓。5.可以看出鸡

本文将介绍yolov5从环境搭建到模型训练的整个过程。最后训练识别哆啦A梦的模型。1.anconda环境搭建2.yolov5下载3.素材整理4.模型训练5.效果预测- Anconda环境搭建提醒：所有操作都是在anconda的yolo的环境下进行的，在创建yolo环境后，之后每次进入CMD都需要切换到yolo环境中去（否则进入默认的base环境中）https://www.anaconda.com/

本文将介绍yolov5从环境搭建到模型训练的整个过程。最后训练识别哆啦A梦的模型。1.anconda环境搭建2.yolov5下载3.素材整理4.模型训练5.效果预测- Anconda环境搭建提醒：所有操作都是在anconda的yolo的环境下进行的，在创建yolo环境后，之后每次进入CMD都需要切换到yolo环境中去（否则进入默认的base环境中）https://www.anaconda.com/

本文将介绍yolov5从环境搭建到模型训练的整个过程。最后训练识别哆啦A梦的模型。1.anconda环境搭建2.yolov5下载3.素材整理4.模型训练5.效果预测- Anconda环境搭建提醒：所有操作都是在anconda的yolo的环境下进行的，在创建yolo环境后，之后每次进入CMD都需要切换到yolo环境中去（否则进入默认的base环境中）https://www.anaconda.com/

本文将介绍yolov5从环境搭建到模型训练的整个过程。最后训练识别哆啦A梦的模型。1.anconda环境搭建2.yolov5下载3.素材整理4.模型训练5.效果预测- Anconda环境搭建提醒：所有操作都是在anconda的yolo的环境下进行的，在创建yolo环境后，之后每次进入CMD都需要切换到yolo环境中去（否则进入默认的base环境中）https://www.anaconda.com/