圣诞节又来了！ 最近着手了智能交通的几个项目，从中总结了几个常用的小点，分享给大家方便：
inRange函数：
首先祭祀openCV的函数原型
void cv :3360 in range (inputarraysrc，InputArray lowerb，InputArray upperb，OutputArray dst ) )。
简单来说，该函数观察(Note )集合的开闭，判断输入图像src的各个像素(pixel )是否在[lowerb，upperb]之间。 如果为true，则与dst对应的像素为255，反之为0。 因此，此函数输出的dst是二值化图像。
对于单通道图像：
如果灰度图像src的某个像素的值在lowerb、upperb的两个阈值范围之间，则对应于dst的该像素的值为255，反之为0，由此生成二值化的输出图像dst。
image.png
对于双通道图像：
image.png
即，当输入图像src每个通道的像素值在预定的[lowerb，upperb]阈值范围内时，与二值化输出图像dst对应的像素值为255，如果不能完全满足预定条件，则与dst对应的像素值为0
3通道图像的情况也是如此。
openCV坐标系：
原点位置在图像的左上角，适用于Mat、Rect、Point等，在openCV的(x，y )坐标系中，x从左向右，y从上向下变大。
image.png
在一幅图像中，对Rect所取的(x，y )是矩形自身左上角的坐标。
几何重心计算：
进行物体检测时，往往需要对物体的轮廓重心进行定位，在此简单说明如何计算轮廓重心坐标。
那什么是轮廓？ 配置文件的示例如下所示~
image.png
在计算轮廓的重心坐标之前，先谈谈“空间矩”(spatial moments )先生。
什么是空间矩呢？ 具体的数学原理在这里就不多讲了，感兴趣的朋友可以参考https://en.Wikipedia.org/wiki/image _ moment
还有openCV提取空间矩的函数细节。 https://docs.opencv.org/3.0-beta/modules/img proc/doc/structural _ analysis _ and _ shape _ dee ape
好啊。 不多说，直接说了计算重心坐标的方法
轮廓点集表示为a，重心表示为(x，y )，openCV的矩计算函数表示为moment ) )，以下
轮廓的空间力矩为moment(a )，
有
x=moment(a ).m10/moment(A ) ) a ).m00
y=moment(a ).m01/moment(A ) ) a ).m00
(不！ m10、m00、m01都是相关的数学参数。 具体请参照空间力矩的数学理论哦~
到此为止，总结结束了呢。 ~ gxddn祝大家圣诞快乐。 例如，不加班，笑眯眯的~