一：opencv中的绘图函数和几何变换
图像平移，rows和cols需要反置；缩放 下采样和上采样
二：图像增强
高斯滤波/中值滤波
直方图均衡化，Gamma变化：对输入图像灰度值进行的非线性操作使输出图像灰度值与输入图像灰度值呈指数关系 （指数大于1变亮小于1变暗）
三：形态学
主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质的形状特征，如边界和连通区域等
腐蚀和膨胀：两种基本的形态学“领域扩张”运算，其中膨胀类似于将图像中的白色部分进行扩张，其运行结果图比原图的白色区域更大，腐蚀类似于“领域被蚕食”，将图像中白色部分进行缩减细化，其运行结果图比原图的白色区域更小。
开运算 =先腐蚀运算，再膨胀运算 (看上去把细微连在“起的两块目标分开了）
开运算总结:
1.开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不变
2.开运算是一个基于几何运算的滤波器。
3.结构元素大小的不同将导致滤波效果的不同
4.不同的结构元素的选择导致了不同的分割，即提取出不同的特征
闭运算 =先膨胀运算，再腐蚀运算 (看上去将两个细微连接的图块封闭在一起)
闭运算总结
1. 闭运算能够填平小湖 (即小孔) ，弥合小裂缝，而总的位置和形状不变
2. 闭运算是通过填充图像的凹角来滤波图像的。
3.结构元素大小的不同将导致滤波效果的不同。
4.不同结构元素的选择导致了不同的分割。
形态学梯度 结果将看起来像对象的轮廓
基础梯度: 基础梯度是用膨胀后的图像减去腐蚀后的图像得到差值图像，也是opencv中支持的计算形态学梯度的方法，而此方法得到梯度有称为基本梯度。
内部梯度: 是用原图像减去腐蚀之后的图像得到差值图像，称为图像的内部梯度。
外部梯度:图像膨胀之后再减去原来的图像得到的差值图像，称为图像的外部梯度。
顶帽 (Top Hat) :原图像与开运算图的区别 (差值) ，突出原图像中比周围亮的区域 （丢失的信息）
黑帽 (Black Hat)
闭操作图像 - 原图像,突出原图像中比周围暗的区域 （补充的信息）