OpenCV 基本概念理解之二！

直方图：长方形高度是对数据的频率。

SIFT特征检测：在一堆图片里找到相同的物理。

鲁棒(robust):算法对于复杂情况，保持良好性能。

SURF:同SIFT相比，速度比较快。

角点：图像比较尖锐，突出的点。那是怎么检测出来的呢？

每个点在不同方向上的梯度(坡度)，比如棋盘的交叉点。边缘就是线。

表示像素在两个或多个方向上的变化。梯度变化大 相邻像素值变化大。

纹理：图像中重复出现局部模式，比如瓷砖地的每一块局部模式，有很多小的瓷砖图案，有规律的重复出现。

高斯曲线拟合：就是找规律。

模块匹配：比如找出小猫的照片，其中小猫就是模板。

直方图反向投影：找出图像特定目标。

直方图均衡化：增强对比度。

最小边界框：把物理用最小的矩形框住。

边界框：轮廓分析，形态，大小，方向。

霍夫圆：在参数空间中，图像中找圆的一个方法。其中一个点可以表示所有园的参数。

霍夫直线检测：在图像里找直线的方法。

Canny边缘检测：非极大值抑制。

随机噪声：随机的振幅，比如开车听广播的杂音。

自适应阈值：自动判定角点的值。

OTSU 图像二值化：彩色变成黑色的过程

灰度值：表示图像深浅，0-黑（没有光的情况下就是黑色）255-白色

反阈值取零：大于某个值取0，小于取255，用于背景简单的图。

自适应阈值：背景复杂的图。