* 读入视频 * video = cv.VideoCapture("视频路径") * 检查视频是否打开 * video.isOpened() * 获取视频的宽度和高度 * video.get(3) * 获取视频帧的宽度 * 这里的3是固定值 * video.get(4) * 获取视频帧的高度 * 这里的4是固定值 * 写入视频 * writer = cv.VideoWriter("新的视频路径",cv.VideoWriter_fourcc('M','J','P','G'), 10,(int(video.get(3)),int(video.

* 读入图像 * 步骤 * img = cv.imread("图片路径") * cv.imshow("图片名字"，img) * cv.waitKey() * 注意 * 用opencv读入的图片的形状为（h，w，c），通道为（R，G，B） * 而用matlobplotib读入的图片形状为（h，w，c），通道为（R，G，B） * 图像加法 * + * new_img = img1 + img2 * cv.imshow(new_img) * cv.waitKey() * add * cv.add(img1,img2) * 两个img按照权重1进行叠加

* 读入图像 * 步骤 * img = cv.imread("图片路径") * cv.imshow("图片名字"，img) * cv.waitKey() * 注意 * 用opencv读入的图片的形状为（h，w，c），通道为（R，G，B） * 而用matlobplotib读入的图片形状为（h，w，c），通道为（R，G，B） * 图像加法 * + * new_img = img1 + img2 * cv.imshow(new_img) * cv.waitKey() * add * cv.add(img1,img2) * 两个img按照权重1进行叠加

* 图像的噪声 * 椒盐噪声（脉冲噪声） * 高斯噪声 * 滤波方法 * 均值滤波 * cv.blur(img,kernal_size) * 根据卷积核的大小对图像进行降噪 * 高斯滤波 * cv.GaussianBlur(img,kernal_size,sigmaX,sigmaY) * 使用高斯滤波对图像进行降噪 * sigmaX：X 方向的高斯标准差（必须为非负数），值越大，X 方向的模糊范围越广 * sigmaY：Y 方向的高斯标准差（非负数） * 中值滤波 * cv.medianBlur(img,kernal_size) * 根据卷积核的中值进行降噪 * 效果最好

* sobel算子 * 用于检测图像中 x 方向或 y 方向的边缘，先计算出边缘的值，在合并结果 * cv.Sobel( img, ddepth, dx, dy, kernal_size) * ddepth:输出图像的数据类型 * 1、dx：水平方向检测：cv.Sobel(img,ddepth,1,0,ksize) * 2、dy：垂直方向检测：cv.Sobel(img,ddepth,0,1,ksize) * 3、检查之后的值：可能为负数也可能大于255，需要将值转为unit8:cv.convertScaleAbs() * 4、在使用图形的混合cv.addweighted(x,alpha,y,