HoughLinesP

1	HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)

image：必须是二值图像，推荐使用canny边缘检测的结果图像；
rho: 线段以像素为单位的距离精度，double类型的，推荐用1.0
theta：线段以弧度为单位的角度精度，推荐用numpy.pi/180
threshod: 累加平面的阈值参数，int类型，超过设定阈值才被检测出线段，值越大，基本上意味着检出的线段越长，检出的线段个数越少。根据情况推荐先用100试试
lines：这个参数的意义未知，发现不同的lines对结果没影响，但是不要忽略了它的存在
minLineLength：线段以像素为单位的最小长度，根据应用场景设置
maxLineGap：同一方向上两条线段判定为一条线段的最大允许间隔（断裂），超过了设定值，则把两条线段当成一条线段，值越大，允许线段上的断裂越大，越有可能检出潜在的直线段

drawContours

1	cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)

image：是指明在哪幅图像上绘制轮廓；image为三通道才能显示轮廓
contours：是轮廓本身，在Python中是一个list;
contourIdx：指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。
thickness：表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。

findContours

1
2
3

findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              OutputArray hierarchy, int mode,
                              int method, Point offset=Point());

image：单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像。
contours：定义为 vector<vector<Point>> contours，是一个向量，并且是一个双重向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。有多少轮廓，向量contours就有多少元素。
hierarchy：定义为 vector<Vec4i> hierarchy，先来看一下Vec4i的定义：

1	typedef Vec<int, 4> Vec4i;

Vec4i是Vec<int,4>的别名，定义了一个“向量内每一个元素包含了4个int型变量”的向量。所以从定义上看，hierarchy也是一个向量，向量内每个元素保存了一个包含4个int整型的数组。向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~ hierarchy[i][3]，分别表示第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓或内嵌轮廓的话，则hierarchy[i][0] ~ hierarchy[i][3]的相应位被设置为默认值-1。

mode：int型，定义轮廓的检索模式：
- CV_RETR_EXTERNAL：只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略。
- CV_RETR_LIST：检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1。
- CV_RETR_CCOMP：检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层。
- CV_RETR_TREE：检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。

method： int型，定义轮廓的近似方法：
- CV_CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内。
- CV_CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留。
- CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。
point：Point偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且Point还可以是负值！

addWeighted

1	addWeighted(src1, alpha, src2, beta, gamma, dst=None, dtype=None)

参数说明：
src1, src2：需要融合相加的两副大小和通道数相等的图像
alpha：src1的权重
beta：src2的权重
gamma：gamma修正系数，不需要修正设置为0，具体请参考《图像处理gamma修正（伽马γ校正）的原理和实现算法》
dst：可选参数，输出结果保存的变量，默认值为None，如果为非None，输出图像保存到dst对应实参中，其大小和通道数与输入图像相同，图像的深度（即图像像素的位数）由dtype参数或输入图像确认
dtype：可选参数，输出图像数组的深度，即图像单个像素值的位数（如RGB用三个字节表示，则为24位），选默认值None表示与源图像保持一致。
返回值：融合相加的结果图像

getStructuringElement

getStructuringElement() 函数可用于构造一个特定大小和形状的结构元素，用于图像形态学处理。

1	getStructuringElement(shape, ksize[, anchor])

参数说明：
shap：结构元素形状，可选如下：

取值	说明
MORPH_RECT	方形
MORPH_CROSS	cross-shaped交错形状
MORPH_ELLIPSE	椭圆形结构元素，内切于 `Rect(0,0,esize.width,esize.height)` 定义的矩形