一.Anaconda配置安装与虚拟环境创建

1.成功完成Anaconda配置安装

2.使用conda命令创建独立虚拟环境（YOLOv8模型安装）

激活YOLOv8环境    conda activate yolov8_cpu

安装YOLOv8库    pip install ultralytics

验证安装   yolo predict model=yolov8n.pt source="https://ultralytics.com/images/bus.jpg"

二.PyTorch安装

1.安装

pip install torch torchvision torchaudio

2.Python环境验证

import torch

print(torch.__version__)

print(torch.cuda.is_available())

输出 False 属于正常情况，表明当前为CPU运行环境。

三.Canny边缘检测

（1）使用高斯滤波器，以平滑图像，滤除噪声。
（2)计算图像中每个像素点的梯度强度和方向。
（3)应用非极大值（ Non - Maximum Suppression ）抑制，以消除边缘检测带来的杂散响应。（4）应用双阈值（ Double - Threshold ）检测来确定真实的和潜在的边缘。
（5）通过抑制孤立的弱边缘最终完成边缘检测。

1.高斯滤波器

2.梯度和方向

Sx从右到左，Sy从下到上

3.非极大值抑制

（1）

w：权重参数  w=(g1,dtmp1)/(g1,g2)

c>dtmp1且c>dtmp2,c保留，反之，c被抑制

（2）

A分别与B,C比较，A>B,且A>C,A保留，得出A的边界

4.双阈值检测

 实战：

import cv2
import numpy as np
def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
img=cv2.imread(r'C:\test.jpg', cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)
res=np.hstack((v1,v2))
cv_show(res,'res')

img=cv2.imread(r'C:\test.jpg', cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)
res=np.hstack((v1,v2))
cv_show(res,'res')

80：minVal   150:maxVal

四.图像金字塔

  图像提取：层层提取 总结到一起

1.高斯金字塔：向下采样法（缩小）

越采样越少（从大往小走） 

Gi与高斯内核卷积：对应位置相乘，再加到一起，再除以总数

2.高斯金字塔：向上采样法（放大）

越采样越多（从小往大走）

实战：

img=cv2.imread(r'C:\test.jpg')
cv_show(img,'img')
print(img.shape)

up=cv2.pyrUp(img)
cv_show(up,'up')
print(up.shape)

down=cv2.pyrDown(img)
cv_show(down,'down')
print(down.shape)

up2=cv2.pyrUp(up)
cv_show(up2,'up2')
print(up2.shape)

up=cv2.pyrUp(img)
up_down=cv2.pyrDown(up)
cv_show(up_down,'up_down')

up=cv2.pyrUp(img)
up_down=cv2.pyrDown(up)
cv_show(img-up_down,'img-up_down')

3.拉普拉斯金字塔

Li=img（输入）—先执行down再执行up

G1：down  E1：up

实战：

down=cv2.pyrDown(img)
down_up=cv2.pyrUp(down)
I_I=img-down_up
cv_show(I_I,'I_I')

五.图像轮廓

模式（mode）建议使用RETR_TREE

为了提高准确率，使用二值图像

先输入一张图像（img），再转换为灰度图，再对图像数据进行二值处理，得出结果

img=cv2.imread(r'C:\test.jpg')
gray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh =cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
cv_show(thresh,'thresh')

1.绘制轮廓

#传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度

#注意需要copy，否则原图会变

import cv2

# 假设 img 是已加载的图像
draw_img = img.copy()

# 1. 预处理：转为灰度图 + 二值化（轮廓检测的必要步骤）
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 2. 检测轮廓，生成 contours 变量
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 3. 绘制轮廓（注意：建议在副本 draw_img 上绘制，避免修改原图）
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)

# 显示结果（假设 cv_show 是你封装的显示函数）
cv_show(res, 'res')

（3）contours 轮廓是什么， -1 把所有轮廓都画进去（数字是几画进去几个轮廓，按顺序进行选择）， （0，0，255）B G R用R画轮廓，2 线条宽度

2.轮廓特征

注：辅助函数计算特征时需要把各个轮廓都拿出来才能使用

计算周长时标注Ture（表示闭合）/False

3.轮廓近似

曲线AB（AB连成一条直线），取曲线上一点C，使得C与直线AB距离最大（距离设为d）

若d<T(阈值），可以近似，曲线AB可以近似为直线AB

曲线AB（AB连成一条直线），取曲线上一点C，使得C与直线AB距离最大（距离设为d1），且连接AC,BC，曲线上一点距AC为d2

若d1>T(阈值），且d2<T，曲线AC可近似为直线AC（若不满足，继续画线，直到满足为止）

实战：

import cv2
# 1. 读取图像
img = cv2.imread(r'C:\test.jpg')
# 2. 转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 3. 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 4. 检测轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
if not contours:
    raise ValueError("未检测到任何轮廓")
cnt = contours[0]
# 5. 复制图像并绘制轮廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, [cnt], -1, (0, 0, 255), 2)
# 6. 显示结果
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

epsilon=0.1*cv2.arcLength(cnt,True )
approx=cv2.approxPolyDP(cnt,epsilon,True)
draw_img =img.copy ()
res=cv2.drawContours(draw_img,[approx],-1,(0,0,255),2)
cv_show(res,'res')

4.边界矩形

实战：

img =cv2.imread(r'C:\test.jpg')
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh =cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
contours,hierarchy =cv2.findContours (thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt=contours[0]
x,y,w,h=cv2.boundingRect (cnt)
img =cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show(img,'img')

area =cv2.contourArea(cnt)
x,y,w,h =cv2.boundingRect( cnt )
rect_area = w * h 
extent = float(area)/rect_area 
print('轮廓面积与边界矩形比', extent)

5.外接圆

实战：

(x,y),radius=cv2.minEnclosingCircle(cnt)
center=(int(x),int(y))
radius=int(radius)
img=cv2.circle(img,center,radius,(0,255,0),2)
cv_show(img,'img')