PYTHON OPEN-CV 视觉处理
1、具体操作步骤
先将图片转换为灰度图像
通过OTSU转换为二值图像
通过发现轮廓函数，对二值图像使用轮廓发现得到轮廓
根据二维码三个区域的特征，对轮廓进行面积与比例过滤，最终得到结果
2、思路（主要根据二维码的三个顶点来判断）
定位点的轮廓有三层轮廓
每个定位点的轮廓中心点一样的
三个定位点可以围成一个等腰直角三角形
3、存在的问题（以现在摆盘机的扫描情况来看）
只能对单个二维码来进行扫描
只能处理摄像头拍照很清楚的图片进行识别（对imei和二维码的清晰度要求高），拍摄位置的角度偏差比较小，同时考虑光线等元素的干扰
4、针对上面的问题有以下的改善
阈值分割
可以对图像进行腐蚀或者膨胀的处理
扣取所有正方形区域，逐个检测
然后再进行步骤2中的思路来检测，定位
5、涉及到的函数说明
（1）参数说明：
Src：输入图，只能输入单通道图像，通常来说为灰度图
Thresh：阈值
Maxval：当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
Type：二值化操作的类型，包含以下5种类型：
cv2.THRESH_BINARY； （两极化）
cv2.THRESH_BINARY_INV；（对调两极化）
cv2.THRESH_TRUNC； （过度）
cv2.THRESH_TOZERO；（亮色过度）
cv2.THRESH_TOZERO_INV；（对调亮色过度）
（2）返回值：dst 输出图
img, countour,hierarchy =cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
（1）参数说明：
Image：表示寻找轮廓的图像；
Mode：表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：
cv2.RETR_EXTERNAL表示只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE建立一个等级树结构的轮廓。
Method：表示轮廓的近似办法
cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
（2）返回值：
Img：表示返回的图像；
Coutour：是一个list，每个元素都是一个轮廓（彻底围起来算一个轮廓），用numpy中的ndarray表示。
Hierarchy：也是一个ndarry，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。
1、膨胀：调整分割区域的形状以获得比较理想的结果，每一个位置的矩形领域内值的最大值作为该位置的输出灰度值，总体亮度会比原图上升，亮的区域变大，暗的区域减少或消失
2、腐蚀：（类似于膨胀）每一个位置的矩形领域内值的最小值作为该位置的输出灰度值，总体亮度比原图低，亮的区域变小，暗的区域变大
3、opencv 中的层次结构：https://www.kancloud.cn/aollo/aolloopencv/362441
介绍：OpenCV使用一个含有四个元素的数组表示父子关系，【Next，Previous，First_Child，Parent】