图像处理20210307
算法学习该部分内容基本与讨论纪要相同，这里引用一下
讨论纪要核心思路划分区域的分界线应与较大区分度的连线重合
所以由此可得出一种可能可行的方案：若这两种连线不符，则存在干扰点
实行步骤取5X5的像素点，以2X2方格为一个单位，找出5-6个边缘单位与前6个区分度大的单位，若不相符，则区分度最大的单位就标记为噪声（这里我并不清楚究竟要标记哪一个点，因为一个单位有四个点）
求出边缘单位以2X2个像素点为一个单位，进行区域划分，将该步骤抽象为“剪断差值大的边”，将“剪断边”的地方视为通路，将多个通路连通，形成边缘线（这步操作的难点在于：1.不知道是不是一定会存在这样的通路；2.遍历每个单位格的效率存在问题；3.需要进一步思考，要将通路以什么样的方式存储，后面步骤比较）
求出较大区分度单位求该步比较简单（最大问题与上面的3相同，需要进一步考虑存储区分度的问题）
代码实现读取test1.png，找出噪声值，并输出到output.txt
1234567891011121314151617181920212223242526272829303132333435363738394041424344 ...
图像处理20210228
opencv基础该过程主要通过实际操作完成
素材选取合适的高清图片，通过截屏生成新图片降低图片质量，将新的低质量图片命名为text1.png保存在python脚本的目录中
代码环境123python解释器：anaconda3/python3.8编译器：pycharm编码：utf-8
代码为了方便测试，只使用了一个脚本测试，学习笔记和部分运行结果也通过注释的方式简单加入
去除注释#即可运行
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566# python解释器：anaconda3/python3.8# 编译器：pycharm# utf-8# 一些测试过程以注释方式保留，以便以后查看# 导入所需要的库，并给以简洁的名称import numpy as npimport cv2 as cv# 1# 按指定方式读取图像img = cv.imread('test1.png', 1) ...
