主要内容：对比新旧函数，用于过滤原始图像中轮廓分析后较小的区域，留下较大区域。 关键字：connectedComponentsWithStats 在以前，常用的方法是”是先调用 cv::findContours() 函数（传入cv::RETR_CCOMP 标志），随后在得到的连通区域上循环调用 cv::drawContours() “ 比如，我在GOCVHelper中这样进行了实现 //寻找最大的轮廓 VP FindBigestContour(Mat src){ int imax = 0

Opencv (上) 常见的图片格式： 1、jpg(jpeg) : 用最少的磁盘空间得到较好的图片质量 2、png： 无损压缩的位图片形格式 常见的图片类型： 【黑白】【彩色】 图片的本质： 由像素点组成的矩阵，每个元素（像素点）都是在0-255之间 为什么每个像素点都是界于0-255之间？ 1、位图模式（黑白图像） 仅仅只有1位深度的图像 ->（0，1，1，1，0 …) ​ 0->纯黑色 ​ 1->纯白色 2、灰度图像：【0，255】 ​ 有8位深度的图像 （0，0，0

刚开始涉及到图像处理的时候，在opencv等库中总会看到mask这么一个参数，非常的不理解，在查询一系列资料之后，写下它们，以供翻阅。 什么是掩膜（mask） 数字图像处理中的掩膜的概念是借鉴于PCB制版的过程，在半导体制造中，许多芯片工艺步骤采用光刻技术，用于这些步骤的图形“底片”称为掩膜（也称作“掩模”），其作用是：在硅片上选定的区域中对一个不透明的图形模板遮盖，继而下面的腐蚀或扩散将只影响选定的区域以外的区域。 图像掩膜与其类似，用选定的图像、图形或物体，对处理的图像（全部或局部）进行遮