在上一篇中，我主要介绍了如何把图像“备好”。按批端给深度模型使用，让它们自动完成工作。但真正的艺术家往往坚持手搓——即使我自己单打独斗，也能做到非常精细。

如果你正在阅读 LearnOpenCV · Getting Started with OpenCV，可以把这两篇一起吃——那边按读图、几何、滤波、阈值、边缘、轮廓一路拆；这边讲这些手法在工程师灶台上怎么用，和深度考生怎么分家。

澄清误会的观点是，三条路，别混

：

• 不全是「训练数据的一部分」——很多时候古典法自己就是考生。
• 可以是「制作答案」——B、C 常这样；A 主要是做题面，
• 喂 AlexNet 认 ImageNet 时：主方法是A;滤波边缘不是必经主菜。

你是否常常被“传统方法＝一定要用”的说法误导？话说回来，别担心，真正的关键是工程师决定何时手工、何时让模型打工。

滤波 / 模糊：先清理案板

“滤波能帮我去噪吗？”这是最常见的问题，老实说，滤波确实是去噪，让后续步骤更稳健，但它不是最终答案。

你是否在寻找一种简单快速的去噪方式，却又不想牺牲细节？下面介绍三种常用方法，

// 均值
cv:这方面，blur);其实，// 高斯
cv:的观点是，GaussianBlur;...
// 中值
再看cv:，medianBlur;...
// 椒盐噪
...

"我想用均值去掉随机噪，却怕模糊边缘。" - 均值会模糊细节，高斯保留更多结构。选择合适 kernel 大小很关键。"为什么中值不算卷积核，" - 因为它不采用加权求和，而是排序取中位数。

边缘这方面。进入雕刻状态

"我一直把颜色当作主要，却忽略了灰度对边缘检测的关键性。" - 在此阶段，我们先转灰度。因为灰度只关注亮暗结构，不受色彩干扰，更易定位形状。"

至于Sobel，先横着刨一刀。再竖着刨一刀

# Sobel 示例
gx = cv2.Sobel
gy = cv2.Sobel
mag = cv2.magnitude # 幅值；这才是真正的 “强度”
...

"Sobel 的结果太粗糙怎么办？" - Sobel 给出的幅值图往往宽几像素，接下来要 Canny 或者非极大抑制进一步细化。

再看Canny，四步精修

# Canny 四步流程
# ① 降噪
# ② 强度梯度
# ③ 非极大抑制
# ④ 滞后阈值
...

"怎样设置高低阈值才能得到既完整又干净的边线？" - 高阈保持主线，低阈仅跟随主线连接；若出现孤立毛刺，可调低低阈或加形态学处理消除小孔洞。

从轮廓与形状来看，择菜。把主角抠出来

"findContours 返回什么样的数据结构，我该怎么解读？"

# findContours 示例
contours,_ = cv.findContours
for cnt in contours:
area=cv.contourArea
...
...

• CANNY 输出的是线条型二值图；Otsu 或 simple 阈值得到的是区域型二值图，两者意义不同。不过，
• MATH MODELS → 找到闭合曲线后可以测面积周长或绘制外接矩形。对标注或分割都非常有用，
.
• B 路：形状本身就是答案 C 路：人工描画后再修正，可用于训练集生成伪标签。
  .
  • B 路示例代码略略….
  .
  • C 路示例代码略略….
  .
  . . . .
  .

  从阈值与形态学来看，少许调味。再下锅定型

  再看阈值，一笔带过

  • SIMPLE 阈距可通过 cv.threshold 或 Otsu 自动确定。_,binary=cv.threshold.
  .
  • CANNY 的滞后阈一样基于强弱区分。T_high > T_low > …etc..
  .
  • "为什么要两颗旋钮而不是单一阈点?" — 因为弱边需要依赖邻近强边才能保持连通性，否则会丢失关键信息。话说回来，
    . . .

    Morphology : 油炸变大。炒制缩小

    二元 mask 往往还不能直接上桌——毛刺、小洞和断裂需要进一步修复。不过，Morphology 用膨胀/腐蚀来控制尺寸。并通过开闭操作平滑轮廓，

    手法	锅感	图上大概在干啥
    膨胀 dilation	油炸——外边焦。体积胀大白区往外扩，小洞容易补上,断边容易连上，erode ' ... ... ... ... ... ... ... ... />

    开闭是组合拳，不是又两把小刀。分割任务里threshold + morphology 出场率极高：

    • "如何判断什么时候需要膨胀 vs 压缩?" — 看目标是否存在小空洞或毛刺，需要填补还是收紧即可。
    .
    • "如何快速调参?" — 开始时尝试 kernel 大小 5~15，接下来观察效果再微调。
      . . ... . . .

      至于海天小高潮，古典法直接出 mask = 答案

      说个我自己灶台上干过的活——视频流里分天空、找海天线。说到大致流水线，

      // 视频帧 → HSV采点→inRange得sky mask→形态学修边→按算法向上扫→海天线→后处理：
      仅在sky mask内染成好天气蓝色
      
      再看其中。HSV 用于稳定颜色范围；其实，inRange 得到 mask 是答案骨架；形态学修正避免碎片，最终渲染色彩只在已知掩膜内进行。
      以上即为 B 路案例，无需让深度模型参与。

      “I hope this is helpful!