霍夫圓檢測
因爲霍夫圓檢測對噪聲比較敏感，所以首先要對圖像做中值濾波。
基於效率考慮，Opencv中實現的霍夫變換圓檢測是基於圖像梯度的實現，分爲兩步：
1. 檢測邊緣，發現可能的圓心
2. 基於第一步的基礎上從候選圓心開始計算最佳半徑大小
HoughCircles(
InputArray image, // 輸入圖像 ,必須是8位的單通道灰度圖像
OutputArray circles, // 輸出結果，發現的圓信息
Int method, // 方法 - HOUGH_GRADIENT
Double dp, // dp = 1;
Double mindist, // 10 最短距離-可以分辨是兩個圓的，否則認爲是同心圓- src_gray.rows/8
Double param1, // canny edge detection high threshold
Double param2, // 中心點累加器閾值 – 候選圓心
Int minradius, // 最小半徑
Int maxradius//最大半徑
)
像素重映射
Remap(
InputArray src,// 輸入圖像
OutputArray dst,// 輸出圖像
InputArray map1,// x 映射表 CV_32FC1/CV_32FC2
InputArray map2,// y 映射表
int interpolation,// 選擇的插值方法，常見線性插值，可選擇立方等
int borderMode,// BORDER_CONSTANT
const Scalar borderValue// color
)
直方圖（Histogram）均衡
equalizeHist(
InputArray src,//輸入圖像，必須是8-bit的單通道圖像
OutputArray dst// 輸出結果
)
上述直方圖概念是基於圖像像素值，其實對圖像梯度、每個像素的角度、等一切圖像的屬性值，我們都可以建立直方圖。這個纔是直方圖的概念真正意義，不過是基於圖像像素灰度直方圖是最常見的。
直方圖最常見的幾個屬性：
- dims 表示維度，對灰度圖像來說只有一個通道值dims=1
- bins 表示在維度中子區域大小劃分，bins=256，劃分爲256個級別
- range 表示值得範圍，灰度值範圍爲[0~255]之間
直方圖計算
split(// 把多通道圖像分爲多個單通道圖像
const Mat &src, //輸入圖像
Mat* mvbegin）// 輸出的通道圖像數組
calcHist(
const Mat* images,//輸入圖像指針
int images,// 圖像數目
const int* channels,// 通道數
InputArray mask,// 輸入mask，可選，不用
OutputArray hist,//輸出的直方圖數據
int dims,// 維數
const int* histsize,// 直方圖級數
const float* ranges,// 值域範圍
bool uniform,// true by default
bool accumulate// false by defaut
)