本博文接上一篇博文，继续进行部分 opencv Python 示例代码运行 效果测试
- 本博文的测试是直接拉取 opencv-master4.5.1，然后在opencv/samples/python/tutorial_code/ 目录下对不同模块 py 文件进行测试
imshow and imsave【弹框和保存图片】
display_image.py 代码内容如下：
## [imports]
import cv2 as cv
import sys
## [imports]
## [imread]
img = cv.imread(cv.samples.findFile("starry_night.jpg"))
## [imread]
## [empty]
if img is None:
sys.exit("Could not read the image.")
## [empty]
## [imshow]
cv.imshow("Display window", img)
k = cv.waitKey(0)
## [imshow]
## [imsave]
if k == ord("s"):
cv.imwrite("starry_night.png", img)
## [imsave]
运行该代码：
cd
效果如下：
Back Projection【绘制直方图 - 反向投影 】
Back Projection 相关概念自行查阅；
运行代码一：
cd opencv/samples/python/tutorial_code/Histograms_Matching/back_projection
python calcBackProject_Demo1.py --input ../../../../data/ml.png
# 或者
运行效果如下：
运行代码二：
# 切换目录
cd ../histogram_calculation/
python calcHist_Demo.py --input ../../../../data/lena.jpg
# 发生了运行报错【尚未处理】：
TypeError: type numpy.ndarray doesn't define __round__ method
运行代码三【histogram comparison methods -】：
对输入的两张图像计算得到直方图H1与H2，归一化到相同的尺度空间然后可以通过计算H1与H2的之间的距离得到两个直方图的相似程度进而比较图像本身的相似程度 histogram comparison -- 可参考博文
opencv/samples/python/tutorial_code/Histograms_Matching/histogram_comparison
python compareHist_Demo.py --input1 ../../../../data/lena.jpg --input2 ../../../../data/cards.png --input3 ../../../../data/ml.png
运行输出如下：
Method: 0 Perfect, Base-Half, Base-Test(1), Base-Test(2) : 1.0 / 0.9275414189405695 / -0.0034291593953759848 / -0.006776118451912055
Method: 1 Perfect, Base-Half, Base-Test(1), Base-Test(2) : 0.0 / 11.932779909213997 / 40.640700210830865 / 41.45697565518345
Method: 2 Perfect, Base-Half, Base-Test(1), Base-Test(2) : 40.66139216959709 / 35.109732454584446 / 0.012477086027502082 / 0.04159197019907879
Method: 3 Perfect, Base-Half, Base-Test(1), Base-Test(2) : 1.0536712127723509e-08 / 0.16632550782296035 / 0.9822894606427958 / 0.9807740056348029
运行代码四【histogram_equalization -- 直方图均衡化】：
# 切换 histogram_equalization 目录
cd
运行效果：
线性混合【两个图像合成 】
通过调节图像的透明度来合成图像【得到图像叠加的效果】
运行代码一：
cd opencv/samples/python/tutorial_code/highgui/trackbar
# 这里输入的图像： both have to be of the same size and type
输入图像：
运行效果如下：
