计算机视觉

1. 计算机视觉

1.1. 定义

1. 从数字图像中提取信息的科学领域
2. 构建能理解图像内容的算法，并将其用于其他应用。

1.2. 图像处理基础

1.2.1. 颜色

1. 颜色空间：RGB（属于线性颜色空间）、CIE-XYZ(属于线性颜色空间）、HSV（属于非线性颜色空间）。
3. 白平衡：是将传感器接收到的图片数据调整至合适的呈现中性的颜色（灰、白等等）的过程。
   相关算法：Von kries Method（Gray Card Method）、Gray World Assumption、Brightest Pixel Assumption.

1.2.2. 图像采样和量化

1. 图像类型：

• 黑白图像：像素是黑色（0）或者白色（1）
• 灰阶图像：像素范围在0（黑色）~255（白色）
• 彩色图像：有多个颜色通道，每张图片可以在不同的颜色模型 (RGB, LAB, HSV) 上呈现，每个颜色通道值的范围取决于所选的颜色模型。

2. 直方图（Image Histograms）

   直方图用于测试灰度图的强一个特定的像素值 (0-255) 在图像中出现了几次。

1.2.3. 卷积和相关

• 卷积（Convolution）：

  可看作是加权求和的过程，使用到的图像区域中的每个像素分别于卷积核(权矩阵)的每个元素对应相乘，所有乘积之和作为区域中心像素的新值。

  

• 相关（Correlation）：

  等于卷积计算时内核没有翻转的结果。

  

• 区别：

  • 卷积是一个积分，它表示当一个函数在另一个函数上移动的时候的重叠部分。也就是说，卷积是一个过滤操作。

  • 相关比较了两个数据集的相似性。相关性计算了两个输入函 s 数相互移动时的相似性测量值。两个函数匹配都越高，它的结果值越大。也就是说，相关性是两个信号关联性的测量值。

• 共性：

  • 都是线性的，即用每个像素的邻域的线性组合来代替这个像素。
  • 都具有平移不变性（shift-invariant)，即在图像的每个位置都执行相同的操作。

1.2.4. 滤波

1.2.4.1. 频率(frequency)

频率（frequency）是波动快慢的指标。图像就是色彩的波动：波动大，就是色彩急剧变化；波动小，就是色彩平滑过渡。

大多数图片既有高频成分又有低频成分，色彩剧烈变化的地方，就是图像的高频区域；色彩稳定平滑的地方，就是低频区域。

1.2.4.2. 滤波器(Filter)

定义：由特定公式导出的卷积核。

规则要求：

1）滤波器的大小应该是奇数，这样它才有一个中心，例如3x3，5x5或者7x7。有中心了，也有了半径的称呼，例如5x5大小的核的半径就是2。

2）滤波器矩阵所有的元素之和应该要等于1，这是为了保证滤波前后图像的亮度保持不变。当然了，这不是硬性要求了。

3）如果滤波器矩阵所有元素之和大于1，那么滤波后的图像就会比原图像更亮，反之，如果小于1，那么得到的图像就会变暗。如果和为0，图像不会变黑，但也会非常暗。

4）对于滤波后的结构，可能会出现负数或者大于255的数值。对这种情况，我们将他们直接截断到0和255之间即可。对于负数，也可以