DeepAIedu的博客

在以图像视觉为主的CV任务当中，经常会遇到图像光照不均匀的情况，这种情况往往会影响到图像的对比度问题，从而影响到CV任务的最终结果。比如我们在做人脸识别的时候，由于每个人所处的环境的不同，目标人物脸上的光照情况也是不一样的，我们无法保证每个人的人脸光照度都是均匀的。那么就有可能会影响到最终识别的结果。如果出现这种情况，是需要我们进行一定的处理的。

​图像边缘检测任务在实际应用场景中非常多见，一般对于检测出的边缘可以进行分割提取，计算边缘、轮廓内的面积、周长等。图像分割技术大体可以分为两类：以传统机器学习为主的图像梯度计算方法、以及以深度学习为主的端到端的图像分割学习方法，两者的计算成本和最终效果也是大相径庭。简而言之，传统的检测分割方法计算成本要低，但是效果较差，大部分情况下都达不到我们的要求，而深度学习为主的端到端的检测分割方法计算成本高，一般都是需要GPU的计算，但是效果非常的好，目前实际落地应用中，基本全都是以深度学习为主的..

​按照某度的解释，傅立叶变换，是表示能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。在不同的研究领域，傅立叶变换具有多种不同的变体形式，如连续傅立叶变换和离散傅立叶变换。最初傅立叶分析是作为热过程的解析分析的工具被提出的。其公式是一个连续积分函数：公式描述：公式中F（ω）为f（t）的像函数，f（t）为F（ω）的像原函数。原理解析抛开复杂的公式推导简单来说，傅立叶变换的实际意义就是对一个指定的信号曲线，可以使用傅立叶变换的方法对.