基于python-tensorflow的机器视觉学习手札 （1.4）图像处理篇-图像的空域、频域增强

接着上一篇没总结完的继续。
由于回学校了，会把一部分时间投入到科研以及找工作中去（其实找工作也是写博客的初衷之一），尽量保持更新速度，怎么也要一周两三更吧。。
系统的提一嘴，1.n将是图像处理部分，用matlab和python的opencv（有时可能用到numpy和matplotlib等包）接口实现各种基础的功能，最后可能会总结到一些简单的非cnn实现一些人脸区域识别、模式识别的领域里；（大体按照matlab图像处理实例详解的顺序来）2.n可能是python的使用部分，由于我是跟着廖雪峰老师的教程来的，所以顺序可能是和廖老师的一样，然后带一些numpy等常用包的使用方法作为番外；3.n是tensorflow部分，我学的也不是很好，前面先跟着极客学院的中文手册来，后面可能会结合外文文献做一些翻译和复现。
由于我是半路出家，所以对这些东西的理解不够专业和详尽，可能还会有很多错误，请各位指出并海涵，也可以和我交流讨论！qq：1157274846，欢迎大家找我交流！
废话说完了，开始总结：

1.图像的空域增强

其实前面很多东西都是空域增强，比如直方图均衡化啊、用numpy增强对比度啊，等等。不过最重要的部分还是以卷积为原理的，前面稍微提到过一点的（在邻域操作部分）。
不同的邻域操作，也就是空间域的卷积操作，可以在空域实现不同的图像增强效果，而每一种方法的不同之处只是卷积核的不同(算子 或者卷积矩阵，怎么叫都没关系)。
比如，卷积核为np.array[0,1,0],[1,1,1],[0,1,0]，叫做线性平均滤波。（实际上是求目标点的4邻域和本身的平均值作为新图像中该点的值）这是一种最常用的线性空域滤波，主要作用是模糊图像，实质上是一种低通滤波器，会挡掉图像高频的部分，而高频的部分主要是图像的边缘，所以会产生模糊。为什么说模糊图像也是图像增强呢？因为这种方法是去噪声的方法之一，且对数量较少的随机椒盐噪声效果较好。
同样的，也可以把卷积核大小设定为5*5、7*7、或是卷积核变为ones（全为1的矩阵）、高斯分布等，都是平均（低通）滤波，也叫平滑滤波。
python中常用的平滑滤波分别有：

blur—图像均值平滑滤波
blur(src, ksize, dst=None, anchor=None, borderType=None)
  src：图像矩阵
  ksize：滤波窗口尺寸
GaussianBlur—图像高斯平滑滤波
GaussianBlur(src, ksize, sigmaX, dst=None, sigmaY=None