图像处理基础知识

1.为什么学习了图像处理，还要学习机器学习?
图像处理主要是为了提取图像中的ROI区域。机器学习，是为了对提取出来的区域进行分析和识别。
2.一个完整的数字图像处理系统:
有图像通信（采集到的原始图像占用内存大，需要对图像进行压缩和编码），图像输入（采集图像），图像分析处理，图像输出，图像存储。(图像扫描仪是图像的数字转换设备，连续信号转换成离散信号)。

图像有多种多样的颜色空间，最常用的是rgb和hsv(hsi)。 rgb主要是面向机器的一种颜色，hsi面向颜色处理更贴近人的感知的一种颜色空间。
图像中的深度:是描述图像的一个像素的比特数称为像素的深度。
例如:Rgb 24比特彩色立方体，它的颜色总数是283有1677万多种颜色。
hsi颜色空间模型:圆柱的中心轴代表亮度，最上边是最亮的，最底下是最暗的。

圆柱平面形成一个色环，它的半径代表亮度，角度代表饱和度。
3.图像从连续信号变为离散信号时，需要用到采样，通常最常用的是均匀采样。利用采样函数与图像(连续函数)进行相乘，得到最后的离散图像。
4.什么是图像变换?
图像变化是透过不同角度更简洁的观察和认识图像。
通过一定的规则，将图像从一个空间(空间域)转变到另一个空间(空间域或频率域)的变化。
5.图像变换的应用:
用于图像压缩编码，图像增强，图像复原，图像特征提取等任务中。
目的:可以更好地观察图像，例如放大。
一个空间域中难以处理,解决的复杂问题，经过图像变换转换到另一个空间。
降低图像在空间域的冗余度，减少图像维数。
图像变化分为:几何图像变换(透视变换，仿射变换)，离散傅立叶图像变换(一维离散傅立叶变换，二维离散傅立叶变换)，离散余弦图像变换，沃尔什-哈达码图像变换，k-l图像变换。
图像几何变换，指用数学建模的方法描述图像的位置，大小，形状等变化。
仿射变化是二维坐标到二维坐标的线性变换，它可以保持图像的平直线和平行性。但是相交的两条图像经过防射变换之后，不能保证两条直线相交的角度，还是原来的角度。
直线经过仿射变换之后还是直线，三角形经过仿射变换之后，还是三角形，但四边形或者多边形，经过仿射变换之后，不能保证其形状。仿射变换的矩阵是一个2×3的矩阵，有六个自由度。
透视变化是一种平面映射，也可称为投影映射。透视变换矩阵是一个3×3的矩阵，有九个自由度。
透视变换可以保证四边形经过变换之后还是四边形。图像经过几何变换之后，对应像素点的空间位置发生变化，但该像素点的像素值需要经过其他方法进行确定。例如最近邻插值法(容易导致图像马赛克)，双线性差值法(会使图像过于平滑，细节信息丢失)，还有卷积插值法。