计算机视觉（1）图像预处理

RGB颜色空间 加法混色空间 越叠加越白
一个像素的颜色值（b,g,r)
范围：【0，255】 【0，1】
CMYK颜色空间
减法混色 越叠加越黑
4个维度来构成
HSV颜色空间 色调，饱和度，明度
可以和RGB相互转换
CIE-XYZ颜色空间
人眼睛对颜色的容忍度

灰度化：Gray=R*0.3+G*0.59+B*0.11将彩色转换为灰色
为什么要图像处理：
改善视觉效果
转换成为更适合于人或者机器分析处理的形式
抑制无用信息，提高图像的使用价值
突出对人或者机器分析有意义的信息

图像处理：空间域处理（点运算（HE,ClAHE)形态学运算（膨胀腐蚀）
邻域运算（卷积，金字塔））频率域处理（傅里叶变换小波变换）

点运算：
直方图：对图片特征的一种统计
对数据空间进行量化
直方图均衡化：利用直方图对比度进行调整的方法，可以亮度更好的在直方图上分布
操作：对图像进行非线性拉伸
经典算法：重新分配各个灰度单位中的像素点数量，使一定灰度范围内像素点数量大致相等
自适应直方图均衡（AHE）：对局部区域进行直方图均衡

CLAHE：限制对比度自适应直方图均衡
AHE会放大图像中相对均匀区域的噪音
CLAHE：将比较突出的部分根据等面积法将直方图垫高，也包含AHE的操作

CLAHE步骤：
1.图像分块，以块为单位
2.先计算直方图，然后修建直方图，最后均衡
3.遍历操作各个图像块，进行块间双向性插值
4.与原图做图层滤色混合操作

开运算：可以去掉目标外点
闭运算：可以去掉目标内的空洞

滤波/卷积：
对每个位置进行邻域函数计算
不同功能需要定义不同的函数
边界填充 获得同尺寸输出
补充类型：填零，边界复制（挨着谁就用哪个数字），镜像（镜子一样对称），块复制（把原来的数字块复制)

均值滤波既没有很好的去除噪声点，也破坏了图像的细节反而让图片更模糊
平滑中值滤波 卷积域内的像素值从小到大排序 取中间值作为卷积输出
可以有效去除椒盐噪声
平滑高斯滤波 模拟人眼，关注中间区域 离关注中心越远，感受精度越模糊
高斯核参数越小越集中 越大越模糊

有效去除高斯噪声
两维的卷积可以拆分成像个相同的一维
大大减少计算次数
K*K->2K

水平梯度，均值平滑
垂直梯度，水平平滑
梯度均表示一阶微分

拉普拉斯滤波 二阶微分算子
团块检测：周边高于或者低于中心点 卷积核要满足中间值很小，为负数，但是整个卷积核的数字和为0
作用：使原始图像锐化
原始图片和经过拉普拉斯算子运算后的再进行相减
让卷积更快：原图经过快速傅里叶变换，卷积核到快速傅里叶变换，结果再变换到空域

高斯金字塔：
先进行高斯模糊，在进行降采样，得到尺寸逐渐减小的图像
高斯+降采样 图像失真不是很大
拉普拉斯金字塔：
高频细节在高斯金字塔和下采样中丢失
保留所有层所丢失的高频信息，用于图像恢复
下采样的小图像再上采样回来

傅里叶变换：
一个信号可以由足够多的不同的频率和幅值的正余弦波组成

信号分解
图片经过傅里叶变换可以得到频图

小波变换

转载于:https://www.cnblogs.com/libin123/p/10240984.html