![b5b672c3ccfd72f62bfae3e20951d496.png](https://i-blog.csdnimg.cn/blog_migrate/6b25255292c1e16cc7d4ea6aa9b5d32a.jpeg)
这篇文章我总结了数字图像处理在进行完初步的预处理(比如降噪和增强等)之后,我们通常最关心的五个问题:
一是图像处理的基本任务;二是基本任务的模型构建;三是模型的参数优化;四是构造损失函数;五是选择更新方案。我们分五篇知文分别谈谈这五个问题。
今天我们主要讨论图像处理中的基本任务。
其实说起来也很简单,就像我上一篇知文“疫情期间图像处理自学指南”中提到的图像的数字处理通常都是按照三个层次按部就班地完成的,底层的两个任务为图像复原与图像重构;中层的两个任务为图像分割与图像压缩;高层的两个任务为图像识别与视觉跟踪。而图像的特征提取则贯穿于图像处理各个环节,所以图像处理有七个基本任务要明确在心。
既然图像特征提取贯穿于整个图像处理过程中,那我们就首先看看图像特征提取是怎么回事吧。
图像特征分为显性特征与隐性特征。
显性特征通常是是通过测量或处理能够抽取的数据。对于图像而言, 每一幅图像都具有能够区别于其他类图像的自身特征,有些是可以直观地感受到的自然特征,如亮度、边缘、纹理和色彩等;
而隐性特征则是需要通过变换或处理才能得到的,如图像中目标对象的(概率)密度、矩、直方图以及可用于图像降维