目标:
1.了解颜色的知识,转换
2.了解改变图像的步骤
3.聚类算法初学习
学习:
1.lab空间/色彩空间
色彩空间转换(RGB空间与Lab空间)_yleave的博客-CSDN博客_lab空间
简单的3×3矩阵运算实现RGB到lαβ空间的转化
由亮度分量l,和两个色度分量α和β组成。其中,α表示黄一蓝通道(yellow—blue opponent),β表示红一绿通道(red—green opponent)
lαβ色彩空间不仅基本消除了颜色分量之间的强相关性,而且有效地将图像的灰度信息和颜色信息分离开来。所以可以分别对三个通道图像进行独立的运算,而不需要修改另外两个通道的信息,从而不会影响原图像的自然效果
从RGB空间到lαβ空间的转换
需要进行3次变换,即RGB->CIEXYZ->LMS->lαβ
当图像在lαβ空间进行处理之后,为了显示处理的结果,需要把图像转换到RGB空间
LAB颜色空间在计算机视觉中经常被使用,知道L,A,B三个通道的取值范围有一定的意义。
L∈[0, 100]
A∈[−86.1813, 98.2352]
B∈[−107.8618, 94.4758]
2.RGB聚类
将RGB分成16x16x16个bins,对bins里进行聚类,以减少数据总量
3.范数
在机器学习的诸多方法中,假设给定了一个比较小的数据集让我们来做训练,我们常常遇到的问题可能就是过拟合 (over-fitting) 了,即训练出来的模型可能将数据中隐含的噪声和毫无关系的特征也表征出来。
范数(norm) 几种范数的简单介绍_josjiang1的博客-CSDN博客
4.radial basis functions 径向基函数
高斯核函数_wuyanxue的专栏-CSDN博客_高斯核函数
核函数是算两个样本间的距离的,x是一个样本,x'是另一个样本。
X‘是指每一个训练data point。高斯核是input X到训练data point X‘的距离的单调函数。