顏色通道

RGB顏色空間：一個像素彩色值（b,g,r）；取值範圍[0,255]
HSV顏色空間：H色調，S飽和度，V明度；一個像素彩色值（h,s,v）

圖片存儲原理

• RGB三通道彩色圖

圖片->3維矩陣（[0,255]）

• 單通道灰度圖

亮度信息（[0,255]）
灰度化：Gray=R0.3+G0.59+B*0.11

圖片處理方法

特徵提取方法

空間域處理

點運算 統計一個點的灰度或顏色，把相近的歸在同一類
直方圖Histogram
對圖片數據/特徵分佈的一種統計。
直方圖均衡化
利用圖像直方圖對對比度進行調整的方法。（解決整個圖片拍得亮或太暗）
實質上是對圖像進行非線性拉伸。
直方圖均衡化之後，可以讓亮度更好地在直方圖上分佈，讓顏色均勻的分佈在0~255之間。
如何進行非線性拉伸？分段（區間）。
自適應直方圖均衡（AHE）：

• 移動模板在原始圖片上按照特定步長滑動；
• 每次移動後，模板區域內做直方圖均衡，映射後的結果賦值給模板區域內所有點；
• 每個點會有多次賦值，最終的取值為這些賦值的均值。

限制對比度自適應直方圖均衡（CLAHE）：
AHE會過度放大圖像中相對均勻區域的噪聲。與普通的自適應直方圖相比，CLAHE的不同地方在於直方圖修建過程，用修剪後的直方圖均衡圖像時，圖像對比度會更自然。

紫色部分的灰度（數據亮）太高，把它用等面積轉換法將整個直方圖墊高。問題：圖像不連續。解決方法：雙線性插值。
步驟：

1. 圖像分塊，以塊為單位。
2. 計算直方圖，然後修剪直方圖，最後均衡。
3. 遍歷操作各個圖像塊，塊間雙線性插值。
4. （選做）與原圖做圖層濾色混合操作（變得柔和化）。

形態學運算膨脹/腐蝕
開運算：先腐蝕再膨脹，可以去除掉目標外的孤立點。
閉運算：先膨脹再腐蝕，可以去除掉目標內的孔洞。
臨域運算空間域處理及其變換
濾波/卷積
在每個圖片位置（X,Y）上進行基於鄰域的函數計算。

卷積的結果一定會是縮小的。
邊界填充（Padding）

找kernel的中心點放在要處理的那個格在上。
只要允許padding，卷積前的尺度和卷積後的尺度會是一樣的。
補充類型：【補零】、【邊界複製】、【鏡像】、【塊複製】。
中值濾波，去除椒鹽形噪音。對比如下圖所示：

高斯濾波：模擬人眼，關注中心區域。

分解特性（級聯高斯）
2D卷積拆分成兩個相同的1D卷積。
降計算（減少計算量）： 2D卷積-KxK次計算
2x1D卷積-2K次計算

高斯金字塔
高斯金字塔本質上為信號的多尺度表示法。
圖像金字塔化：先進行圖像平滑，再進行降採樣。
高斯濾波的必要性：直接降採樣損失信息。
應用：目標檢測。目標在圖片上可能佔了很大的區域，也很可能只佔了一小塊區域。在大尺度上找細節特徵，小尺度是上比較大的特徵。

拉普拉斯金字塔
高頻細節信息在卷積和下採樣中丟失。
保留所有層所丟失的高頻信息，用於圖像復原。

頻率域處理

傅里葉變換任何一個信號都可以由足夠多個不同的頻率和幅值的正餘弦波組成。
基於傅里葉變換的濾波：低通濾波；；相位濾波。
傅里葉變換的不足：傅里葉變換假設前提為信號平穩，但實際中信號多數為非平穩信號。
解決辦法：短時傅里葉變化。但是窗格大小很難設置。

小波變換1.均值為0；2.在時域和頻域都局部化。