图像处理包括哪些东东？

预备知识：
1.颜色空间：
RGB：red,green,blue(红，绿，蓝)
CMY(K)：cyan，magenta，yellow，key(蓝绿，品红，黄，黑)
HSV：hue, saturation, value(色调：颜色种类；饱和度：颜色纯度；明度：颜色明亮度)
CIE-XYZ：人眼颜色视觉
Lab：

2.颜色像素值范围：[0,255]或者[0,1]
3.图片存储：
彩色图：RGB三通道存储（三维矩阵：三个矩阵表示），如Red通道，像素值在255之间，0表示黑， 255表示最红。当某个像素点的三个通道值均为255，那么这个像素点的值就是255，呈白色。
灰度图：黑（0），白（255），中间值为不同程度的灰色
彩色图转化为灰度图：Gray=R0.3+G0.59+B*0.11
4.图像增强的目标：抑制无用信息，突出有用信息

第一章：图像的预处理

一、直方图有关知识：
1.什么是直方图？
直方图是图像灰度值的统计，横坐标为灰度值（0~255），纵坐标为像素点个数
2.什么是直方图均衡？
对密集的直方图进行非线性拉伸，密集的直方图变得离散一点，使得图片成块灰度值的地方，对比度变得更好。
3.什么是自适应直方图均衡？(AHE)
通过滑窗，每个窗口做直方图均衡，对于图片同时含有暗和亮，处理效果更好
4.什么是限制对比度自适应直方图均衡？（CLAHE）
在自适应直方图均衡的基础上进行优化，使得图片中的各位置灰度值具有连续性，看上去更自然一点。

二、形态学有关知识：
1.什么是腐蚀和膨胀？
腐蚀：用一个小矩阵模板，沿着图像的高亮部分的内边缘过一遍，其小模板中心点的轨迹形成了新的图像，这就是图片的腐蚀。
膨胀：用一个小矩阵模板，沿着图像的高亮部分的外边缘过一遍，其小模板中心点的轨迹形成了新的图像，这就是图片的膨胀。
2.开运算和闭运算？
开运算：先腐蚀再膨胀，消除目标外的孤立点
闭运算：先膨胀再腐蚀，消除目标内的孔洞

三、空域分析及变换
1.滤波（卷积）：用卷积核对图片进行滑窗，矩阵中的数字对应相乘再相加
2.填充：补零，边界复制，镜像复制，块复制
3.滤波：
均值滤波：没啥用，使得图片变模糊了
中值滤波：可以去除椒盐噪声，即去除图片中的麻点
高斯滤波：模拟人眼，突出中心区域，类似于背景虚化
prewitt滤波：卷积核的一个方向有梯度，一个方向均值平滑
sobel滤波：卷积核的一个方向有梯度，一个方向高斯平滑
拉普拉斯滤波：卷积核的值加起来为0，中心点的值等于周围总和值（绝对值相等），突出图像的细节

第二章：图像特征与描述

一、颜色特征
1.量化颜色直方图：对颜色空间进行单元格划分，统计落在单元格的像素点数量。用于RGB，HSV颜色空间
2.聚类颜色直方图：对出现的像素点颜色进行直方图统计。用于Lab颜色空间

二、几何特征：边缘（Edge）
1.边缘定义：图片中像素值快速变化的区域（像素值的一阶导数，取极值）
2.边缘提取：由于图片中存在噪声，导数对噪声敏感，如果直接提取边缘，会有许多噪声的地方也会出现极值，所以先用高斯平滑滤波，可以突出图片中边缘，去除噪声；最后求导进行边缘提取（总结：先高斯滤波，再对像素值使用一阶导数，一阶导数极值的地方就是边缘了）
3.由于图片中的边缘是分布在不同方向上的，比如横着方向提取的边缘，表示图片在这一区域的像素值，横着方向变化剧烈。那么如果像素值在任一方向变化剧烈，该怎么提取边缘呢？即将横着方向，扩展为梯度方向，可找到当前像素点沿着哪个方向变化最激烈。那么变化的剧烈值是多少呢？即对x,y方向变化的值，两个一阶导数取平方，再求和

4.高斯平滑函数的σ决定高斯函数的胖瘦和高低，即决定边缘提取的精度，σ越小，边缘提取越精确

三、几何特征：特征点
1.原理：我们人类在从不同距离，不同方向，不同光照条件下观察一个物体时，虽然这个物体的大小，形状，明暗都会有不同，但是我们仍然可以判断出，它们是同一个物体。
所以，我们认为物体中有些点（特征点或者关键点），在物体处于不同条件下时，彼此能够匹配。
那我们在什么条件下仍为两个点就是匹配的特征点呢，这需要描述子来进行判断。
2.harris角点：用一个小窗口，在任一方向上移动，如果每个方向上都有较大的像素值变动，当前位置就是一个角点。如果只有一个方向有像素值变动大，当前位置为边缘直线。无变动则为平区域。
3.fast角点：以某个像素点为中心，观察一个离散化的圆，如果圆上有n个连续点的像素值，超过或低于某个像素阈值，就仍为这个中心像素点是一个角点
3.斑点：像素值函数的二阶导数值，取最大值，此时像素点的位置就是斑点
1）SIFT特征点：需要理解每一步的具体操作

2）SURF特征点：需要理解每一步的具体操作

3）ORB特征点：改进的fast角点，brief描述子（需要理解每一步的具体操作）