[TOC]

计算机视觉

数字图像处理（第四版）

像素（Pixel）
- 图像的最小单位，每个像素包含颜色信息；
图像分辨率（Resolution）
- 图像的分辨率指的是图像在水平和垂直方向上的像素数量；
屏幕分辨率（Screen Resolution）
- 屏幕分辨率指的是屏幕上水平和垂直方向上的像素数量；
灰度
- 灰度图像的每个像素值介于0到255之间，表示从黑到白的亮度；
灰度级
- 灰度级指的是图像中不同的亮度级别数量；
- 有时把最大灰度级数称为灰阶（Gray Levels）；
深度
- 图像的深度指的是每个像素能存储的颜色通道数；
- 计算一个相机单次采集的数据量，分辨率*深度；
- 1MB=1024KB，1KB=1024Byte，1Byte=8bit；
二值图像
- 二值图像的每个像素只能是0或1，表示黑和白，用1bit存储；
灰度图像 Gray Scale Image
- 灰度图像的每个像素值介于0到255之间，表示从黑到白的亮度；
- 灰度图像只包含一个通道的信息
彩色图像 RGB Image
- 彩色图像的每个像素包含三个颜色通道，分别是红色、绿色和蓝色，从0到255之间；
通道

获取图像的宽高

height = np.shape(img)[0] 
width = np.shape(img)[1]
channels = np.shape(img)[2]

显示图片cv.imshow(filename,img)
保存图片cv.imwrite(filename,img)
创建窗口cv.namedWindow(windowname)
单窗口多图显示cv.hstack(tuple(img1,img2,img3))
- 将多个图像横向拼接起来显示，高度shape[0]必须相同；
调整窗口大小cv.resizeWindow(windowname,width,height)
- 注意创建窗口时flag=cv.WINDOW_NORMAL；
销毁窗口cv.destroyAllWindows(windowname)
鼠标事件
键盘事件
滑动条事件

alt text

若曝光不足/曝光过度，导致图像对比度过小、输入图像的亮度分量的动态范围较小，可以通过灰度变化来提高图像的对比度，突出感兴趣的特征/抑制无效信息；
彩色图像灰度化
- 加权平均值法
- 最大值法D=Max(B,G,R)
- 平均值法D=Avg(B,G,R)
灰度线性变化
- 在低曝/过曝情况下，图像的灰度局限在小范围内，采用线性变化可以对指定范围的灰度做拉伸；
- 分段线性变化将灰度分为多个范围，对感兴趣的特征进行增强；
- 分段线性需要确认分段点，可以考虑自适应最小误差法、多尺度逼近法、恒增强率
非线性变换
- 对数变换，能增强暗部细节
- 伽马变换，多用于高灰度和低灰度的增强

频率域平滑
- 傅里叶变换，将图像从空间域转换到频率域；
- 傅里叶变换的逆变换，将图像从频率域转换到空间域；
- 高频噪声频谱，可以使用低通滤波器；
- 低频噪声频谱，可以使用高通滤波器；
空间域平滑
- 线性滤波与非线性滤波
- 线性平滑可以降噪，但是模糊了边缘和细节；
- 非线性平滑可以消除孤立点噪声，但是模糊了边缘；
线性滤波方法
- 归一化/均值滤波cv.blur(src,ksize)
- 高斯滤波cv.GaussianBlur(src,ksize,sigma)
  - 高斯滤波是高斯核与图像卷积，对于服从正态分布的噪声，效果最好；
  - 高斯模糊是通过低通滤波器实现的，可以去除图像中的高频噪声；
非线性滤波方法
- 中值滤波cv.medianBlur(src,ksize)
  - size大于1且为奇数，默认为3*3；
  - 对于椒盐噪声（随机出现的白点/黑点），中值滤波效果好；
  - 会丢失图像的边缘信息，带来不必要的模糊；
- 双边滤波cv.bilateralFilter(src,ksize,sigmaColor,sigmaSpace)
  - 双边滤波同时考虑空间距离和像素值差异，可以较好地保持边缘信息；
  - 运算较慢，可以采用快速双边滤波、双边中值滤波；
  - 通常用较小的sigmaColor和较大sigmaSpace，可以有效去噪并保持边缘；

边缘检测后大幅减少了图像的数据量，剔除了图像的大部分冗余信息，便于后续的特征提取和识别；
基于查找的边缘检测算法，通过寻找图像一阶导的最大/最小值来检测边缘，通常是把边界定位在梯度（灰度变化）最大的方向上；
基于零穿越的边缘检测算法，通过寻找图像二阶导数的零点来检测边缘，通常是Laplacian过零点/非线性差分表示的过零点；
锐度acutance，边缘的对比度
图像锐化的意义
- 一般图像都处于低频部分，噪声和边缘处于高频部分；
- 原始图像在平滑降噪处理后一定程度上也模糊了边缘，平滑一般都是平均/积分运算；
- 因此可以通过积分逆运算（如微分）来锐化边缘；
- 锐化方法分为频域高通滤波和空域微分法；
图像边缘
- 边缘具备方向和幅度特征，是图像灰度变化剧烈的区域，即局部梯度较大的区域；
- 灰度有明显差异点，为阶跃性边缘，如轮廓线，其二阶导数在边缘处呈零交叉；
- 灰度从增大到减少点，为屋顶状边缘；
边缘分类和检测分类