关于图像存储
二值图像和灰度图像
图像处理之双线性插值
图像基础知识
DPI与PPI
DPI（Dots Per Inch，每英寸点数），图像每英寸（1 英寸 = 25.4 毫米）长度内的像素点数。
我们还是应该把像素理解为小方块，dpi就可以理解为是一英寸长度内排列的像素数。
通过图像的dpi我们就可以计算出在这个图像中像素的边长，如果也知道图像的分辨率（宽高像素数），就可以知道该图像的真实尺寸了。
连通区域分析
色彩空间
RGB
HSV
H就是颜色，红色0度，绿色120度，蓝色240度
S是饱和度，纯度，0-1
V是亮度，0-1
H是色彩点在对应圆形切面上与红色半径(对于H=0度)所形成的圆心角。
V是色彩点所在圆形切面到圆锥顶点的距离。在顶面上V=1 顶点V=0
S是色彩点到所在圆形切面圆心的距离与该圆半径的比例值，在圆锥表面上S=1，在圆心处S=0
YCrCb
- Y是颜色的亮度
- Cr是红色浓度偏移量
- Cb是蓝色浓度偏移量
常见的灰度变换
- 图像反转
- s = L(灰度级数) - 1 - r
- 对数变换
- s = c*log v+1为底（1+ v * r），V越大，灰度提高越明显，即图像越来越亮
- 指数变换
- s = c*r的伽马次方，将灰度较窄的区域拉伸为较宽的区域
- 直方图均衡化
- 图像灰度集中在直方图的两端
1.空间域图像处理
什么是空间域
"空间域”指图像平面本身，即:图像中的每个像素单元
为什么要用“空间域”这种难解的名字
空间域”主要是为了区别于“变换域”，"变换域”是将图像转换到其他的域(如频率域)，在变换域做完处理之后再通过反变换的方式转换回来。
“空间域”图像处理包含哪些方面
"空间域” 图像处理主要包括**[灰度变换]和[空间域滤波]**
“空间域”滤波怎么理解：
滤波名词出自于信号系统，从图像来说，图像是二维数据，二维数据传输的时候是逐行传输的，对应于信号处理，就是一个连续的波形，对波形做一些处理，按预期过滤掉波形中的某些成分，所以形象地表示为-滤波。所谓滤波，就是对图像进行处理，比如降噪，平滑等操作
空间域滤波具体如何执行
利用核，kernel，掩模进行卷积运算，
2.平滑空间滤波器（低通滤波）
包含三个部分
平滑线性滤波器
中值滤波器
高斯滤波器
作用：
- 模糊处理：大目标提取之前先去掉图像中的琐碎细节
- 降低噪声：典型的噪声是由于灰度级的急剧变化引起的
平滑线性滤波器（盒状滤波器）
所有系数都相等的滤波器
卷积处理后，核的尺寸越大越模糊
- 作用：
- 为了对感兴趣的物体得到一个粗略的描述而模糊一幅图像
- 原理：模糊之后，小目标和背景接近甚至融于目标，因此再根据大目标的灰度值选一个阈值，便能提取目标
统计排序(非线性)滤波器（中值滤波器）
- 像素领域内灰度的中值来替换目标像素
- 用于除去椒盐噪声
- 原理：椒盐噪声是由黑点或白点叠加到图像上的，且黑白点相当于极大值和极小值，而中值滤波是用中值替代这些极值
高斯滤波器
是一种线性滤波器，能够有效抑制噪声，平滑图像。
高斯滤波核计算方法：
- 将各个位置的坐标代入高斯函数，得到的值就是模板的系数
sigma是自己选择的，sigma小，平滑效果不明显；sigma大，类似于均值模板，平滑效果好
3.锐化空间滤波器（高通滤波/双边滤波）
- 作用：
- 突出灰度的过渡部分（比如寻找边界，增强图像）
- 原理：
卷积核是不断变化的：
- 颜色差越大、加权值越小
- 距离越远，加权值越小
锐化操作主要是对图像求一阶导数和二阶导数
包含三个部分
- Prewitt算子
- Sobel算子
- 拉普拉斯算子
Prewitt算子（一阶微分算子）
- 作用：用不同方向的算子可以检测不同类型的边缘或线
- 原理：一阶微分算子可以定位到边缘线
| -1 | -1 | -1 |
|---|---|---|
| 0 | 0 | 0 |
| 1 | 1 | 1 |
| -1 | 0 | 1 |
|---|---|---|
| -1 | 0 | 1 |
| -1 | 0 | 1 |
Sobel算子
- 作用：比Prewitt多了平滑功能
| -1 | 0 | 1 |
|---|---|---|
| -2 | 0 | 2 |
| -1 | 0 | 1 |
| -1 | -2 | -1 |
|---|---|---|
| 0 | 0 | 0 |
| 1 | 2 | 1 |
Laplacian算子（二阶微分算子）
| 0 | 1 | 0 |
|---|---|---|
| 1 | -4 | 1 |
| 0 | 1 | 0 |
