颜色空间 空间之间可以进行转换
RGB空间
HSV空间
CIE-XYZ颜色空间 基于人类颜色视觉的直接测定
主流的颜色空间 RGB三通道彩色图 图片=》三维矩阵[0,255]
单通道灰度图 Gray
图像预处理 是图像增强的过程
目标 改善图像的视觉效果，转换为更适合与人或机器分析处理的方式，突出对人或机器分析有意义的信息，一直无用信息，提高图像的使用价值
图像锐化、平滑、去噪等
图像处理方法：空间域处理、频率域处理
空间域处理：点运算、形态学运算、邻域运算
频率域运算：傅里叶变换、小波变换
点运算 特征提取的方法
直方图 对图片数据、特征分布的一种统计（统计灰度、颜色、梯度/边缘、形状、纹理，局部特征点、视觉词汇）
对数据空间（bin)进行量化
直方图均衡化 利用图像直方图对对比度进行调整的方法，实质上是对图像进行非线性拉伸，重新分配各个灰度单位中的像素点数量，是一定灰度范围像素点的数量的值大致相等
自适应直方图均衡（AHE）算法通过对局部取余进行直方图均衡。
CLAHE 限制对比度自适应直方图均衡，AHE会过度放大图像中相对均匀区域的噪音，
不同块进行不同的直方图均衡化，不同区域由相邻块的灰度映射值进行插值，线性插值或者双线性插值
CLAHE算法步骤：
形态学运算 膨胀和腐蚀
开运算：先腐蚀再膨胀，可以去掉目标外的孤立点；闭运算：先膨胀再腐蚀，可以去掉目标内的孔
空间域处理
滤波/卷积 在每个图片位置上进行基于邻域的函数计算
不同功能需要定义不同的函数 平滑/去噪 梯度/锐化 边缘、显著点、纹理，模式检测
通过padding边界填充可在卷积后获得同尺寸的输出
平滑中值滤波 有效去除椒盐噪声
平滑高斯滤波 有效去除高斯噪声 高斯核 得到结果关注中心区域
梯度 拉普拉斯滤波 团块检测 边缘检测
如何让卷积更快 空域卷积=频域卷积
高斯金字塔
将图像金字塔化：先进性图像平滑，再进行降采样，根据降采样率，得到一系列尺寸逐渐减小的图像。 目的：捕捉不同尺寸的物体
高斯金字塔本质上为信号的多尺度表示法
拉普拉斯金字塔：高频细节信息在卷积核下采样中丢失，保留所有层所丢失的高频信息用于图像恢复
傅里叶变换 一个信号可以有足够多个不同频率和幅值的正余弦波组成
傅里叶变换 信号分解
欧拉公式描述的是一个随时间变化，在复平面上做圆周运动的点，傅里叶变换描述的就是一系列这样的点的运动叠加效应。
2D傅里叶变换，图像又若干个2D傅里叶基图片构成
相位滤波 频谱滤波
傅里叶变换不足 傅里叶变化假设前提为信号平稳，但实际中信号多数为非平稳信号。 缺乏时间和频率的定位功能，对于非平稳信号的局限性，在实践中和频率分辨率上的局限性。
短时傅里叶变换 添加时域信息的方法时设置窗口，人为窗口内的信号是平稳的，窗口大小很难设置。
小波变换，把傅里叶变换的基给换了，将无限长度的三角函数基换位有限长的会衰减的基，不仅能获取频率还可以定位到时间。
小波函数是一族函数，均值为0 在时域和频域都局部化，Haar小波（梯度的突变）
