RGB顏色空間 加法混色空間 越疊加越白
一個像素的顏色值（b,g,r)
范圍：【0，255】 【0，1】
CMYK顏色空間
減法混色 越疊加越黑
4個維度來構成
HSV顏色空間 色調，飽和度，明度
可以和RGB相互轉換
CIE-XYZ顏色空間
人眼睛對顏色的容忍度

灰度化：Gray=R*0.3+G*0.59+B*0.11將彩色轉換為灰色
為什么要圖像處理：
改善視覺效果
轉換成為更適合于人或者機器分析處理的形式
抑制無用信息，提高圖像的使用價值
突出對人或者機器分析有意義的信息

圖像處理：空間域處理（點運算（HE,ClAHE)形態學運算（膨脹腐蝕）
鄰域運算（卷積，金字塔））頻率域處理（傅里葉變換小波變換）

點運算：
直方圖：對圖片特征的一種統計
對數據空間進行量化
直方圖均衡化：利用直方圖對比度進行調整的方法，可以亮度更好的在直方圖上分布
操作：對圖像進行非線性拉伸
經典算法：重新分配各個灰度單位中的像素點數量，使一定灰度范圍內像素點數量大致相等
自適應直方圖均衡（AHE）：對局部區域進行直方圖均衡

CLAHE：限制對比度自適應直方圖均衡
AHE會放大圖像中相對均勻區域的噪音
CLAHE：將比較突出的部分根據等面積法將直方圖墊高，也包含AHE的操作

CLAHE步驟：
1.圖像分塊，以塊為單位
2.先計算直方圖，然后修建直方圖，最后均衡
3.遍歷操作各個圖像塊，進行塊間雙向性插值
4.與原圖做圖層濾色混合操作

開運算：可以去掉目標外點
閉運算：可以去掉目標內的空洞

濾波/卷積：
對每個位置進行鄰域函數計算
不同功能需要定義不同的函數
邊界填充 獲得同尺寸輸出
補充類型：填零，邊界復制（挨著誰就用哪個數字），鏡像（鏡子一樣對稱），塊復制（把原來的數字塊復制)

均值濾波既沒有很好的去除噪聲點，也破壞了圖像的細節反而讓圖片更模糊
平滑中值濾波 卷積域內的像素值從小到大排序 取中間值作為卷積輸出
可以有效去除椒鹽噪聲
平滑高斯濾波 模擬人眼，關注中間區域 離關注中心越遠，感受精度越模糊
高斯核參數越小越集中 越大越模糊

有效去除高斯噪聲
兩維的卷積可以拆分成像個相同的一維
大大減少計算次數
K*K->2K

水平梯度，均值平滑
垂直梯度，水平平滑
梯度均表示一階微分

拉普拉斯濾波 二階微分算子
團塊檢測：周邊高于或者低于中心點 卷積核要滿足中間值很小，為負數，但是整個卷積核的數字和為0
作用：使原始圖像銳化
原始圖片和經過拉普拉斯算子運算后的再進行相減
讓卷積更快：原圖經過快速傅里葉變換，卷積核到快速傅里葉變換，結果再變換到空域

高斯金字塔：
先進行高斯模糊，在進行降采樣，得到尺寸逐漸減小的圖像
高斯+降采樣 圖像失真不是很大
拉普拉斯金字塔：
高頻細節在高斯金字塔和下采樣中丟失
保留所有層所丟失的高頻信息，用于圖像恢復
下采樣的小圖像再上采樣回來

傅里葉變換：
一個信號可以由足夠多的不同的頻率和幅值的正余弦波組成

信號分解
圖片經過傅里葉變換可以得到頻圖

小波變換

總結

以上是生活随笔為你收集整理的计算机视觉（1）图像预处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。