计算机图像视频处理基础
- 数字图像
一幅图像可以定义为一个二维函数f(x,y)，其中x,y是空间平面坐标，而在任何一对x,y空间坐标处的幅值 f 称为该点处的强度或灰度。当x,y和灰度值是有限的离散数值时，则称该图像为数字图像（DigitalImage）。
- 图像与矩阵
图片是通过像素拼接而成的，我们常说的分辨率指的就是图像像素的数量，比如分辨率为1024*720的一张图片就是在长度上的像素点数为1024个，高度720个。
每个像素点在计算机中存的信息是它的RGB（红、绿、蓝，组成图像的三原色，范围是从0～225）数值，将这些RGB以矩阵数据的方式存储在硬盘中。灰度图像只有1个通道，读取矩阵的shape为（x,y)，坐标x，y就是图
中x行y列位置的像素值。RGB图像有3个通道，读取矩阵的shape为[x,y.z]
- 图像去噪
减少数字图像中噪声的过程。
- 图像增强
有目的地强调图像的整体或局部特性
- 图像修复
去除图片中的小噪声或者划痕。思想是使用坏点周围的像素点取代坏点
- 图像分割
现有的图像分割方法主要分以下几类：基于國值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像素赋予相同的编号。
- 颜色通道分离（RGB分离）
- 图像二值化
将图像上的像素点的灰度值设置为0或255（非黑即白）
- 滤波
图像滤波是信号处理里的一个概念，图像本身可以看成一个二维信号，其中像素点灰度值的高低代表信号强弱。图像灰度值变化剧烈的点是高频信号，图像中平坦的，灰度值变化不大的点就是低频信号。根据图像的高频与低频的特征，我们可以设计相应的高通、低通滤波器，高通滤波器可以检测图像中尖锐、变化明显的地方（提取边缘）：低通滤波器可以让图像变得光滑，滤除图像中的噪声（平滑图像）
- 图像特征提取
- 特征匹配
特征匹配的方法是先找出特征显著的特征点（FeatureDetect），然后再分别描述两幅图像的特征点（FeatureDescriptor），形成特征描述符，最后比较两个特征描述符的的相似程度来判断是否为同一个图像（FeatureMatch）
