图像处理笔记（OpenCV）
前言
之前写数据结构第五章的时候，讲到数组，我就挺想写一写图像处理的笔记，因为数据结构第五章的内容就是二维数组压缩，这个和图像处理有一定的关联。
正好我大三上学图像处理的笔记我还能找到，所以我就把以前用Word写的笔记迁移到博客上。补充我的博客上的知识板块。
这段时间写博客笔记的时候发现，思维导图与博客各有千秋，需要结合，单纯的思维导图不便理解，单纯的文件不便有整体认识。
以后如果效率允许，用思维导图介绍思维结构，用图片展示重点观点，用表格表现对比，用文章讲述内容。
如果效率不允许，那么还是单纯的思维导图和文字，毕竟排版、铺垫等需要耗费我过多精力。
文章目录
笔记
第一章 导论
1.图像处理的应用：人脸识别、车牌识别、行人识别、手势识别、指纹识别、虹膜识别、运动识别
2.图像处理的领域：日常生活、影视娱乐业、军事领域、红外成像、医学成像、计算机视觉
第二章 图像的数字化
\1. 图像数字化：是指将模拟图像经过离散化之后，得到用数字表示的图像，包括了空间离散化（即采样）和明暗表示数据的离散化（即量化）。
\2. 采样：是指将在空间上连续的图像转换成离散的采样点（即像素）集的操作。由于图像是二维分布的信息，所以采样是在 x轴和y轴两个方向上进行的。一般情况下， x轴方向与y轴方向的采样间隔相同。
\3. 分辨率：是指映射到图像平面上的单个像素的景物元素的尺寸。
单位：像素/英寸，像素/厘米（如：扫描仪的指标 300dpi）
单位：像素像素（如：数码相机指标30万像素（640480））
\4. 采样间隔：采样间隔太小，则增大数据量；太大， 则会发生信息的混叠，导致细节无法辨认（例如马赛克）。
\5. 量化：是将各个像素所含的明暗信息离散化后，用数字来表示。一般的量化值为整数。充分考虑到人眼的识别能力之后，目前非特殊用途的图像均为8bit量化，即采用0~255的整数来描述“从黑到白”。在3bit以下的量化，会出现伪轮廓现象；招贴画化；2级灰度即二值化
6.数字图像的描述：是指如何用一个数值方式来表示一个图像。数字图像是图像的数字表示，像素是其最小的单位。因为矩阵是二维的，所以可以用矩阵来描述数字图像。描述数字图像的矩阵目前采用的是整数阵，即每个像素的亮暗，用一个整数来表示。
7.灰度图像是指每个像素的信息由一个量化的灰度级来描述的图像，没有彩色信息。
8.彩色图像是指每个像素的信息由RGB三原色构成的图像，其中RGB是由不同的灰度级来描述的。彩色图像不能用一个矩阵来描述了，一般是用三个矩阵同时来描述。
9.**位图文件的总体结构：**文件头、信息头、真彩色模式（像素的RGB值）、索引色模式（调色板+调色索引值）；灰度倒置为底片效果
第三章 二值图像处理
1.二值化图像处理的问题：提取的目标中存在伪目标物；多个目标物中，存在粘连或者是断裂；多个目标物存在形态的不同。
2.连接：有四连接和八连接（当前像素为黑，其八个近邻像素中至少有一个为黑）；
3.连通域：将相互连在一起的黑色像素的集合称为一个连通域。
4.二值图像的分析方法：贴标签、腐蚀、膨胀、开运算、闭运算、细线化方法
5.贴标签：
6.腐蚀：是一种消除连通域的边界点，使边界向内收缩的处理。腐蚀处理可以将粘连在一起的不同目标物分离，并可以将小的颗粒噪声去除。
7.膨胀：是将与目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理。
8.开运算与闭运算的提出：背景前面介绍的膨胀与腐蚀运算，对目标物的后处理有着非常好的作用。但是，腐蚀和膨胀运算的一个缺点是，改变了原目标物的大小。为了解决这一问题，考虑到腐蚀与膨胀是一对逆运算，将膨胀与腐蚀运算同时进行。由此便构成了开运算与闭运算。
9.开运算：是对原图先进行腐蚀处理，后再进行膨胀的处理。开运算可以在分离粘连目标物的同时，基本保持原目标物的大小。
10.闭运算：是对原图先进行膨胀处理，后再进行腐蚀的处理。闭运算可以在合并断裂目标物的同时，基本保持原目标物的大小。
\11. 细线化过程：求一图像的骨架过程，经过细线化处理后，图像中的所有线条的幅度均为一个像素。
第四章 彩色图像处理
我们将讨论颜色级的修正，图像的平滑滤波，图像的锐化处理等方法，同时还包括彩色补偿，彩色平衡等方法
第五章 图像噪声的抑制
1.所谓的图像噪声，是图像在摄取时或是传输时所受到的随机干扰信号。常见的有椒盐噪声和高斯噪声。
2.椒盐噪声的特征:：出现位置是随机的，但噪声的幅值是基本相同的。
高斯噪声的特征：出现在位置是一定的（每一点上），但噪声的幅值是随机的。
3.图像噪声的抑制方法：均值滤波器、中值滤波器、边界保持类滤波器
4.均值滤波器：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波器的缺点是，会使图像变的模糊，原因是它对所有的点都是同等对待，在将噪声点分摊的同时，将景物的边界点也分摊了。
5.中值滤波器：因为噪声（如椒盐噪声）的出现，使该点像素比周围的像素亮（暗）许多。
如果在某个模板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。取模板中排在中间位置上的像素的灰度值替代待处理像素(当前位置)的值，就可以达到滤除噪声的目的。
\6. 边界保持滤波器的核心是确定边界点与非边界点。
第六章 图像增强
1.图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。
2.图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。
空间域增强是直接对图像各像素进行处理；
频率域增强是对图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。
3.线性对比度展宽：通过将亮暗差异（即对比度）扩大，来把人所关心的部分强调出来。
4.灰级窗：实际上是线性对比度展宽的一种特殊形式。只保留感兴趣的部分，其余部分置为0。
5.线性动态范围调整：通过动态范围的压缩可以将所关心部分的灰度级的变化范围扩大。
6.非线性动态范围调整：因为线性动态范围调整的分段线性映射不够光滑。
- 对数变换：将暗的部分扩展，而将亮的部分抑制。整体变亮
- 指数变换：整体变暗；
- 幂律变换：自由调节
7.直方图均衡化
第七章 图像几何变换
图像的几何变换包括了图像的形状变换和图像的位置变换。
图像的形状变换是指图像的放大、缩小与错切。
图像的位置变换是指图像的平移、镜像与旋转。
第八章 图像锐化
图像锐化的目的是加强图像中景物的细节边缘和轮廓。锐化的作用是使灰度反差增强。
因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。
第九章 图像变换
图像的数学变换的特点在于其有精确的数学背景，是许多图像处理技术的基础。在这些变换中，一种是在空间域上进行的。另一种重要的数学变换则是将原定义在图像空间的图像以某种形式转换到另外一些空间（频域），并利用输入图像在这些空间的特有性质有效而快速地对图像进行处理和分析。
最典型的变换有离散傅立叶变换，Gabor变换、小波变换、离散余弦变换、K-L变换等等。
无论是在空域中的数学变换还是频域中的数学变换，它们在图像分析、滤波、增强、压缩等处理中都有着非常典型而重要的应用。
第十章 图像编码
数据编码的研究内容包括数据的表示、传输、变换和编码方法，目的是减少存储数据所需的空间和传输所用的时间。
图像编码与压缩就是对图像数据按一定的规则进行变换和组合，达到以尽可能少的代码（符号）来表示尽可能多的图像信息。bmp jpeg psd
OpenCV概述
总结
今天写这个图形处理笔记是因为回顾一下知识，说一下数据结构中数组的应用案例。
之后我准备研究一下视频编码，具体一下图像处理的应用。之前写数字影视技术基础回顾的时候提到了视频转换与数字视频基础，但是由于内容太多就没有展开，所以之后准备写一下视频转换与数字视频基础的一部分概念。
更新地址：GitHub