本論文では、概要を示します。
コンピュータビジョン（以下CVと呼ぶ）の概要
第二に、画像前処理
O映像表示及び保存の原則（わずかに）
Oイメージエンハンスメント目標
画像処理方法O
に基づく：O点動作のヒストグラムコントラスト強調
モルフォロジー処理（略す）O
畳み込み：空間領域処理O
畳み込みアプリケーション（平滑化、エッジ検出、シャープ、等）O
Oの周波数領域処理：フーリエフーリエ変換、ウェーブレット変換（わずかに）
O用途：
平滑化、エッジ検出、等CLAHE
、CV研究内容：
次回の更新は、記事の内容に含まれます：
第二に、画像前処理
O画像強調の目標
画像処理方法O
CNNや他の深い学習ネットワークなので、学ぶために、特徴抽出のための画像データのために必要とされます。したがって、抽出された画像の機能が非常に重要であり、簡単な紹介以下の特徴抽出：
O点の操作：ヒストグラムベースのコントラスト増強
説明：
統計画像データ/分布特性、個人的な理解だけで赤と青のTシャツのようなアイデアの小さなクラスタは、ヒストグラム統計は、最終的に（例えば、色だけでここに）Tシャツを得ることができますヒストグラムの色分布。これは、その特徴を抽出する方法です。
ここで、「グレー」：黒と白の画像の色深度の中間点、0〜255、0は黒色であり、255は白です。グレースケールデジタル画像は、画素の色ごとに1つのサンプルの画像です。
各ピクセル：256階調（0〜255の画素値）を、それぞれ輝度の異なるレベルを表します。
説明：
各画素は考え出しの配布は、事前に分散され、より大きな（最大255）を採取ビンは、唯一つのセクション（255を取ると仮定）に対応します
小さなビンは、画素の異なる複数の値を含んでいてもよい部10に10を取るなど、撮影しました。
なぜ、ヒストグラム均等化をすべき：
这是为了对图片进行调整，所拍的图，往往因为太亮或者太暗等因素造成了，局部的灰度集中化，因此需要一种手段，进行（非线性的）重新分配各个灰度单位中的像素点数量（具体方法，一般是最终使得一定灰度范围内像素点数量的值大致相同）
AHE的问题是：经过均衡化的图像往往不连续
o 空间域处理：卷积
o 卷积的应用（平滑、边缘检测、锐化等）
因为均值滤波有很大的缺陷，因此用的很少，下面介绍几种常见的滤波器
中值滤波：有效去除椒盐噪声
高斯滤波（重点）：高斯滤波名字的由来，我的理解是，它的滤波器（卷积核）数值分布是高斯分布，它的应用必须结合后面要讲的高斯金字塔（捕捉不同尺寸的物体，尺寸缩小 + 高斯模糊）一起讲。
这里简单说明，高斯滤波其实是高斯模糊（blur），对于设定不同的标准差，高斯滤波将图片变换成不同清晰度。
标准差越大，大部分数值与均值差异较大，数据分布越离散，所用的高斯滤波器（卷积核）分布越尖锐（想象高斯分布尖尖的突出的曲线），所得的图片就会越模糊（但是所得的图像依旧是平缓的，是大致可以看出是什么物体的）。标准差越小则相反，高斯滤波器分布越平缓，所得图片不会那么模糊。
还有一些做边缘检测，团块检测，Laplacian 滤波锐化等滤波器，这里不做一一介绍，详情参考PPT
直接进入重点：高斯金字塔
高斯金字塔：通过高斯平缓(模糊) + 降采样(尺寸缩小)， 达到捕捉不同尺寸物体的目的。但是如果还想回复原图像怎么办，这就需要拉普拉斯金字塔啦。
拉普拉斯金字塔：将小尺寸的图像数据，进行上采样，得到大尺寸的图像。具体看下图中的说明：
