[人工智能]图像处理知识点

直方图均衡化，直方图规定化

1、均衡化：如果图像太亮或者太暗时，说明图像的灰度集中在坐标轴的右边或者左边，用直方图均衡化可以提高对比度，也就是清晰度。（对比度小就是说两个像素点之间的灰度值差不多，人眼分不出来，比如太黑和太暗的一块区域，就是对比度比较小的，用了均衡化之后就可以将对比度变大，图像变得清晰）。
均衡化可以用一个公式来表示：
$$y=G(x)?x$$，其中 $G(x)$是映射函数
2、规定化：也叫直方图匹配，也就是将图像的直方图变换到预设的直方图。

灰度、像素、RGB之间的关系

灰度：灰度就是亮度，一般一个像素点的灰度用 8 bit来存储，也就是 256 个灰度，从 0-255 图像由黑色过渡到白色。
像素：像素是针对彩色图像来说的，如果是一副 2D 的图像，它记录了明亮信息，也就是灰度信息的话，那么这个图像的灰度值就是对应位置的像素值。对于彩色图像来说，它的像素点的灰度值就要经过RBG三个通道的映射函数得到，一般按照加权的方式得到灰度值：即R, G, B三个通道的加权为 3 ： 6： 1。

彩色图像的形成过程，彩色图像如何变成灰度图像

三原色 R, G, B可以组合成任意我们想要的颜色，对于每个通道来说，可以认为是一个2D的灰度图。三个通道分别控制三种颜色的明暗，也就是三原色每个颜色的灰度都是 256 个，然后通过三种灰度的叠加从而使显像管显示不同的颜色。人为已经定好了 256256256 = 16 兆个色阶了，通过设置不同的三个通道的叠加从而使显像管显示不同的颜色。

彩色图像要变成灰度图像，只需要将三个通道的值设为相等就行了，比如 R = G = B = 0 就是个黑色的灰度图。

图像的边缘检测

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。边缘检测的算子：
（1）Roberts

（2）Sobel

（3）Prewitt

（4）LOG

（5）Canny

图像滤波

（1）双边滤波

（2）高斯滤波

（3）均值滤波

（4）中值滤波

（5）最大最小滤波

（6）双边滤波
参考:双边滤波
几种滤波方法
高斯滤波会导致图像变得模糊，是因为它在滤波过程中只关注了位置信息，在滤波窗口内，距离中心点越近的点的权重越大；这种只关注距离的思想在某些情况下是可行的，例如在平坦的区域，距离越近的区域其像素分布也越相近，自然地，这些点的像素值对滤波中心点的像素值更有参考价值。但是在像素值出现跃变的边缘区域，这种方法会适得其反，损失掉有用的边缘信息。此时就出现了一类算法——边缘保护滤波方法，双边滤波就是最常用的边缘保护滤波方法。双边滤波的思想很简单，在高斯滤波的基础上加入了像素值权重项，也就是说既要考虑距离因素，也要考虑像素值差异的影响

双边滤波是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布

（7）高斯滤波
高斯滤波是最常用的图像去噪方法之一，它能很好地滤除掉图像中随机出现的高斯噪声，但是高斯滤波是一种低通滤波（可以看看高斯滤波核的频率响应图），它在滤除图像中噪声信号的同时，也会对图像中的边缘信息进行平滑，表现出来的结果就是图像变得模糊。高斯滤波之所以会导致图像变得模糊，是因为它在滤波过程中只关注了位置信息；

图像处理中的各种噪声

（1）白噪声：白噪声是指功率谱密度在整个频域内均匀分布的噪声。 所有频率具有相同能量的随机噪声称为白噪声，换句话说，此信号在各个频段上的功率是一样的，由于白光是由各种频率（颜色）的单色光混合而成，因而此信号的这种具有平坦功率谱的性质被称作是“白色的”，此信号也因此被称作白噪声。相对的，其他不具有这一性质的噪声信号被称为有色噪声。而理想的白噪声具有无限带宽，因而其能量是无限大，这在现实世界是不可能存在的。
（2）椒盐噪声
椒盐噪声：椒盐噪声又称脉冲噪声，它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。
（3）高斯噪声
顾名思义，高斯噪声就是n维分布都服从高斯分布的噪声。然后说一下什么是高斯分布。
高斯分布，也称正态分布，又称常态分布。对于随机变量X，其概率密度函数如图所示。称其分布为高斯分布或正态分布，记为N（μ，σ2），其中为分布的参数，分别为高斯分布的期望和方差。当有确定值时，p(x)也就确定了，特别当μ=0，σ2=1时，X的分布为标准正态分布。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性，高斯白噪声包括热噪声和散粒噪声。

景深