CV 领域这样入门进阶才是对滴（三）
source link: https://mp.weixin.qq.com/s/KOPk-xFDP3lqzl2rq5JjVA?amp%3Butm_medium=referral
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
新年倒计时 3 天
2月的第一天，回首远望，发现2019我们已经走过了1/12分之一，不知道你们新年的一个月里有了多少收获了呢?
没关系！！！
现在开始，我们一起学习一会吧，不能因为假期而停歇科研的精神，在娱乐（农药&吃鸡）疲劳之间隙，可以和我们一起来简单的学习（真的不用太费脑）
开个小差，可以扫上面的“福"哦，可收集五福哦！
今天我们学习啥呢？
今天绝对干货，要认真看哦~
图像处理基本算法
01
图像分辨率降低处理
如果，你手中有一张256*256分辨率的图像，想让它降低为128*128分辨率，可以将源图像划分成2*2的子图像块，然后将2*2的子图像块的所有像素颜色均按照F(i,j)的颜色值进行设定，达到降低分辨率的目的。
案 例
F(i,j) F(i,j+1)
F(i+1,j) F(i+1,j+1)
变成
F(i,j) F(i,j)
F(i,j) F(i,j)
同样的道理，只要你知道这样的应用，就可以把256*256分辨率的图像变成任意分辨率大小，比如变成64*64的分辨率，只需要划分成4*4即可，以此类推。
02
图像单色化处理及亮度、色差和信号值关系
如果，你想把彩色图像变成单色图像，想一想应该能够很简单得出答案！
RGB彩色图像，你只需要将图像的每一个像素中相对应的R, G, B值取出，然后利用(R,R,R),(G,G,G),(B,B,B)的像素重新绘制即可。
在图像中，彩色图像的亮度Y，色差I，信号值Q的关系，应该要理解：
| Y | |0.31 0.59 0.11 | | R |
| I | = |0.60 -0.28 -0.32 | * | G |
|Q | |0.21 -0.52 -0.31 | | B |
也就是一个矩阵的乘法，结果如下：
Y = 0.31R + 0.59G+0.11B
I = 0.60R - 0.28G - 0.32B
Q = 0.21R - 0.52B - 0.31B
03
图像的滤波处理
实际上，在信号处理这个领域中卷积还有广泛的意义。2 D卷积需要4个嵌套循环4-double loop，所以它并不快，除非我们使用很小的卷积核。这里一般使用3x3或者5x5。而且，对于滤波器也有一定的规则要求：
· 滤波器的大小应该是奇数，这样它才有一个中心，有中心也就有了半径，例如5x5大小核的半径就是2；
· 滤波器矩阵所有的元素之和应该要等于1，这是为了保证滤波前后图像的亮度保持不变，不按照这个要求也是可以的；
· 如果滤波器矩阵所有元素之和大于1，那么滤波后的图像就会比原图像更亮，反之，得到的图像就会变暗，如果和为0，图像不会变黑，但也会非常暗；
· 对于滤波后的图像，可能会出现负数或者大于255的数值，对于这种情况，将他们直接截断到0和255之间即可，对于负数，可以取绝对值。
图像处理实践
01
无任何处理
02
图像锐化
图像的锐化和边缘检测非常相似，首先要找到图像的边缘，然后把边缘加到原图像上，这样就强化了图像的边缘，使图像看起来更加锐利。
这两者操作统一起来就是锐化滤波器了，也就是在边缘检测滤波器的基础上，再在中心的位置加1，这样滤波后的图像就会和原始的图像具有同样的亮度了，但是会更加锐利，如下：
下面的滤波器会更强调边缘：
03
边缘检测
在模式识别时，检测出图像边缘或者抽出图像轮廓是最常用的操作。迄今为止，已经出现了许多成熟的算法。
例如 微分算法 ， 掩模算法 等。在微分算法中，常使用N*N的像素块，例如3*3的像素块如下：
f(i-1,j-1) f(i-1,j) f(i-1,j+1)
f(i,j-1) f(i,j) f(i,j+1)
f(i+1,j-1) f(i+1,j) f(i+1,j+1)
设f(i,j)为待处理的像素，而g(i, j)为处理后的像素。
Roberts算子
g(i, j) = sqrt( (f(i, j) - f(i + 1, j))^2 + (f(i + 1, j) - f(i, j + 1))^2 )
或 g(i, j) = |f(i,j) - f(i + 1,j)| + |f(i+1,j) - f(i,j+1)|
Sobel算子
对数字图像的每一个像素f(i,j),考察它的上、下、左、右邻域灰度的加权值，把各方向上(0度、45度、90度、135度)的灰度值加权之和作为输出，可以达到提取图像边缘的效果，即 g(i,j) = fxr + fyr，其中：
fxr = f(i-1,j-1)+2*f(i-1,j)+f(i-1,j+1)-f(i+1,j-1)-2*f(i+1,j)-f(i+1,j+1)
fyr = f(i-1,j-1)+2*f(i,j-1)+f(i+1,j-1)-f(i-1,j+1)-2*f(i,j+1)-f(i+1,j+1)
Laplace算子
Laplace算子是一种二阶微分算子。它有两种形式: 4邻域微分算子和8邻域微分算子。
-
4邻域微分
g(i,j)=|4*f(i,j)-f(i,j-1)-f(i-1,j)-f(i+1,j)-f(i,j+1)|
-
8邻域微分
g(i,j)=|8*f(i,j)-f(i,j-1)-f(i-1,j)-f(i+1,j)-f(i,j+1)-f(i-1,j-1)-f(i-1,j+1)-f(i+1,j-1)-f(i+1,j+1)|
04
04
浮 雕
以下是45°的浮雕，并且加大滤波器效果如下：
05
高斯模糊
所谓"模糊"，可以理解成每一个像素都取周边像素的平均值。
"中间点"取"周围点"的平均值，就会变成1。在数值上，这是一种"平滑化"。在图形上，就相当于产生"模糊" 效果，"中间点"失去细节。显然，计算 平均值时，取值范围越大，"模糊效果"越强烈。
上面分别是原图、模糊半径3像素、模糊半径10像素的效果。模糊半径越大，图像就越模糊。从数值角度看，就是数值越平滑。
部分内容摘自于”丑着睡不着“的CSDN内容！感谢~
完
下一期我们会详细说说灰色图像的基本处理及算法，在此提前祝阅读的您新年快乐！
往期回顾
/计算机视觉入门——1
新手看过来，入门阅读请点击左图！
/计算机视觉入门——2
入门进一步阅读请点击左图！
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK