区域生长：预先定义一个区域，将像素或者子区域聚合成更大的区域过程，

定义边的权重，所有的边中，截断的边的权重最小的值。

K-means要求事先分多少类

K-means一定最后收敛。

集成学习：

HOG梯度直方图

图像特征与描述：

颜色特征；量化颜色直方图，用于RGB、HSV颜色空间。优点：计算高效，劣势：量化问题、稀疏。

聚类颜色直方图；适用于颜色空间：Lab等颜色空间，Lab空间用数字化方法，描述人的视觉感受。使用聚类算法对所有像素点颜色向量进行聚类。单元由聚类中心代表。

边缘：尤其灰度值变化的区域。

一阶导数的极值即为边缘。还有可能因为噪声点产生起伏。

边缘提取：先进行高斯去噪（平滑）再使用一阶导数获取极值。导数对噪声敏感

 

定义斜着的边缘为：两个不同的方向分别求导数（梯度），然后组合起来即为边缘。 

 

连立起来，形成一个点的梯度，每个点都有梯度。颜色越是平滑，梯度的幅值就越小，反之就越大。

青色为横 红色为纵向。

高斯分布的方差决定了特征提取到的边缘的尺度。

基于不同的特征点的描述子：

先找到特征点，在不同的方向、角度，不同的光照条件下观察一个物体。

特征点：不同视角的图片之间的对应的一个映射关系。稳定局部特征点：可重复性、显著性、抗图片变换。兴趣点、关键点：图片配准/拼接。

Harris脚点：一种显著点，在任何方向上移动小观察窗，导致大的像素变动。

FAST角点：

无多尺度和方向信息。

集合特征：斑点。

拉普拉斯梯度：

一阶导极值点-二阶导零点。

梯度、边缘通过寻找二阶导接近0

一阶导极值为梯度或边缘。

斑点：二阶导极值点为斑点。

局部特征：SIFT

可以获得轮廓。高斯金字塔是在传统金字塔的基础上，对每一层用不同的参数做高斯模糊。是的每一层金字塔有多张高斯模糊图像，这样一组图像是一个octave。

由下至上，越来越模糊。找不同尺度的特征。小图上找大特征、大图找小特征。

相邻的两层差一个方差。

在同一个octave进行相减。方差不同带来的不同尺度的边缘。极值点：比相邻两层的临近极值点都要大，才能成为极值点。

找到主方向解决旋转不变性。

对每个方向做直方图统计。

Haar-like: 边缘特征、线性特征、中心特征和对角线特征，这些特征组合成特征模板。

局部特征：SURF对SIFT中的运算进行了简化。将不稳定的特征点去掉。

特征点到达某个极大值或极小值，该特征点正定。

Harr模板套在原图上，根据原图表现判断当前该点是否为关键特征点。

SIFT图像尺度本身在变，SURF图像的模板在变。

SURF大的特征与小的特征不一定能万全镇找出来。

ORB特征描述：SIFT和SURF计算复杂，实时性差。ORB基于FAST角点的特征点检测与BRIEF特征描述技术。ORB速度相较于两者更快。

patch:方块。点对随机寻找的。

选定一个起始点和一个终止点。进行连线，值大为1，值小为0。

LBP（局部二值模式）不是先找特征点，每个像素点都与周围点进行比较，并将这种关系成为一种描述信息。

LBP特征具有灰度不变性，和旋转不变性。

不同大小的Gabor可以识别出不同大小的纹理。

 

颜色空间RGB，Red通道，Green通道，Blue通道。

CMYK颜色空间、HSV空间：人类视觉概念，画家配色。

最精确的颜色定义：CIE-XYZ颜色空间。

主流的颜色空间：RGB颜色空间，三通道彩色图片，图片转化为3维矩阵。

图像预处理：图像增强的目标，改善图像的视觉效果，突出对人或机器分析有意义的信息。

点运算，直方图对图像数据、特征分布的一种统计，灰度、颜色，梯度、边缘、形状纹理。

直方图：对数据空间（bin）进行量化。

直方图均衡化：利用图像直方图对对比度进行调整的方法。增强图像的局部对比度，均衡化后，亮度可以更好的在直方图上分布。

直方图均衡化实际上是对图像进行非线性拉伸。

重新分配各个灰度单位中的像素点数量，是一定灰度范围像素点数量的值大致相等。

自适应直方图均衡（AHE）移动模板在原始图像按指定步长滑动。每次移动后，滑到的区域进行直方图均衡。映射结果赋值给模板区域内所有点，每个店会又多次赋值，最终取值为这些取值的平均值。

CLAHE：自适应会放大均匀区域的噪音。

 

图像分块，先计算直方图，顶部放到底部进行垫高。

形态学运算：开运算与闭运算。

滤波、卷积每个图片位置（x,y）上进行基于邻域的函数计算。

卷积的范围一定会缩小的。边界填充（padding）获得同尺寸输出的情况下，卷积核越大，补充越多。补零，边界复制，镜像，块复制。允许padding卷积前后图像尺寸可保持不变。

平滑均值滤波/卷积：无法取出噪声并且破坏图像细节，试图向变得模糊。

平滑中值滤波/卷积：卷积区域内像素值从从小到大排序，取中间值作为卷积输出。

平滑高斯滤波/卷积：奇数尺寸，模拟人眼，关注中心区域，有效去除高斯噪声。

高斯金字塔：一个两维的卷积可拆分为两个相同的一维卷积。列卷积和行卷积。可以降低计算量同时也达到大的卷积核的效果。

梯度Prewitt滤波/卷积：

锐化：先给一个卷积，再减去平均的区域，凸显细节区域。

高斯金字塔：图像金字塔话，先进行图像平滑，再进行降采样，根据降采样率，得到一系列尺寸逐渐减小的图像。

存在斜杠表明原图出现明暗明暗变化。

傅里叶变换的不足，傅里叶变换假设信号平稳，实际上信号多数为不平稳的。缺乏时间和频率的定位功能，对于非平稳信号的局限性，在时间和频率分辨率上的局限性。

对画的窗口要求很高。窗口太窄：频率分辨率差，窗口太宽，时间分辨率差。