CV 領域這樣入門進階才是對滴（三）
新年倒計時 3 天
2月的第一天，回首遠望，發現2019我們已經走過了1/12分之一，不知道你們新年的一個月裡有了多少收穫了呢?
沒關係！！！
現在開始，我們一起學習一會吧，不能因為假期而停歇科研的精神，在娛樂（農藥&吃雞）疲勞之間隙，可以和我們一起來簡單的學習（真的不用太費腦）
開個小差，可以掃上面的“福"哦，可收集五福哦！
今天我們學習啥呢？
今天絕對乾貨，要認真看哦~
影象處理基本演算法
01
影象解析度降低處理
如果，你手中有一張256*256解析度的影象，想讓它降低為128*128解析度，可以將源影象劃分成2*2的子影象塊，然後將2*2的子影象塊的所有畫素顏色均按照F(i,j)的顏色值進行設定，達到降低解析度的目的。
案 例
F(i,j) F(i,j+1)
F(i+1,j) F(i+1,j+1)
變成
F(i,j) F(i,j)
F(i,j) F(i,j)
同樣的道理，只要你知道這樣的應用，就可以把256*256解析度的影象變成任意解析度大小，比如變成64*64的解析度，只需要劃分成4*4即可，以此類推。
02
影象單色化處理及亮度、色差和訊號值關係
如果，你想把彩色影象變成單色影象，想一想應該能夠很簡單得出答案！
RGB彩色影象，你只需要將影象的每一個畫素中相對應的R, G, B值取出，然後利用(R,R,R),(G,G,G),(B,B,B)的畫素重新繪製即可。
在影象中，彩色影象的亮度Y，色差I，訊號值Q的關係，應該要理解：
| Y | |0.31 0.59 0.11 | | R |
| I | = |0.60 -0.28 -0.32 | * | G |
|Q | |0.21 -0.52 -0.31 | | B |
也就是一個矩陣的乘法，結果如下：
Y = 0.31R + 0.59G+0.11B
I = 0.60R - 0.28G - 0.32B
Q = 0.21R - 0.52B - 0.31B
03
影象的濾波處理
實際上，在訊號處理這個領域中卷積還有廣泛的意義。2 D卷積需要4個巢狀迴圈4-double loop，所以它並不快，除非我們使用很小的卷積核。這裡一般使用3x3或者5x5。而且，對於濾波器也有一定的規則要求：
· 濾波器的大小應該是奇數，這樣它才有一箇中心，有中心也就有了半徑，例如5x5大小核的半徑就是2；
· 濾波器矩陣所有的元素之和應該要等於1，這是為了保證濾波前後影象的亮度保持不變，不按照這個要求也是可以的；
· 如果濾波器矩陣所有元素之和大於1，那麼濾波後的影象就會比原影象更亮，反之，得到的影象就會變暗，如果和為0，影象不會變黑，但也會非常暗；
· 對於濾波後的影象，可能會出現負數或者大於255的數值，對於這種情況，將他們直接截斷到0和255之間即可，對於負數，可以取絕對值。
影象處理實踐
01
無任何處理
02
影象銳化
影象的銳化和邊緣檢測非常相似，首先要找到影象的邊緣，然後把邊緣加到原影象上，這樣就強化了影象的邊緣，使影象看起來更加銳利。
這兩者操作統一起來就是銳化濾波器了，也就是在邊緣檢測濾波器的基礎上，再在中心的位置加1，這樣濾波後的影象就會和原始的影象具有同樣的亮度了，但是會更加銳利，如下：
下面的濾波器會更強調邊緣：
03
邊緣檢測
在模式識別時，檢測出影象邊緣或者抽出影象輪廓是最常用的操作。迄今為止，已經出現了許多成熟的演算法。
例如 微分演算法 ， 掩模演算法 等。在微分演算法中，常使用N*N的畫素塊，例如3*3的畫素塊如下：
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)
設f(i,j)為待處理的畫素，而g(i, j)為處理後的畫素。
Roberts運算元
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運算元
對數字影象的每一個畫素f(i,j),考察它的上、下、左、右鄰域灰度的加權值，把各方向上(0度、45度、90度、135度)的灰度值加權之和作為輸出，可以達到提取影象邊緣的效果，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運算元
Laplace運算元是一種二階微分運算元。它有兩種形式: 4鄰域微分運算元和8鄰域微分運算元。
-
4鄰域微分
g(i,j)=|4*f(i,j)-f(i,j-1)-f(i-1,j)-f(i+1,j)-f(i,j+1)|
-
8鄰域微分
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，並且加大濾波器效果如下：
05
高斯模糊
所謂"模糊"，可以理解成每一個畫素都取周邊畫素的平均值。
"中間點"取"周圍點"的平均值，就會變成1。在數值上，這是一種"平滑化"。在圖形上，就相當於產生"模糊" 效果，"中間點"失去細節。顯然，計算 平均值時，取值範圍越大，"模糊效果"越強烈。
上面分別是原圖、模糊半徑3畫素、模糊半徑10畫素的效果。模糊半徑越大，影象就越模糊。從數值角度看，就是數值越平滑。
部分內容摘自於”醜著睡不著“的CSDN內容！感謝~
完
下一期我們會詳細說說灰色影象的基本處理及演算法，在此提前祝閱讀的您新年快樂！
往期回顧
/計算機視覺入門——1
新手看過來，入門閱讀請點選左圖！
/計算機視覺入門——2
入門進一步閱讀請點選左圖！
