数字图像处理重点总结
入门篇
图像处理综述：
图像增强：为了某种目的而处理图像，是处理后的图像比原始数据更易于处理。该过程比较主观，所以没有通用的理论来处理此过程。
图像复原：倾向于用以某种图像退化的数学和概率模型为基础。
小波：以不同分辨率来描述图像的基础
形态学处理：提取图像分量；图像分量用于表示和描述的输入。从图像分析一些特征。
分割：图像处理中最困难的步骤之一，将一副图像分割成不同的目标区域，成功的分割是识别的关键部分。
表示和描述：分割之后的数据如何表示，通常用轮廓和区域两种方式描述；为了使分割后的数据在某些方面特别明显，涉及到特征选择和提取特征
识别：基于目标的特征给目标以某种标签（车牌等）
chapter 1
chapter 2
Those who wish to succeed must ask the right preliminary questions.
--Aristotle
2.2 灰度变换函数
明暗反转、对比度拉伸变换、对数和对比度扩展变换是对灰度图像的最简单又实用的几种处理方式。
2.3 直方图处理与函数绘图
直方图均衡化技术和对比度拉伸变换其实有点儿像，就是把一幅灰度级在某一狭小区域内分布的图像，转换为灰度级在整个区域较为均匀地分布的图像。书上为展示原理写了不少函数，如果只是为了看图，inshow(f, [ ])能取得差不多的效果。
直方图规定化和上一段的均衡化有些类似。均衡化是产生比较“均匀”的直方图，规定化是产生任意形状的直方图。它能处理均衡化搞不定的一些图片，也能让一张图片的色调变化与另一张指定的图片变得类似。
2.4 空间滤波
往下学习之前得先明白“卷积”的概念。学过信号处理的同学这一块没啥大问题，但许多计算机/软件工程专业的同学没有接触过这方面的内容，乍一看容易发蒙。看看以下几篇文章应该就懂了——
另外滤波滤到图像边缘时，边缘的像素点周围是没有刚好8个邻域的。可以给它补上灰度级为0的邻域，也可以把图像循环、或者复制图像的边缘向外扩展，处理方式不少，看情况选择。详情可参看第73页的TABLE 2.4。
2.5 图像处理工具箱的标准空间滤波器
这一节出现了几个空间滤波器。这些滤波器的具体原理会在后面的边缘检测等章节提到，这儿先简单说一下。灰度图像可以看成一个二维离散函数，而在图像里寻找边缘大多数时候是求一阶导数（或者二阶导数出现零交叉的地方），因为边缘肯定有明暗变化；而进一步寻找某些尖锐和突兀的点就是求二阶导数，拉普拉斯算子就属于此类。
重点习题
chapter3
3 频域滤波
3.1 二维离散傅里叶变换
重要！和之前卷积的问题一样，学过信号处理的同学没啥大碍，没学过的同学可能只了解傅里叶级数而不了解傅里叶变换。以下几篇文章能帮助建立对傅里叶变换的初步理解——
Heinrich：傅里叶分析之掐死教程（完整版）更新于2014.06.06
傅立叶变换、拉普拉斯变换、Z变换的联系？为什么要进行这些变换。研究的都是什么？
一首在时域上连续播放的音乐，在频域上就是一张静止的乐谱；如果我们将灰度图像的不同灰度看成不同的频率，空间上的图像同样可以看成静止的频谱图。我们要修改一首乐曲，可以从修改乐谱着手；要处理图片，也可以从处理频谱上想办法。
3.2 在MATLAB中计算并观察二维DFT
傅里叶频谱图很重要，要学会看。频谱图的具体意义可参考下文。
对图像二维傅立叶变换到底是完成什么功能？得到的频谱图中坐标轴的物理意义是什么？
3.3~3.7
空间卷积 = 频域相乘
重点题
冈萨雷斯书 3.3的例题一定要过一遍
chapter 5、6
6.2 彩色空间之间的转换
彩色图像不仅仅可以用RGB的方式表达，还有许多表述方式。
6.2.1 NTSC彩色空间
这种空间常用于美国的彩色/黑白电视系统。它使用亮度（luminance,Y）、色彩（hue,I）、饱和度（saturation,Q）来表示颜色。这种方法的方便之处在于，如果用于黑白电视，把I和Q清零就行。它和RGB空间可以通过乘一个矩阵轻松转换。
6.2.2 YCbCr彩色空间
该空间常用于数码视频。Y还是表示亮度，Cb和Cr分别为蓝色与红色和参照值之差。和RGB的转换也很简单。
6.2.3 HSV彩色空间
H为色彩，S为饱和度，V为亮度。它的色彩空间是一个六棱锥。这种表示方法和人类对颜色的认知比较相符。
6.2.4 CMY和CMYK彩色空间
C，cyan，蓝绿色；M，magenta，品红（洋红）；Y， yellow，黄色。蓝绿色就是白光里去掉红色，品红就是白光里去掉绿色，，黄色就是白光里去掉蓝色。所以和RGB的转换方式非常容易猜到。这也说明三原色不一定非要红、绿、蓝。
用于打印机时，想要得到黑色，用以上三种颜色混合得到的黑不太纯正。所以通常会再加一个K来表示黑色。可能这也和黑色在打印中更为常用有关系？
6.2.5 HSI彩色空间
HSV和HSI的差别可参照以下文章。
hsv与hsi区别 - Xia Qiaolin - CSDN - CSDN博客
HSL (色相hue, 饱和度saturation, 亮度lightness/luminance), 也称HLS 或 HSI (I指intensity) 与 HSV非常相似，仅用亮度（lightness）替代了明度（brightness）。二者区别在于，一种纯色的明度等于白色的明度，而纯色的亮度等于中度灰的亮度。
hsv里面的v指的是RGB里面的最大的值，v = max(max(r,g),b); 而HSI的I是平均值，I=(r+g+b) / 3
6.2.6 独立于设备的彩色空间
要找到一个独立于设备的彩色空间，得先考虑如何描述颜色。色相、饱和度、亮度是一种比较好的方式。色相是光波中占主要地位的波长，饱和度是光的纯度，亮度是的强度。色相和饱和度也可以合并为“彩色（chromaticity）”的概念。
另一种描述颜色的方法是CIE色度图。参见296页。色度图呈舌状，X轴代表红色的百分比含量，Y轴代表绿色的百分比含量，蓝色的百分比含量通过1-R-G就可以得出。边界上的颜色都是纯色。中间的那条线上的都是白光。色度图上任选三点连成三角形，这三个点的颜色可以混合形成三角形区域内的任何颜色。任选两点连线，两种颜色可以混合形成线上的任何颜色。
根据CIE色度图创造的彩色空间有Lab*等。
当然，RGB色彩空间也诞生了设备独立的sRGB色彩空间。
色彩管理还形成了对应的国际标准，ICC彩色剖面：
重点题
注：此处答案为8bit
参考文章：
- 《数字图像处理（MATLAB版）》学习笔记 https://zhuanlan.zhihu.com/p/54477434
- 数字图像处理入门学习笔记（综述）https://zhuanlan.zhihu.com/p/24908813
- 数字图像处理_第三版_中_冈萨雷斯
- 数字图像处理冈萨雷斯第二版英文课后答案
- 数字图像处理笔记 https://wenku.baidu.com/view/cea2e457366baf1ffc4ffe4733687e21af45ff8c.html （推荐，这个笔记总结的很好）