上一章图像形成，介绍了如何通过3D场景元素、光照、摄像机光学和传感器的交互作用来形成图像。
这一章介绍计算机视觉应用中的第一步，使用图像处理方法对图像进行预处理，比如：曝光校正、彩色平衡、图像噪声减少、图像锐化、通过旋转校正图像。内容包括下面这些：
点运算（3.1）：最简单的图像变换，对每个像素的操作不依赖它的领域像素。
基于区域的领域算子（3.2，3.3）：每个像素的输出值依赖于其领域像素。
傅立叶变换（3.4）：分析算子的一个工具。
图像金字塔、小波（3.5）：由领域算子级联形成，可以在不同分辨率（尺度）下对图像进行分析和对算子进行加速。
几何变换（3.6）：一种重要的全局算子，如旋转、切变、透视形变。
全局优化算法（3.7）：贝叶斯马尔科夫随机场模型进行最优估计。
3.1 点算子 Point operators
图像中每个像素的输出值取决于其输入值，比如亮度和对比度的调整、彩色的校正和变换。
3.1.1 像素变换 Pixel transforms
简单来说是一个函数，输入为一个或多个图像，输出为一个图像。下面是一个常用的点算子
a为增益参数，b为偏差参数。分别控制对比度和亮度，这个很好理解，a是对图像中各个像素进行变换，b是对整体的。高级一点的形式，这两个参数可以随着位置不同而变换。
上面是输入一个图像，进行处理，输入两个图像的看这个：
其中这个 阿尔法 变换范围是0~1，可以实现两个图的淡入淡出。
这个算法还有一个用途是在图像预处理阶段进行伽马校正（2.3.2），这玩意不懂。
3.1.2 彩色变换
彩色的变换比上面讲的复杂一些，直接对彩色的各个通道增加同一个值，不仅会增加亮度，还会影响像素的色调和饱和度。所以，需要通过转换成色度坐标（2.3.2），操作亮度Y，然后转换回来。类似的还有色彩平衡，不甚了解。
3.1.3 合成与抠图
这一小节讲的是把一张图中的一部分抠出来，放到另外一张图中，所以分两个步骤：抠图、合成。
所以，在RGB三个彩色通道的基础上，引入一个新的通道：阿尔法 A，描述不透明度。（会点PS的都知道）
回归到3.1开始讲的，其实两个图像合成，也是点算子的一种，与周边像素无关。那么合成方法是使用覆盖算子
B和F两个图像，用 阿尔法 来确定各自透明的比重。两者加起来为1，是一种简单的合成方法。
但是，不适用于另外一种情况，比如光线在透明玻璃上的反射，这时将穿过玻璃的光线和反射光线简单相加。这叫做透明运动分析（transparent motion），出现在运动的照相机观察场景的情况下。
计算机摄影学中许多工作与自然图像的抠图有关，从单一自然图像或视频序列中抽取遮罩。
3.1.4 直方图均衡化
前面讲到，点算子用于对图像的对比度和亮度进行调整，那么如果调整呢？
一般来说，图像中各个像素的色彩累积起来有一个分布，让这个分布更加均衡就是调整的目标。均衡的方法：一种是寻找最亮和最暗像素值，将它们映射到纯白和纯黑；另一种是寻找像素值的平均值作为中间灰度值。（不太理解）
这就用到了各个彩色通道的直方图和亮度直方图，用到其中的一些统计量，如最大值、最小值以及平均亮度值。
处理的方法如下：
其中，h(I)为原始的直方图，I为某个像素值（0~255），N为图像中的像素数目，c(I)为累积分布函数。
这里有一个问题，具体到每个位置的像素点，应该如何操作？书中并未明确说明，后面深究。
为了增加一些对比度，将累积分布函数和恒等变换（一条直线）进行线性混合。
数学上面很好理解，物理现实中，感觉像是用某一权重对原有累积分布函数进行削弱？
直方图均衡化的一个潜在问题位于暗区域的噪声可能会变大，变得可见。
局部自适应直方图均衡化
当然，有些情况下（我理解是图像本身对比度比较大，均衡化一抹，也许会坏事），对整体均衡可能不是最好的方法，对图像中不同区域采用不同的均衡化方法可能更好。
将图像直接分区块，每个区块用上面方法，那么区块的边界处亮度不连续，产生人为的区块效应。
解决方法有两种：
1、自适应直方图均衡化：就是先分区块进行均衡化，然后对块与块之间的转换函数进行平滑差值。确定具体像素值时，根据距离设置周围区块对它的影响（权重）。
2、通过角点出设置查找表（不明白）
还有相位累积直方图：
（双线性权重函数，软直方图，孤陋寡闻了。。。）
3.1.5 应用：色调调整
点算子应用于对照片的对比度或色调的操作，很多图片处理软件都有，比如PS的色阶、色调、饱和度等等。
