Digital Image Processing

20190919

---

Review

CCD：高端天文学，敏感度高，速度慢，成本高；

CMOS：普遍使用，嵌入手机，速度快，有模式噪声（Pattern Noise，现在可以解决）；

空间分辨率和时间分辨率；

图像插值；

数字剪影：造影剂+图像减法；

图像光照修正：图像除法；

图像几何变换：刚体、仿射、射影、分布式；

线性算子；

锥状细胞：光线充足；杆状细胞：黑暗；

颜色组合：加性原色：显示器；减性原色：打印机；两种原色组合方式应用的场景不一样；

RGB模型：加性模型；

CMYK：减性模型，做设计，最后打印使用CMYK，从RGB转换到CMYK不保真；

HSI：色调hue、饱和度saturation、强度intensity，更接近人类的感知；

伪彩色：在自然科学中，对颜色进行人为编码；

---

第三讲 数字图像的基本概念，图形变换(1)

1. 基本图像处理工具
   • PS：处理光栅图像（像素图像），易用，但再开发性有限；
   • AI：处理矢量图，用于出版设计、排版，.ai，.eps格式。AI是假设已经设计、排版好了，输入到AI中做微调；
   • OpenCV：C++，支持了Python、Java、Matlab接口，支持深度学习框架TF、Torch、PT；
   • MATLAB图像处理工具箱；
   • MATLAB计算机视觉工具箱：提供OpenCV接口；
   • PIL/Pillow：PIL-Python Imaging Library，1995年发布，2009年最后一版，Pillow在PIL的基础上开发，提供了Python3支持；
   • IDL：天文、地理、大气、医学影像，交互式，处理矢量和数值分析；
   • 以上软件都是经过多年发展的，一个软件的发展需要坚持，精耕细作、长期积累；
2. 空间滤波（DIP中关键的基础）
   • “多量几次”：统计平均，通过平均可以降噪；
   • 均值滤波：存在问题（之后讲，需要数学工具）；
   • 中值滤波：非线性滤波（可证明）。孤立性的噪声，对均值滤波影响较大，中值滤波有效；
   • 空间相关和卷积：二者卷积核空间位置方向相反；
   • 计算图像的导数：中心差分（准确一些）、前向差分、后向差分（数值分析中的说法）；
   • 拉普拉斯算子：横向、纵向导数相加，用于图像锐化；
3. 神经网络基本概念
   • 1940s MP神经元，Hebbs参数学习方法，1960s 感知机，1970s 后馈，1990s SVM，2010s DL，70年三起两落；
   • 在不久的未来，第三代人工智能会出现，神经生物学+计算机科学技术；
   • 从sigmoid、tanh发展到ReLU，经历了几十年；
   • 通用近似理论（近似定理）：只要有一个隐层，可以从数学上证明，网络可以近似模拟任何映射；
   • 老师：皮茨堡买房，CMU讲课，Uber工程师的老师；
4. null