图像处理知识梳理

5G即将商用，带宽提速，未来必将加快依赖宽带传输的图像和视频应用的产品市场化、普及化。

个人认为，图像和视频的分析和处理是人工智能几大基础理论支撑之一，项目中有些应用，但已经有好几年没有加强理论了，以下简单梳理和整理图像处理相关的基础知识，以备忘。

一、工具

很多，JAVA\C\C++\PYTHON等，可以使用python+opencv+pycharm，快速入门

二、图像的基本属性

通道、像素值、尺寸、位图深度

图像是视频某一时刻的某一帧

三、图像处理

1、颜色空间模型，比如RGB\HSV\YUV等。opencv处理是经常转换为HSV，HUE（色彩）、saturation（饱和度） 、value（值）

2、inrange通道分离和合并，用于对单一颜色物体的跟踪，见像素范围表

3、图像叠加cv.add、cv.substract、divide、multipl(加减乘除)，平均mean、逻辑运算（与或非）、方差（分析无效图像）、标准差

4、RIO和泛洪填充，取矩阵像素一定范围替换填充

5、卷积，去噪，中值模糊去椒盐噪声、高斯模糊去高斯噪声、均值模糊、自定义模糊，锐化让图像更加清晰立体

6、 边缘保留滤波，用于美颜，EPF

7、图像直方图，可以应用与相同或相似图像查找，直方图反向投影

8、模板匹配，，用于将图中感兴趣区域找到

9、图像二值化：黑白两种，0黑色255白色，用于计算机识别中提高识别效率。超大图像二值化，分块、局部二值化更好

10、图像金字塔（降低分辨率、更容易存储和显示）

11、图像梯度（像素相减，用于边缘提取），一阶导数soble算子、二阶导数拉普拉斯算子，边缘提取canny

12、直线检测、圆检测（霍夫变换）

13、轮廓发现、对象测量

14、膨胀Dilate（减少或填充弱连接）与腐蚀Erode（分割或弱化连接）

15、开操作（去除小干扰块）闭操作（填充闭合区域），提取水平竖直线

16、黑帽、顶帽、图形学梯度，素描效果

17、基于分水岭的图像分割，Kmeans\高斯混合模型GMM等

以上都是基础知识（见下脑图），实际应用会有大量综合以上基础理论的成熟方法和算法，待续