图像算法基础知识(图像算法基础知识总结)

零基础入行图像算法工程师需要学习哪些课程

零基础入行 图像算法工程师课程（只说课程）：

1 计算机方面：《c语言》，《数据结构》

2 算法理论方面：《高等数学》《概率论》《矩阵论》或《线性代数》 《最优化方法》 《模式识别》 《数字图像处理》《matlab图像处理与模式识别》等

另外：学习图像，最好先从matlab或者python入门，然后再用c。

以上就够了，电子书网上应该能搜索到。

图像基础知识

二维图像由一个数组或矩阵表示。

? BMP格式

Windows系统下的标准位图格式,未经过压缩，一般图像文件会比较大。在很多软件中被广泛应用.?

? JPEG格式

也是应用最广泛的图片格式之一，它采用一种特殊的有损压缩算法，达到较大的压缩比(可达到2:1甚至40:1)，互

联网上最广泛使用的格式

? GIF格式

不仅可以是一张静止的图片,也可以是动画，并且支持透明背景图像，适用于多种操作系统，“体型”很小，网上

很多小动画都是GIF格式。但是其色域不太广,只支持256种颜色.?

? PNG格式

与JPG格式类似，压缩比高于GIF，支持图像透明，支持Alpha通道调节图像的透明度,?

? TIFF格式

它的特点是图像格式复杂、存贮信息多,在Mac中广泛使用，非常有利于原稿的复制。很多地方将TIFF格式用于印

刷.

? 像素

像素是数码影像最基本的单位，图像是由许多点组合而成，每个点就是一个像素

? 图像尺寸

图像的长度与宽度就是图像长与宽上包含的像素数

? 分辨率

每英寸图像内的像素点数，单位为像素每英寸（PPI），图像分辨率越高，图像的像素点密度越高，像素越清晰。

? 通道数

? 8位：单通道图像，也就是灰度图，灰度值范围2**8=256

? 24位：三通道3*8=24

? 32位：三通道加透明度Alpha通道

将三通道图像（彩色图）转化为单通道图像（灰度图）

将彩色图像，分成b、g、r 3个单通道图像。方便我们对BGR 三个通道分别进行操作。

? 图像直方图：

?图像直方图（Image Histogram）是用以表示数字图

像中亮度分布的直方图，标绘了图像中每个亮度值的

像素数。这种直方图中，横坐标的左侧为纯黑、较暗

的区域，而右侧为较亮、纯白的区域。

? 图像直方图的意义：

?直方图是图像中像素强度分布的图形表达方式。

?它统计了每一个强度值所具有的像素个数

?CV 领域常借助图像直方图来实现图像的二值化

? 概念：

?颜色空间也称彩色模型(又称彩色空间或彩色系统）它的用途是在某些标准下用通常可接受的方式对彩色加以说明。

? 常见的颜色空间：

?RGB、HSV、HSI、CMYK

数字图像处理的基本算法及要解决的主要问题

图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。

图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。

传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。

目录

[隐藏]

* 1 解决方案

* 2 常用的信号处理技术

o 2.1 从一维信号处理扩展来的技术和概念

o 2.2 专用于二维（或更高维）的技术和概念

* 3 典型问题

* 4 应用

* 5 相关相近领域

* 6 参见

[编辑] 解决方案

几十年前，图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性，至今他们仍然在很多应用领域占有核心地位，例如 全息摄影。但是由于计算机速度的大幅度提高，这些技术正在迅速的被数字图像处理方法所替代。

从通常意义上讲，数字图像处理技术更加普适、可靠和准确。比起模拟方法，它们也更容易实现。专用的硬件被用于数字图像处理，例如，基于流水线的计算机体系结构在这方面取得了巨大的商业成功。今天，硬件解决方案被广泛的用于视频处理系统，但商业化的图像处理任务基本上仍以软件形式实现，运行在通用个人电脑上。

[编辑] 常用的信号处理技术

大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸，它们中的一部分在二维情形下变得十分复杂。同时图像处理也具有自身一些新的概念，例如，连通性、旋转不变性，等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。

图像处理中常用到快速傅立叶变换，因为它可以减小数据处理量和处理时间。

[编辑] 从一维信号处理扩展来的技术和概念

* 分辨率(Image resolution|Resolution)

* 动态范围(Dynamic range)

* 带宽(Bandwidth)

* 滤波器设计(Filter (signal processing)|Filtering)

* 微分算子(Differential operators)

* 边缘检测(Edge detection)

* Domain modulation

* 降噪(Noise reduction)

[编辑] 专用于二维（或更高维）的技术和概念

* 连通性(Connectedness|Connectivity)

* 旋转不变性(Rotational invariance)

[编辑] 典型问题

* 几何变换（geometric transformations）：包括放大、缩小、旋转等。

* 颜色处理（color）：颜色空间的转化、亮度以及对比度的调节、颜色修正等。

* 图像合成（image composite）：多个图像的加、减、组合、拼接。

* 降噪（image denoising）：研究各种针对二维图像的去噪滤波器或者信号处理技术。

* 边缘检测（edge detection）：进行边缘或者其他局部特征提取。

* 分割（image segmentation）：依据不同标准，把二维图像分割成不同区域。

* 图像制作（image editing）：和计算机图形学有一定交叉。

* 图像配准（image registration）：比较或集成不同条件下获取的图像。

* 图像增强（image enhancement）：

* 图像数字水印（image watermarking）：研究图像域的数据隐藏、加密、或认证。

* 图像压缩（image compression）：研究图像压缩。

[编辑] 应用

* 摄影及印刷 (Photography and printing)

* 卫星图像处理 (Satellite image processing)

* 医学图像处理 (Medical image processing)

* 面孔识别, 特征识别 (Face detection, feature detection, face identification)

* 显微图像处理 (Microscope image processing)

* 汽车障碍识别 (Car barrier detection)

[编辑] 相关相近领域

* 分类（Classification）

* 特征提取（Feature extraction）

* 模式识别（Pattern recognition）

* 投影（Projection）

* 多尺度信号分析（Multi-scale signal analysis）

* 离散余弦变换（The Discrete Cosine Transform）