图像和图像处理

灰度与颜色

颜色的考虑因素

1. 机器学习中颜色的内在价值
2. 可能带来的额外存储和处理代价

颜色的处理

在许多的情况下，良好的颜色区分可将两种类型的物体彼此分离和分割。这通常意外着不使用某个特定的颜色通道，而是以一种减去两个或组合三个通道的方式来促进辨别。
确定颜色通道数据的最佳组合方式和图像不同部分动态执行不同操作所需要的处理量可能不能被忽略。

图像处理操作

在执行图形处理操作时，我们从一个存储区域中的图像开始，并在另一个存储区域中生成新的处理图像。

灰度图形的一些基本操作

1. 清除图像或将给定图像空间的内容设置为恒定水平
2. 将图形从一个空间复制到另一个空间
3. 图片反转
4. 向某个方向移动图像
5. 修改相关联，使他们与人类观察着的要求相匹配
6. 修改图像的对比度

二值图像的基本操作

如何阈值可以参考

• 基于大律法的图像分块二值化算法
• 基于方差的阈值

一旦图像被阈值化后，就形成了二值图形

二值化可以去除“椒盐”噪声和进行强度值的修正

噪声： 在暗背景上呈现为亮点或者亮背景上呈现为暗点的点

卷积和点扩散函数

首先定义两个函数$fx$和$gx$的卷积定义为积分

$$fx \times gx = f^{\infty}_{-\infty}fugx-udu$$
这个积分的作用是函数应用于图像中每个点