图像处理初学者应该学习的100个问题-你都学会了吗？

本文整理了图像处理初学者应该需要了解的100个基础问题，涉及读取、显示图像、操作像素、拷贝图像、保存图像、灰度化（Grayscale）、二值化（Thresholding）、大津算法、HSV 变换、减色处理、平均池化（Average Pooling）、最大池化（Max Pooling）、高斯滤波（Gaussian Filter）、中值滤波（Median filter）、仿射变换（Afine Transformations）等100多个知识点。

给出了详细的代码实现，具体的输入输出case情况。

内容整理自：

https://github.com/gzr2017/ImageProcessing100Wen

問題1 - 10

1通道替换

2灰度化（Grayscale）

3二值化（Thresholding）

4大津算法

5HSV 变换

6减色处理

7平均池化（Average Pooling）

8最大池化（Max Pooling）

9高斯滤波（Gaussian Filter）

10中值滤波（Median filter）

问题11 - 20

11均值滤波

12Motion Filter

13MAX-MIN 滤波

14微分滤波

15Sobel 滤波

16Prewitt 滤波

17Laplacian 滤波

18Emboss 滤波

19LoG 滤波

20直方图表示

问题21-30

21直方图归一化（Histogram Normalization）

22直方图操作

23直方图均衡化（Histogram Equalization）

24伽玛校正（Gamma Correction）

25最邻近插值（Nearest-neighbor Interpolation）

26双线性插值（Bilinear Interpolation）

27双三次插值（Bicubic Interpolation）

28仿射变换（Afine Transformations）——平行移动

29仿射变换（Afine Transformations）——放大缩小

30仿射变换（Afine Transformations）——旋转

问题31-40

31仿射变换（Afine Transformations）——倾斜

32傅立叶变换（Fourier Transform）

33傅立叶变换——低通滤波

34傅立叶变换——高通滤波

35傅立叶变换——带通滤波

36JPEG 压缩——第一步：离散余弦变换（Discrete Cosine Transformation）

37峰值信噪比（Peak Signal to Noise Ratio）

38JPEG 压缩——第二步：离散余弦变换+量化

39JPEG 压缩——第三步：YCbCr 色彩空间

40JPEG 压缩——第四步：YCbCr+DCT+量化

问题41-50

41Canny边缘检测：第一步——边缘强度

42Canny边缘检测：第二步——边缘细化

43Canny边缘检测：第三步——滞后阈值

44霍夫变换（Hough Transform）／直线检测——第一步：霍夫变换

45霍夫变换（Hough Transform）／直线检测——第二步：NMS

46霍夫变换（Hough Transform）／直线检测——第三步：霍夫逆变换

47形态学处理：膨胀（Dilate）

48形态学处理：腐蚀（Erode）

49开运算（Opening Operation）

50闭运算（Closing Operation）

问题51-60

51形态学梯度（Morphology Gradient）

52顶帽（Top Hat）

53黑帽（Black Hat）

54使用误差平方和算法（Sum of Squared Difference）进行模式匹配（Template Matching）

55使用绝对值差和（Sum of Absolute Differences）进行模式匹配

56使用归一化交叉相关（Normalization Cross Correlation）进行模式匹配

57使用零均值归一化交叉相关（Zero-mean Normalization Cross Correlation）进行模式匹配

584-邻接连通域标记

598-邻接连通域标记

60透明混合（Alpha Blending）

问题61-70

614-邻接的连接数

628-邻接的连接数

63细化处理

64Hilditch 细化算法

65Zhang-Suen 细化算法

66方向梯度直方图（HOG）第一步：梯度幅值・梯度方向

67方向梯度直方图（HOG）第二步：梯度直方图

68方向梯度直方图（HOG）第三步：直方图归一化

69方向梯度直方图（HOG）第四步：可视化特征量

70色彩追踪（Color Tracking）

问题71-80

71掩膜（Masking）

72掩膜（色彩追踪（Color Tracking）+形态学处理）

73缩小和放大

74使用差分金字塔提取高频成分

75高斯金字塔（Gaussian Pyramid）

76显著图（Saliency Map）

77Gabor 滤波器（Gabor Filter）

78旋转 Gabor 滤波器

79使用 Gabor 滤波器进行边缘检测

80使用 Gabor 滤波器进行特征提取

问题81-90

81Hessian 角点检测

82Harris 角点检测第一步：Sobel + Gausian

83Harris 角点检测第二步：角点检测

84简单图像识别第一步：减色化+直方图

85简单图像识别第二步：判别类别

86简单图像识别第三步：评估

87简单图像识别第四步：k-NN

88k-平均聚类算法（k -means Clustering）第一步：生成质心

89k-平均聚类算法（k -means Clustering）第二步：聚类

90k-平均聚类算法（k -means Clustering）第三步：调整初期类别

问题91-100

91利用 k-平均聚类算法进行减色处理第一步：按颜色距离分类

92利用 k-平均聚类算法进行减色处理第二步：减色处理

93准备机器学习的训练数据第一步：计算 IoU

94准备机器学习的训练数据第一步：随机裁剪（Random Cropping）

95神经网络（Neural Network）第一步：深度学习（Deep Learning）

96神经网络（Neural Network）第二步：训练

97简单物体检测第一步----滑动窗口（Sliding Window）+HOG

98简单物体检测第二步----滑动窗口（Sliding Window）+ NN

99简单物体检测第三步----非极大值抑制（Non-Maximum Suppression）

100简单物体检测第三步----评估 Precision, Recall, F-score, mAP