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)
- 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;
- 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;
- 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;
- null