图像处理-02

1.为什么要进行频域变化？(用快速傅利叶变换的形式写下来。)

  原始图片在时域很多频域少

2.如果直接进行降采样会出现什么效果？所以高斯金字塔的过程应该是？高斯金字塔与拉普拉斯金字塔之间的关系。
  (1)直接降采样会出现坑坑洼洼

  (2)先进行高斯平滑再进行降采样
  (3)高频细节信息在卷积和下采样中丢失， 保留所有层所丢失的高频信息，用于图像恢复

3为什么傅里叶变换能够把时域的转化成频域，如何用傅立叶解释2D的图片（即傅里叶变换在图像中有什么作用）。为什么要选这个图来说明？低通和高通分别留下了哪些特质？相位滤波滤去的哪些特征？
  (1)时域展开无穷多个正余弦波，每个波对应着频率
  (2)图像越密，细节越高

  (3)此图的原图中线条有规律 方便处理有助于提取特征

  (4)低通：只保留基本的样子  高通：保留了细节特征
  (5) 相位滤波可以滤去一些信号中的低频成分和非线性特征
		 

4如果出现这样的图像，应该采取怎么样去杂质？
 
  只能通过傅里叶变换去除
  去除过程：
      傅里叶变换->频谱滤波->去掉白点的区域添加黑点

5.小波变换与傅立叶变化有什么区别？为什么要进行小波变换？
  (1)基低不同
  (2)小波包含时间信息

6.量化颜色直方图有什么优点和劣势？为了解决这个劣势，我们推出了什么方法？他为什么能够解决这个劣势？
  (1)优势：计算高效
     劣势：量化问题，稀疏
  (2)聚类算法
  (3)有什么颜色就聚为一类计算，没有出现的就不采用

7.边缘的定义是什么（函数上）？如何利用进行边缘提取？可以用什么进行控制尺度？
  (1) 像素值函数快速变化的区域->一阶导数的极值区域

 
  (2)先高斯去噪，再使用一阶导数获取极值
  (3)利用标准差进行控制尺度

8.以训练一个最简单的CNN为例，用来识别一张图片里的字母是X还是O

图-1

图-2

卷积神经网络CNN是什么？人眼可以轻易识别x和o。如何让计算机知道该图是x？什么是欠拟合（用题目所给图像解释）？为了识别这些欠拟合的图片，cnn需要做什么？如何提取图片特征，是一个个像素进行对比吗？
  (1)CNN是一种专门用来处理数据的神经网络，它的输入形状类似于二维的矩阵图像。CNN通常用于图像检测和分类。
  (2)打标签。
  (3)欠拟合：认识图一的X而不认识图二的X
  (4)提取特征。(区域相同的)
  (5)不是 搜索匹配。

10.以所给图片1为例，解释匹配；因此我们可以从第九题里面的图一及标准x中提取出三个什么，它在卷积操作中被称是为？其大小是奇数还是偶数，为什么？

图片1

  (1)先给图一打上一个标签告诉他这个是x  使用卷积一块一块的进行对比  在两幅图中大致相同的位置找到一些粗糙的特征进行匹配
  (2)卷积核
  (3)奇数，奇数中心才有核。