CS131&Cousera图像处理学习笔记 - L4&W2滤波和卷积

cs131: http://vision.stanford.edu/teaching/cs131_fall1617/

coursera: https://www.coursera.org/learn/digital/home/week/2

滤波：

  通过原始图像像素值的组合形成新图像

滤波的目的：

  从图像中抽取有用信息（特征）

  修改或增强图像特性（超分辨率、图像恢复、去噪）

在图像中的高频是指相邻像素，像素值变化大的部分；低频指相邻像素，像素值变化很小的部分。用老师的例子：

 

线性时不变系统和卷积：

  来自coursera - Aggelos K. Katsaggelos 数字图像和视频处理基础 - Weak2 - 2D Convolution

  线性时不变系统(LSI)是由其脉冲响应唯一定义的，其输出就等于输入和系统脉冲响应的卷积。系统的脉冲响应可能是已知的或是可以测量的（case1），又或者，可以根据其搜集的数据进行定义（case2）。针对case2，我们只需要对一个点光源（point source，相当于系统脉冲输入detla）拍照，得到的图像就是系统的脉冲响应。

  老师举了一个哈勃望远镜的例子：

 望远镜拍摄黑暗太空中一颗遥远的星，输出就是系统的脉冲响应。当系统not available时，得到的是一张模糊的图像，我们要做的就是设计并使用算法来定义这个模糊，从而去掉它，得到一张清晰的图像。

 最开始入坑图像处理是看CNN结构，然后做了个SURF算法的项目，很多图像操作都是卷积，各种搜索查资料虽然大概明白了卷积的物理意义，却想不清楚为什么总是用卷积，看了这个视频之后觉得有点一知半解了：线性时不变系统性质决定图像操作用卷积。

 --------------2018.01.04--------------

回顾SURF算法那个项目，从图像特征的角度来理解，图像局部特征和卷积核越相似，响应强度就越大（参考那个犯人被打板子的解释)