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

    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