圖片存儲原理：
主流顏色空間：1.RGB三通道彩色圖：圖片——>三維矩陣
2.單通道灰度圖：Gray=R*0.3+G*0.59+B*0.11
圖像增強
目標：
1.改善圖像的視覺效果
2.轉換為更適合於人或機器分析處理的形式
3.突出對人或機器分析有意義的信息
4.抑制無用信息，提高圖像的使用價值;
具體方法:
包括圖像銳化，平滑、去噪，灰度調整(對比度增強)
點運算：
直方圖：對圖片數據、特征分布的一種統計（1.灰度、顏色 2.梯度\邊緣、形狀、紋理 3.局部特征點、視覺詞匯）
直方圖均衡化（防止明暗差別過大）：實質上是對圖像進行非線性的拉伸。重新分配各個灰度單位中的像素點數量，使一定灰度范圍內像素點數量的值大致相等
直方圖均衡的經典算法對整幅圖像的像素使用相同的變換，如果圖像中包括明顯亮的或者暗的區域，則經典算法作用有限。
自適應直方圖均衡(AHE)：通過對局部區域進行直方圖均衡，來解決上述問題。移動模板在原始圖片上按特定步長滑動;每次移動后，模板區域內做直防圖均衡，映射后的結果賦值給模板區域內所有點，每個點會有多次賦值，最終的取值為這些賦值的均值。
但是AHE會過度放大圖像中相對均勻區域的噪音，可采用限制對比度自適應直方圖均(CLAHE)。與普通的自適應直方圖均衡相比，CLAHE的不同地方在於直方圖修剪過程（雙線性插值），用修剪后的直方圖均衡圖像時，圖像對比度會更自然。
1.圖像分塊，以塊為單位;
2.先計算直方圖，然后修剪直方圖，最后均衡;
3.遍歷操作各個圖像塊，進行塊間雙線性插值;
形態學運算
膨脹：圖像中的高亮部分進行膨脹，類似於領域擴張
正向腐蝕（B沿着A的邊走一遍，形成的內部圖案），反向膨脹
開運算:先腐蝕再膨脹，可以去掉目標外的孤立點。
閉運算:先膨脹再腐蝕，可以去掉目標內的孔。
通常，當有噪聲的圖像用閾值二值化后，所得到的邊界是很不平滑的,物體區域具有一些錯判的孔洞，背景區域散布着一些小的噪聲物體，連續的開和閉運算可以顯著的改善這種情況。
空間預處理及其變換
濾波/卷積：在每個圖片位置（x,y）上進行基於淋雨的函數計算。不同功能需要不同的函數（平滑/去噪，梯度/銳化等）
圖片中各點的數值和卷積核中的點對應相乘再相加得到結果
邊界填充：使卷積后的尺度與前相同
補零用的最多，但是補得0過多影響比較大。
高斯金字塔：
圖像金字塔化：先進行圖像平滑，再進行降采樣，根據降采樣頻率，得到一系列尺寸逐漸減小的圖像。
操作：N次（高斯卷積->2倍降采樣）-->n層金字塔
目的：捕捉不同尺寸的物體
拉普拉斯金字塔我感覺就是高斯金字塔的逆過程。
傅里葉變換：
一個信號可以有足夠多個不同頻率和幅值的正余弦波組成。
這我也講不明白，看看吧。
學習地址：https://www.bilibili.com/video/BV1iJ411G741?p=2