图像处理

图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用，目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。

人类眼球的感光细胞中，在正常的光照环境下（非绝对黑暗和绝对明亮中），对较暗色调之间的差异，比对较亮色调的差异的反应更强烈。这个跟照相机的实际上的光照强度值是不一样的，所以，人类眼球对光强度的反应是非线性的。

在进行图像处理的过程中，获取原始图像后，首先需要对图像进行预处理，因为在获取图像的过程中，往往会发生图像失真，使所得图像与原图像有某种程度上的差别。在许多情况下，人们难以确切了解引起图像降质的具体物理过程及其数学模型，但却能估计出使图像降质的一些可能原因，针对这些原因采取简单易行的方法，改善图像质量。

实际应用中，如果变换矩阵是正交的（如旋转矩阵），就没必要计算它的逆矩阵，因为正交矩阵的逆矩阵就是转置矩阵，两个转置矩阵相互抵消，相乘的结果还是原来的旋转矩阵。

在概念层面，图像处理和计算机视觉之间存在很多重叠，并且经常被误解的术语可以互换使用。在这里，我们简要概述了这些技术，并解释了它们在基础层面上的不同之处。

从多张航拍图像中恢复建筑和地貌稠密结构是建筑，农业，测绘等行业迫切需要的。无人机的出现大大降低了航拍图像的获取成本，使得快速，低成本测量，创建需要的三维模型成为可能。本篇文章将剖析近年来的热点应用航拍图像三维重建。

搞了CV一段时间，仍时不时因为概念问题而困惑，搞不清楚计算机视觉(Computer Vision)，计算机图形学(Computer Graphics)和图像处理(Image Processing)的区别和联系。在知乎上看到了一个帖子，觉得解释的很好，结合自己的理解，形成此文存档。

神经风格迁移之前的风格迁移方法：基于笔划的渲染；图像类比方法；图像滤波方法；纹理合成方法。神经风格迁移（NTS）分类：基于在线图像优化的慢速神经网络方法；基于在线模型优化的快速神经网络方法。

在对图像进行空间变换的过程中，典型的情况是在对图像进行放大处理的时候，图像会出现失真的现象。这是由于在变换之后的图像中，存在着一些变换之前的图像中没有的像素位置。

针对模糊图像的处理，个人觉得主要分两条路，一种是自我激发型：基于图像处理的方法，如图像增强和图像复原，以及曾经很火的超分辨率算法；另外一种属于外部学习型：就如同照葫芦画瓢一样的道理，其算法主要是深度学习中的卷积神经网络......接下来我们一起学习这两条路的具体方式。