图像处理的简单知识（持续更新）

1.  0：黑色  255：白色

2. 不同频率信息在图像结构中有不同作用。图像主要是低频信息，形成了图像的基本灰度等级，对图像结构的决定作用较小；中频信息决定了图像的基本结构，形成了图像的主要边缘结构；高频信息形成了图像的边缘和细节，是在中频信息上对图像内容的进一步强化。

 3.点乘用*或者multiply（对应值相乘），矩阵乘法用dot（）函数；

4.处理梯度：梯度有可能在训练过程中变成无限大或者零值。有可能是因为输入数据本身不合法，也有可能是除法或求导运算的精度限制导致的。换句话说，模型设计没有问题，仍然存在训练无法顺利进行的情况。为避免梯度爆炸或梯度消失问题，我们对梯度值进行一些处理，在更新到模型参数。如实施梯度裁剪，梯度加权，模型平均（model averaging）和批规范化（batch normalization）等。

5.优化算法中minimize方法会调用compute_gradients()与aply_gradients()函数，分为三个步骤：

① 计算梯度 ：调用compute_gradients方法，依据指定的策略求得梯度值。

② 处理梯度：用户按照自己的需求处理梯度值，如进行梯度裁剪和梯度加权。

③ 应用梯度：调用apply_gradients方法，将处理后的梯度值应用到模型参数，实现模型更新。

6.初始化模型参数有2种方法，其一传入初始值，然后执行初始化操作赋值；其二从checkpoint文件种恢复变量的值。

7.卷积  full卷积的w变成w+wk-1,H变成H+Hk-1；vaild卷积的w变成w-wk+1,H变成H-Hk+1。

8.sobel算子（高阶）：sobel算子由平滑算子（n-1）与差分算子(n-2)构成，其求解可用二项式展开式的系数，如5阶sobel算子，平滑算子由5-1构成[ 1，4，6，4，1]，差分算子5-2构成[1，3，3，1]，其前后添加0（对于任意阶sobel算子）变成[0，1，3，3，1，0]，后项减去前项得[1,2,0,-2,-1]。最终[ 1，4，6，4，1]转置 ✳[1,2,0,-2,-1] 。其中可以对图像先平滑，在差分。