三、图像处理关键知识点总结

（一）图像处理基本滤波算法

（二）图像仿射变换与透射变换：几何变换、视角空间变换2D-3D-2D

仿射变换：warpAffine()；量空间变换，主要有旋转、平移、缩放。

透射变换：cvWrapPerspective()；将图像投影到一个新的视平面（投影映射）。主要用于2D到3D再到2D，用于全景拼接。

（三）图像金字塔：多尺度变换

图像金字塔是以多分辨率来解释图像的结构，主要应用于图像分割、机器视觉和图像压缩。金字塔由底部向顶部分辨率逐层降低。常见的主要有高斯金字塔（PyrDown()；下采样，分辨率降低）和拉普拉斯金字塔（PyrUp()；重建图像，预测残差；上采样，分辨率增高，图像依然变模糊）。

（四）霍夫变换：直线与圆检测

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。

直线检测：直线方程转换为极坐标形式，通过检测ρ和θ来确定是不是一条直线。针对边缘检测后的像素点，给不同的θ，求出相应的ρ，ρ和θ出现次数最多的可以确定出直线。

圆检测：圆的直角坐标表示可知，圆由圆心坐标和半径三个参数确定。这样霍夫的参数空间就变成一个三维参数空间。给定圆半径转为二维霍夫参数空间，变换相对简单，也比较常用。任意三点确定一个圆，再进行投票。

（五）图像颜色空间与皮肤检测：

常见的颜色空间有：RGB（红绿蓝）、YUV（Y：光照强度、UV：颜色信息）、HSV（色调、饱和度、值）

皮肤检测：

1. 基于RGB的皮肤检测：（在均匀光照下应满足以下判别式：R>95 AND G>40 B>20 AND MAX(R,G,B)-MIN(R,G,B)>15 AND ABS(R-G)>15 AND R>G AND R>B    在侧光拍摄环境下：R>220 AND G>210 AND B>170 AND ABS(R-G)<=15 AND R>B AND G>B）
2. Ycrcb之cr分量+otsu阈值化
3. YCrCb中133<=Cr<=173 77<=Cb<=127
4. HSV中 7
5. 基于椭圆皮肤模型的皮肤检测
6. opencv自带肤色检测类AdaptiveSkinDetector

参考：https://www.cnblogs.com/skyfsm/p/7868877.html

（六）图像特征：边缘、角点、特征检测与立体匹配

边缘检测：Canny、Sobel、Laplacian

角点检测：Harris 、Shi-Tomasi

特征检测：SIFT（尺度不变特征转换， ScaleInvariant Feature Transform） 、SURF（Speeded Up Robust Feature）、ORB（ORiented Brief，没有解决尺度不变性）、FAST（加速分割测试获得特征， Features from Accelerated Segment Test） 

（七）模板匹配：简单粗暴

将模板图片在原图上从左上到右下滑动，直至具有需求阈值的相似度。