Notebook_图像处理目标检测图像分割

学习过程中一些笔记。

02 图像预处理

• 卷积过程中减小运算量的方法：2D卷积拆分成1D卷积，二者效果差别不大。
  

• FT、STFT、WT
  WT - wavelet transform - 小波变换

  • Why STFT?
    FT只能分析平稳信号，非平稳信号要用短时傅立叶变换。在STFT中，认为在划定的窗口（短时间间隔内）中，信号是平稳信号。用于处理分段平稳信号或者近似平稳信号。
  • Why WT?
    STFT窗口大小一旦选定，不可更改，不能根据信号进行自适应；而且它的数学性质决定了想提高时间分辨率就得牺牲频率分辨率（反之如此），即时间分辨率和频率分辨率不能同时达到最优。So 小波变换
    
    

    平稳信号：统计特性不随时间变化
    非平稳信号：随时间变化

03 图像特征与描述

归纳：

• 颜色特征

  • 量化颜色直方图

    • HSV

    • RGB

  • 聚类颜色直方图
    适用的颜色空间：Lab等颜色空间

• 几何特征

  • Edge、Corner、Blob

• 基于关键点的特征描述子

  • SIFT、SURF、ORB

• 其他特征提取（LBP、Gabor）

---

记录：

• HSV直方图：
  优势：计算高效
  劣质：量化问题，太稀疏
  对比较简单的图像，虽然色带长，但是真正利用到的很少。

• Lab空间：
  

  图 Lab空间划分

• 几何特征：边缘。边缘提取
  先高斯滤波（去高频），再求一阶导，好处体现在可以让下图中的 f --> f*g
  

• HOG + SVM
  HOG （histogram of gradient）， 如果图片尺寸为64x128，block中有4个cell，则计算维度3780维，很大，但是SVM能够处理大维度的问题。
  

图 bin示意图，也是梯度直方图