图像处理基本概念、GAN

一、图像处理基本概念

要注意的是：图像亮度、对比度、饱和度和锐化之间并不是彼此独立的，改变其中一个特征可能会同时引起图像其他特征的变化，至于变化的程度取决于图像本身的特性

1. 亮度、对比度、饱和度

• 亮度：图像亮度通俗理解便是图像的明暗程度，若在灰度图（[0，255]）中，则越接近0亮度越黑，而越接近255越亮
• 对比度：图像暗和亮的落差值，即图像最大灰度级和最小灰度级之间的差值，差异范围越大代表对比越大，差异范围越小代表对比越小
• 饱和度：色彩的鲜艳程度，饱和度取决于该色中含色成分和消色成分（灰色）的比例。含色成分越大，饱和度越大；消色成分越大，饱和度越小

2. 灰度图像与彩色图像区别

灰度图就是只有灰色，而灰色的深浅由灰度决定。且灰度图的RGB色彩分量全部相等。

彩色图像每个像素是由R、G、B分量构成的图像

3. 图像平滑（降噪）

图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法，使图像亮度平缓渐变，减小突变梯度，改善图像质量。

一般来讲，平滑会使图像的噪声去掉，而保留主体的像素，但是会使图像变得模糊，减弱图像细节边缘和轮廓

不过我们可以使用边缘提取算子来计算图像的边缘

4. 图像锐化（增强）

图像锐化与图像平滑是相反的操作，锐化是通过增强高频分量来减少图像中的模糊，增强图像细节边缘和轮廓，便于后期对目标的识别和处理。不过锐化处理在增强图像边缘的同时也增加了图像的噪声

5. 直方图均衡化

直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法，最终达到清晰图像的目的

二、上/下采样

1. 下采样-Downsampling

我们可以通过卷积核的计算来完成下取样的过程，即缩小图像，它主要目的有两个：

1. 使得图像符合显示区域的大小
2. 生成对应图像的缩略图

对图像的缩放操作并不能带来更多关于该图像的信息，因此图像的质量将不可避免地受到影响。

2. 上取样-Upsampling

上采样可以通过反卷积、插值法或反池化来放大图像

①插值法

即在原有图像像素的基础上在像素点之间采用合适的插值算法插入新的元素，有nearest interpolation或bilinear interpolation等

②反卷积

反卷积，是卷积的逆过程，实现上采用转置卷积核的方法，又称作转置卷积 (transposed convolution)
具体详解点我

③反池化

反池化，在池化过程中，记录下max-pooling在对应kernel中的坐标，在反池化过程中，将一个元素根据kernel进行放大，根据之前的坐标将元素填写进去，其他位置补0

三、GAN-Generative Adversarial Networks

1. 简介

GAN包含有两个模型，一个是生成模型（generative model），一个是判别模型(discriminative model)。生成模型的任务是生成看起来自然真实的、和原始数据相似的实例。判别模型的任务是判断给定的实例看起来是自然真实的还是人为伪造的（真实实例来源于数据集，伪造实例来源于生成模型）。

详细信息点我

四、其他

1. 参考链接

• https://blog.csdn.net/zhaohongfei_358/article/details/125639916
• https://zhuanlan.zhihu.com/p/34287744

本文只用于个人学习与记录，侵权立删