设计出python_推荐：为图像处理初学者设计的100个问题（含python实现代码）
本文整理了图像处理初学者应该需要了解的100个基础问题，涉及读取、显示图像、操作像素、拷贝图像、保存图像、灰度化（Grayscale）、二值化（Thresholding）、大津算法、HSV 变换、减色处理、平均池化（Average Pooling）、最大池化（Max Pooling）、高斯滤波（Gaussian Filter）、中值滤波（Median filter）、仿射变换（Afine Transformations）等100多个知识点。
给出了详细的代码实现，具体的输入输出case情况。
问题1 - 10
1通道替换
2灰度化（Grayscale）
3二值化（Thresholding）
4大津算法
5HSV 变换
6减色处理
7平均池化（Average Pooling）
8最大池化（Max Pooling）
9高斯滤波（Gaussian Filter）
10中值滤波（Median filter）
问题11 - 20
11均值滤波
12Motion Filter
13MAX-MIN 滤波
14微分滤波
15Sobel 滤波
16Prewitt 滤波
17Laplacian 滤波
18Emboss 滤波
19LoG 滤波
20直方图表示
问题21-30
21直方图归一化（Histogram Normalization）
22直方图操作
23直方图均衡化（Histogram Equalization）
24伽玛校正（Gamma Correction）
25最邻近插值（Nearest-neighbor Interpolation）
26双线性插值（Bilinear Interpolation）
27双三次插值（Bicubic Interpolation）
28仿射变换（Afine Transformations）——平行移动
29仿射变换（Afine Transformations）——放大缩小
30仿射变换（Afine Transformations）——旋转
问题31-40
31仿射变换（Afine Transformations）——倾斜
32傅立叶变换（Fourier Transform）
33傅立叶变换——低通滤波
34傅立叶变换——高通滤波
35傅立叶变换——带通滤波
36JPEG 压缩——第一步：离散余弦变换（Discrete Cosine Transformation）
37峰值信噪比（Peak Signal to Noise Ratio）
38JPEG 压缩——第二步：离散余弦变换+量化
39JPEG 压缩——第三步：YCbCr 色彩空间
40JPEG 压缩——第四步：YCbCr+DCT+量化
问题41-50
41Canny边缘检测：第一步——边缘强度
42Canny边缘检测：第二步——边缘细化
43Canny边缘检测：第三步——滞后阈值
44霍夫变换（Hough Transform）／直线检测——第一步：霍夫变换
45霍夫变换（Hough Transform）／直线检测——第二步：NMS
46霍夫变换（Hough Transform）／直线检测——第三步：霍夫逆变换
47形态学处理：膨胀（Dilate）
48形态学处理：腐蚀（Erode）
49开运算（Opening Operation）
50闭运算（Closing Operation）
问题51-60
51形态学梯度（Morphology Gradient）
52顶帽（Top Hat）
53黑帽（Black Hat）
54使用误差平方和算法（Sum of Squared Difference）进行模式匹配（Template Matching）
55使用绝对值差和（Sum of Absolute Differences）进行模式匹配
56使用归一化交叉相关（Normalization Cross Correlation）进行模式匹配
57使用零均值归一化交叉相关（Zero-mean Normalization Cross Correlation）进行模式匹配
584-邻接连通域标记
598-邻接连通域标记
60透明混合（Alpha Blending）
问题61-70
614-邻接的连接数
628-邻接的连接数
63细化处理
64Hilditch 细化算法
65Zhang-Suen 细化算法
66方向梯度直方图（HOG）第一步：梯度幅值・梯度方向
67方向梯度直方图（HOG）第二步：梯度直方图
68方向梯度直方图（HOG）第三步：直方图归一化
69方向梯度直方图（HOG）第四步：可视化特征量
70色彩追踪（Color Tracking）
问题71-80
71掩膜（Masking）
72掩膜（色彩追踪（Color Tracking）+形态学处理）
73缩小和放大
74使用差分金字塔提取高频成分
75高斯金字塔（Gaussian Pyramid）
76显著图（Saliency Map）
77Gabor 滤波器（Gabor Filter）
78旋转 Gabor 滤波器
79使用 Gabor 滤波器进行边缘检测
80使用 Gabor 滤波器进行特征提取
问题81-90
81Hessian 角点检测
82Harris 角点检测第一步：Sobel + Gausian
83Harris 角点检测第二步：角点检测
84简单图像识别第一步：减色化+直方图
85简单图像识别第二步：判别类别
86简单图像识别第三步：评估
87简单图像识别第四步：k-NN
88k-平均聚类算法（k -means Clustering）第一步：生成质心
89k-平均聚类算法（k -means Clustering）第二步：聚类
90k-平均聚类算法（k -means Clustering）第三步：调整初期类别
问题91-100
91利用 k-平均聚类算法进行减色处理第一步：按颜色距离分类
92利用 k-平均聚类算法进行减色处理第二步：减色处理
93准备机器学习的训练数据第一步：计算 IoU
94准备机器学习的训练数据第一步：随机裁剪（Random Cropping）
95神经网络（Neural Network）第一步：深度学习（Deep Learning）
96神经网络（Neural Network）第二步：训练
97简单物体检测第一步----滑动窗口（Sliding Window）+HOG
98简单物体检测第二步----滑动窗口（Sliding Window）+ NN
99简单物体检测第三步----非极大值抑制（Non-Maximum Suppression）
100简单物体检测第三步----评估 Precision, Recall, F-score, mAP