如何学好图像处理

目录

 

　　1)对于初级入门者

　　关于课程——

　　关于教材——

　　2)对于中级水平者

　　3)对于高级进阶者

---

　　1)对于初级入门者

　　一个扎实的基础和对于图像处理理论的完整的、系统的整体认识对于后续的深入研究和实践应用具有非常非常重要的意义。

　　我经常喜欢拿武侠小说《天龙八部》中的一段情节来向读者说明此中的道理，相信读者对这部曾经被多次搬上银幕的金庸作品已经耳熟能详了。书中讲到有个名叫鸠摩智的番僧一心想练就绝世武学，而且他也算是个相当勤奋的人了。但是，他错就错在太过于急功近利，甚至使用道家的小无相功来催动少林绝技。看上去威力无比，而且可以在短时间内“速成”，但实则后患无穷。最终鸠摩智走火入魔，前功尽废，方才大彻大悟。这个故事其实就告诉我们打牢基础是非常重要的，特别是要取得更长足的发展，就更是要对基本原理刨根问底，力求甚解，从而做到庖丁解牛，游刃有余。

　　一些看似高深的算法往往是许多基础算法的组合提升。例如，令很多人望而却步的SIFT特征构建过程中，就用到了图像金字塔、直方图、高斯滤波这些非常非常基础的内容。但是，它所涉及的基础技术显然有好几个，如果缺乏对图像处理理论的系统认识，你可能会感觉事倍功半。因为所有的地方好像都是沟沟坎坎。

　　关于课程——

　　在这个阶段其实对于数学的要求并不高，你甚至可以从一些感性的角度去形象化的理解图像处理中很多内容(但不包括频域处理方面的内容)。具体到学习的建议，如果有条件(例如你还在高校里读书)你最好能选一门图像处理方面的课程，系统地完整的地去学习一下。这显然是入门的最好办法。如此一来，在建立一个完整的、系统的认知上相当有帮助。如果你没办法在学校里上一门这样的课，网上的一些公开课也可以试试。但现在中文MOOC上还没有这方面的优质课程推荐。英文的课程则有很多，例如美国加州伦斯勒理工学院Rich教授的数字图像处理公开课——https://www.youtube.com/channel/UCaiJlKxXamoODQtlx486qJA?spfreload=10。

　　关于教材——

　　显然，只听课其实还不太够，如果能一并读一本书就最好了。其实不用参考很多书，只要一本，你能从头读到尾就很好了。如果你没有条件去上一门课，那读一本来完整的自学一下就更有必要了。这个阶段，去网上到处找博客、看帖子是不行的。因为你特别需要在这个阶段对这门学问建立一个系统的完整的知识体系。东一块、西一块的胡拼乱凑无疑是坑你自己，你的知识体系就像一个气泡，可能看起来很大，但是又脆弱的不堪一击。

　　现在很多学校采用冈萨雷斯的《数字图像处理》一书作为教材。这是一本非常非常经典的著作。但是我必须要提醒读者：

　　1)这是一本专门为Electronic Engineering专业学生所写的书。它需要有信号与系统、数字信号处理这两门课作为基础。如果你没有这两门课的基础，你读这本书要么是看热闹，要么就是看不懂。

　　下面是冈书中的一张插图。对于EE的学生来说，这当然不是问题。但是如果没有我说的那两门课的基础，其实你很难把握其中的精髓。H和h，一个大小一个小写，冈书中有的地方用H，有的地方用h，这都是有很深刻用意的。原作者并没有特别说明它们二者的区别，因为他已经默认你应该知道二者是不同的。事实上，它们一个表示频域信号，一个表示时域信号，这也导致有时候运算是卷积，有时候运算是乘法(当然这跟卷积定理有关)。所以我并不太建议那些没有这方面基础的学生在自学的时候读这本书。

 

　　2)冈萨雷斯教授的《数字图像处理》第一版是在1977年出版的，到现在已经快40年了;现在国内广泛使用的第二版是2002年出版的(第三版是2007年但是其实二者差异并不大)，到现在也有20年左右的时间了。事实上，冈萨雷斯教授退休也有快30年了。所以这本书的内容已经偏于陈旧。数字图像处理这个领域的发展绝对是日新月异，突飞猛进的。特别在最近二三十年里，很多新思路，新方法不断涌现。如果你看了我前面推荐的Rich教授的公开课(这也是当前美国大学正在教学的内容)，你一下子就会发现，原来我们的教育还停留在改革开放之前外国的水平上。这其实特别可怕。所以我觉得冈萨雷斯教授的《数字图像处理》作为学习过程中的一个补充还是不错的，但是如果把它作为主参考，那真的就是：国外都洋枪洋炮了，我们还在大刀长矛。

　　2)对于中级水平者

　　纸上得来终觉浅，绝知此事要躬行。对于一个具有一定基础的，想更进一步的中级水平的人来说，这个阶段最重要的就是增强动手实践的能力。

　　还是说《天龙八部》里面的一个角色——口述武功、叹为观止的王语嫣。王语嫣的脑袋里都是武功秘籍，但问题是她从来都没练过一招一式。结果是，然并卵。所以光说不练肯定不灵啊。特别是，如果你将来想从事这个行业，结果一点代码都不会写，那几乎是不可想象的。学习阶段，最常被用来进行算法开发的工具是Matlab和OpenCV。你可以把这两个东西都理解为一个相当完善的库。当然，在工业中C++用得更多，所以Matlab的应用还是很有限的。前面我们讲到，图像处理研究内容其实包括：图像的获取和编解码，但使用Matlab和OpenCV就会掩盖这部分内容的细节。你当然永远不会知道，JPEG文件到底是如何被解码的。

　　如果你的应用永远都不会涉及这些话题，那么你一直用Matlab和OpenCV当然无所谓。例如你的研究领域是SIFT、SURF这种特征匹配，可以不必理会编解码方面的内容。但是如果你的研究话题是降噪或者压缩，可能你就绕不开这些内容。最开始学的时候，如果能把这部分内容也自己写写，可能会加深你的理解。以后做高级应用开发时，再调用那些库。所以具体用什么，要不要自己写，是要视你所处的阶段和自己的实际情况而定的。以我个人的经验，在我自学的时候，我就动手写了Magic House，我觉得这个过程为我奠定了一个非常夯实的基础，对于我后续的深入研究很有帮助。

　　下面这个文中，我给出了一些这方面的资源，代码多多，很值得参考学习：图像处理与机器视觉网络资源收罗http://blog.csdn.NET/baimafujinji/article/details/32332079

　　3)对于高级进阶者

　　到了这个程度的读者，编程实现之类的基本功应该不在话下。但是要往深，往高去学习、研究和开发图像处理应用，你最需要的内容就变成了数学。这个是拦在很多处于这个阶段的人面前的一大难题。如果你的专业是应用数学，当然你不会感觉有问题。但如果是其他专业背景的人就会越发感觉痛苦。

　　如果你的图像处理是不涉及机器学习内容的，例如用Poisson方程来做图像融合，那你就要有PDE数值解方面的知识;如果你要研究KAZE特征，你就必须要知道AOS方面的内容。如果你研究TV降噪，你又要知道泛函分析中的BV空间内容……这些词你可能很多都没听过。总的来说，这块需要的内容包括：复变函数、泛函分析、偏微分方程、变分法、数学物理方法……

　　如果你要涉足机器视觉方法的内容，一些机器学习和数据挖掘方法的内容就不可或缺。而这部分内容同样需要很强大的数学基础，例如最大似然方法、梯度下降法、欧拉-拉格朗日方程、最小二乘估计、凸函数与詹森不等式……

　　当然，走到这一步，你也已经脱胎换骨，从小白到大神啦!路漫漫其修远兮，吾将上下而求索。