数字图像处理

1.HSI模型：h表示色调，s饱和度， l表示亮度，色调和饱和度

2.RGB彩色模型：r红色，g绿色，b蓝色，对应的是xyz轴，每个为8比特，用24比特表示全彩色图像

3.​边缘检测中抗噪性能应该为：
Canny算子 > 一阶算子（梯度算子） > 二阶算子
其中一阶算子中： Sobel > Prewitt > Roberts

​4.图像的去噪即模板化运算(均值滤波，中值滤波，高斯滤波)

图像相减可以减低噪声，相乘或相除

	算计概念	常见算子	优点	缺点
其他导数的边缘算子	下面两类均是通过微分算子来检测图像边缘，这是边缘检测最优化算子	Roberts算子	梯度算子，局部差分计算检测边缘线条，常处理陡峭的低噪音声图像，当图像接近正45或负45时，效果明显	对边缘定位不太准确，提取的边缘线条较粗，对噪声敏感，无法抑制噪声的影响
一阶导数是以最大值作为对应的边缘的位置(梯度算子)	通过模板作为核与图像的每个像素点做卷积和运算，然后选取合适的阈值来提取图像的边缘	Sobel算子和Prewitt算子。	sobel:更能准确检测图像边缘； 常用处理噪声较多，灰度渐变的图像；对噪声具有平滑作用，构成一个梯度算子（垂直和水平） prewitt:对噪声抑制，对灰度渐变和噪声较多的图像处理效果还好（垂直和水平）	sobel：由于边缘是位置的标志，对灰度的变化不敏感 Prewitt:像素平均相当图像进行滤波，对边缘定位不太好
二阶导数则以过零点作为对应边缘的位置	此类算子对噪声敏感。	Laplacian 算子，Canny算子	Laplacian:对图像阶跃性边缘点定位准确，具有无方向性的优点，可以对任意方向进行提取，只需要一次 Canny:对噪声不敏感，不容易受到噪声干扰，能够检测弱边缘，使用两种阙值分别检测强边缘和弱边缘	Laplacian:对噪声比较敏感，只适用于无噪声图像。容易丢失边缘方向的信息，造成不连续的检测边缘 Canny:易使高频边缘平滑掉，造成边缘损失

5.无论是在空间域还是频率域，都可以使用：

（低通）平滑滤波	优点	缺点	作用
双边滤波