1、图像处理笔试面试题（1）
https://blog.csdn.net/m0_37407756/article/details/78800709
1.1、给定0-1矩阵，求连通域
二值图像分析最重要的方法就是连通区域标记，它是所有二值图像分析的基础，它通过对二值图像中白色像素（目标）的标记，让每个单独的连通区域形成一个被标识的块，进一步的我们就可以获取这些块的轮廓、外接矩形、质心、不变矩等几何参数。
连通域；连通区域的标记；
基于行程的标记（算法思路明白！；代码实现？）；基于轮廓的标记（算法思路明白？；代码实现？）
2、图像处理算法工程师面试题
2.1、常用的图像空间
RGB/CMY/HSV/HSI/YUV(YCrCb)/Lab
HSL/HSB/Ycc/XYZ
https://blog.csdn.net/baidu_18891025/article/details/81742905
https://blog.csdn.net/skyereeee/article/details/7265415
HSV和HSI区别：
a 定义：
HSV:
HSI:
b 数学模型：
HSV: HSI:
https://blog.csdn.net/wxb1553725576/article/details/45827923
https://blog.csdn.net/jolinxia/article/details/27963675
YCrCb:
YCrCb即YUV, 其中“Y”表示明亮度（Luminance或Luma），也就是灰阶值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。
“色度”则定义了颜色的两个方面─色调与饱和度，分别用Cr和CB来表示。其中，Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而CB反映的是RGB输入信号蓝色部分与RGB信号亮度值之间的差异。
采用YUV色彩空间的重要性是它的亮度信号Y和色度信号U、V是分离的。如果只有Y信号分量而没有U、V分量，那么这样表示的图像就是黑白灰度图像。彩色电视采用YUV空间正是为了用亮度信号Y解决彩色电视机与黑白电视机的兼容问题，使黑白电视机也能接收彩色电视信号。
肤色YCbCr颜色空间是一种常用的肤色检测的色彩模型，其中Y代表亮度，Cr代表光源中的红色分量，Cb代表光源中的蓝色分量。人的肤色在外观上的差异是由色度引起的，不同人的肤色分布集中在较小的区域内。
2.2.简述你熟悉的聚类算法并说明其优缺点。
1. K-Means(K均值)聚类
https://blog.csdn.net/Katherine_hsr/article/details/79382249
https://blog.csdn.net/guoziqing506/article/details/59057427
优点：
1）原理简单，容易实现
2）可解释度较强
缺点：
1）K值很难确定
2）局部最优
3）对噪音和异常点敏感
4）需样本存在均值（限定数据种类）
5）聚类效果依赖于聚类中心的初始化
6）对于非凸数据集或类别规模差异太大的数据效果不好
7）K-Means的缺点在于对聚类中心均值的简单使用。
https://blog.csdn.net/baidu_33566882/article/details/79886598
2. 均值漂移聚类
https://blog.csdn.net/Katherine_hsr/article/details/79382249
优点：（1）不同于K-Means算法，均值漂移聚类算法不需要我们知道有多少类/组。
（2）基于密度的算法相比于K-Means受均值影响较小。
缺点：（1）窗口半径r的选择可能是不重要的。
3. 基于密度的聚类方法(DBSCAN)
密度：统计某一半径内的点数，直到找到最大点数位置。
4. 用高斯混合模型（GMM）的最大期望（EM）聚类
相对应K-Means假设数据点是圆形的，使用高斯混合模型（GMM）做聚类首先假设数据点是呈高斯分布的，高斯分布（椭圆形）给出了更多的可能性。我们有两个参数来描述簇的形状：均值和标准差。所以这些簇可以采取任何形状的椭圆形，因为在x，y方向上都有标准差。因此，每个高斯分布被分配给单个簇。
5. 凝聚层次聚类
6. 图团体检测(Graph Community Detection)
参考：
https://blog.csdn.net/Katherine_hsr/article/details/79382249
https://blog.csdn.net/abc200941410128/article/details/78541273?locationNum=1&fps=1
http://blog.chinaunix.net/uid-10289334-id-3758310.html
https://www.jianshu.com/p/2fa67f9bad60
2.3.请描述以下任一概念：SIFT/SURF LDA/PCA