charpter 1
low-level processes:初始的操作，包括图像预处理用于减少噪声，contrast enhancement，图像锐化
mid-level processes:分割，对象的描述，个体的分类。输入是图像，输出是从图像中提取的属性
higher-level processes:包括“感知”可识别对象
image restoration,图像重建，是客观性的，基于图像退化的机制
image enhancement,图像增强，是基于人工主观偏好
wavelets，
image compression，图片压缩，较少存储的空间，和传输需要的带宽
morphological[ˌmɔːfəˈlɒdʒɪkəl] processing，形态学处理，提取图片的组件，用于形状的表述
segmentation,图像分割，图像分割的好坏决定了最后识别的好坏
Representation and description，分割后的图像的表示，用边界或者完整的区域，边界表示关注外部的形状特征（比如角和拐点），区域表示关于内部的属性（比如纹理和骨骼形状），description,也叫作特征选择
Recognition，识别
charpter 2
sampling,取样，digitizing the coordinate values
quantization,量化,digitizing the amplitude values
图片的原点在左上角，x-axis 从上到下，y-axis从左到右，笛卡尔右手坐标系
image contrast，对比度，饱和（saturation）值和噪声(noise)门限的范围
k位图片，有2的k次方的强度水平，比如8位图，说明图片有256种强度值
插值
image interpolation，图片插值，用已知的数据预测未知位置的值
最临近插值,双线性插值,双三次插值
图片的四则运算
s(x,y) = f(x,y) + g(x,y),去除高斯噪声
d(x,y) = f(x,y) - g(x,y),查看图片的差别
p(x,y) = f(x,y) x g(x,y),shading correction,阴影校正
v(x,y) = f(x,y) % g(x,y)
几何空间变换和image registration(图像注册)
最常用的空间坐标变换是仿射变换(affine transform)
charpter 3
intensity transformation
linear transformation, piecewise-linear transformation function(分段线性)
直方图均衡化 histogram equalization,经过此种变换,图像的直方图是均衡的,增加了图像的对比度
直方图匹配,histogram matching,指定变换后的图像直方图在特定的区域,意思就是对比度在指定的范围
spatial filtering,(也可以叫spatial mask, kernel, template, window)
correction，校正，convolution，卷积
3.5.1 smoothing linear filters
取平均，根据距离远近取权重，3x3,中间点取4,四个diagonal位置取2,四个corner取1,总和为16,（注意16这个数，2的4次方）
3.5.2 order-statistic(nonlinear) filter，中值滤波
特别适合salt-and-pepper noise(椒盐噪声,随机出现白点或者黑点)的去除
3.6 sharpening filter, 锐化滤波
1阶导数,2阶导数,在锐化方面,多用2阶导数
3.6.2 laplacian,拉普拉思变换,最简单的一种各向不变性(isotropic)变换
3.6.3 unsharp mask
3.6.4 gradient,梯度,使用1阶导
Roberts cross-gradient operators, Sobel operators
3.7 fuzzy techniques,模糊技术
charpter 4 Fourier transform
anti-aliasing,抗锯齿,参考
moire patterns,摩尔条纹,带透明间隔的不透明直纹图案覆盖到相类似的图案时,就会出现摩尔条纹
frequency domain vs spatial domain,频域和空间域,
低频对应图像中强度变化很缓慢的地方,高频对应强度变化很快的地方
比如一张室内的图像,低频表示墙或者地板这些强度变化很平滑的位置,高频就表示物体的边缘等强度突变的位置
低频，平滑处理
高频，锐化处理