【自用】图像算法、计算机视觉面试问题及答案1.0

传统机器算法

2022.4.11

• 图像预处理

图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。 一般的预处理流程为：灰度化->几何变换->图像增强

• 图像增强

增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
图像增强可分成两大类：频率域法和空间域法。

1.频率域法

频率域法是一种间接图像增强算法，把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。

2.空间域法

空间域法是一种直接图像增强算法，分为点运算算法和邻域去噪算法。
点运算算法即灰度变换（伽马变换、对数增强）和直方图修正等。
邻域增强算法分为图像平滑和锐化两种。平滑常用算法有均值滤波、中值滤波。锐化常用算法有梯度法（如Roberts梯度法）、算子法（Sobel算子和拉普拉斯算子等）、掩模匹配法、统计差值法等。

• 传统的边缘检测算子

1、Roberts算子

Robert是最老的算子之一

掩膜：只使用当前像素的 2 x 2 邻域

边缘幅度的计算：对角相减 再 相加

Roberts算子的主要缺点是其对噪声的高度敏感性，原因在于仅使用了很少几个像素来近似梯度

2、Laplace 算子

通常使用 3 x 3 的邻域，Laplace是近似给出边缘幅值的二阶导数的 流行方式

4-邻接 掩膜：

8-邻接 掩膜：