计算机视觉笔记（二）图像处理（1）图像、滤波、边缘检测、车牌识别、SVM

Outline
1、滤波及边缘检测
1）空间滤波、频率滤波
2）边缘检测
canny，sobel，laplace
这些都是拿到一幅图像所做的最基本的操作。
项目：车牌识别，用到机器学习的SVM和Ｎeural network算法

一、图像

获取的图像包含噪声：
来源：
（1）传感器质量（2）光照变换 （3） 量化过程
在图像处理当中把图像复原或者去噪称为图像滤波或者图像复原这是我们拿到图像之后的第一步操作。
受到噪声污染的图像叫做退化，去噪就称为复原。
常见噪声为加性噪声（与信号的关系是相加的，不管有没有信号，噪声都是始终存在的）；
乘性噪声（由于信道不理想，它与信道的关系是相乘的，信号存在，乘性噪声就存在，反之就不存在）。
把加性的随机性看成是系统的系统背景噪声，乘性的随机性噪声看成是系统的变性。

常见噪声：
白噪声：功率谱密度在整个频率内均匀分布的噪声。

高斯噪声：概率密度函数服从高斯分布（即正态分布）的一类噪声。

二、2D滤波

（一）滤波器：BoxFilter
在一维数据里面有噪声，首先想到的是做滑动平均。例：111511 -> 异常点的值=1/5(1+1+1+5+1+1)
在二维里面对其进行展开，同样有一个滑动窗口，比如是3*3的一个二维矩阵窗口，除以9做规划。

在左上角开始，用这个滑动窗口对原始图像进行滑动滤波，滑动窗口与原图像对应位相乘，然后求和，再取平均，赋给中间那个值。

上面的滤波器叫做box filter，但是这样的滤波会有一些水纹或者说图像不是那么平滑有跳跃的感觉。
解释一下，在频域里面用的是一个矩形框来滤波，它在频域里面是一个类似于sin的函数。它在高频的时候是有跳跃的，它不是真正的低通滤波器。在某些高频的时候是可以通过的。

BoxFilter在OpenCV的实现方式：blur()和boxFilter()函数
在官方文档里面的解释是两种方式都一样，其实有一点不一样，boxFilter()是可以不用归一化的