OpenCV 学习笔记

在频域中，拉普拉斯算子通过傅里叶变换将空间域的微分操作转换为频域的乘法操作。主要用于增强图像高频成分以突出边缘和细节，典型应用包括图像锐化、边缘检测、频域滤波器设计以及图像恢复中的正则化约束。

同态滤波是一种通过频域处理解决图像光照不均的关键技术，其作用在于分离并差异化调整图像的低频光照分量和高频反射分量，增强图像对比度和细节，从而提高图像的视觉质量和可分析性。

高斯高通滤波器（GHPF）、巴特沃斯高通滤波器（BHPF）在图像处理中都有广泛应用。 但由于各自的特性在不同场景下表现出不同的优势。

本文介绍了频域高通滤波、理想低通滤波器，以及频域高通滤波和空域高通滤波的区别。 理想高通滤波器也是在理论上具有完美的滤波效果，但在实际应用中却存在着严重的振铃现象和对噪声敏感的问题。

高斯低通滤波器（GLPF）和巴特沃斯低通滤波器（BLPF）都是常用的数字图像处理滤波器，用于平滑图像、去除噪声。两种滤波器都具有平滑的频域特性和良好的截止频率附近衰减效果。

本文介绍了频域滤波、频域低通滤波、理想低通滤波器。 频域滤波和空域滤波都有各自的优缺点和使用场景。频域低通滤波是一种重要的信号处理技术，具有广泛的应用前景。

在空间域中，我们只能看到图像的像素值；在频率域中，我们可以看到图像的不同频率分量。这对于理解图像的结构和特征非常有用。二维离散傅里叶变换可以用于各种图像处理和分析任务，例如图像增强、去噪、分割、特征提

在图像处理领域，傅里叶变换可以将图像从空间域变换到频域，从而揭示图像的频率成分。傅里叶变换在图像处理中有着广泛的应用，例如：图像增强、图像分割、特征提取、图像压缩等。

本文详细介绍了2种锐化方式，拉普拉斯锐化通常适用于需要快速锐化图像的场景，例如对模糊的图像进行简单的锐化处理。USM 锐化通常适用于需要对锐化效果进行精细控制的场景，例如对照片进行锐化处理。

非局部均值滤波能够有效地去除图像中的各种噪声，包括高斯噪声、椒盐噪声、纹理噪声等。非局部均值滤波能够较好地保留图像的细节，对噪声的类型和分布不敏感，具有较强的鲁棒性。

本文主要介绍了边缘保留滤波的两种方式高斯双边滤波和均值迁移滤波，它们都是图像处理中的非线性滤波方法，它们都具有保边去噪的效果，但两者在原理、实现和应用上存在一些差异。

图像降噪可以提高图像质量、提高图像分析和处理的准确性、提高图像压缩效率以及扩展图像应用范围。 本文介绍了两种简单的降噪算法。

图像卷积和图像滤波是图像处理中两个密切相关的概念。它们都涉及到使用滤波器对图像进行操作，以获得新的图像。 图像卷积是图像滤波的基础，图像滤波可以通过图像卷积来实现，但图像滤波也可以使用其他方法来实现

透视变换是一种重要的图像处理技术，它具有广泛的应用价值。它可以改变图像的视角，从而使图像更加符合人眼的视觉感受，或满足特定的应用需求。它可以用于图像矫正、图像配准、3D 建模、增强现实等领域。

图像仿射变换是一种简单而有效的图像几何变换方法，在图像处理和计算机视觉领域有着广泛的应用。它可以用于图像矫正、增强、配准、合成、目标识别和跟踪等多种任务。

图像金字塔是一种重要的图像处理技术，它具有尺度不变性、特征提取、图像融合、图像压缩和图像增强等多种用途。本文详细介绍了三种常见图像金字塔，它们的原理、应用场景以及构建方式。

三次样条插值、双三次样条插值和 Lanczos 插值都是常用的图像缩放插值方法。三种方法各有优缺点，选择哪种方法取决于实际应用场景和需求。

图像缩放是图像处理中一项重要的技术，具有广泛的应用场景。 本文介绍了两种比较简单的插值算法：最近邻插值、双线性插值。最近邻插值适合于需要保持图像原始灰度值或边缘清晰度的场景。双线性插值适合于需要平滑

图像色彩空间在图像处理和显示中起着重要的作用。 本文介绍了常用的图像色彩空间，除了本文介绍的之外，还有许多其他图像色彩空间，每种色彩空间都有自己的优势和劣势。

霍夫圆检测是一种用于图像处理中圆形检测的经典方法，具有广泛的应用场景、良好的鲁棒性和准确性、灵活性和可扩展性、高效的计算性能以及易于理解和实现等优点，在许多领域发挥着重要作用。