本文已参与「新人创作礼」活动，一起开启掘金创作之路。
预处理：****
在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。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和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。
图像处理主要包括以下几项内容：
（1）几何处理：主要包括坐标变换，图像的放大、缩小、旋转、移动，多个图像配准，全景畸变校正，扭曲校正，周长、面积、体积计算等。
（2）算术处理：主要对图像施以＋、－、×、÷等运算，虽然该处理主要针对像素点的处理，但非常有用，如医学图像的减影处理就有显著的效果。
（3）图像增强：就是突出图像中感兴趣的信息，而减弱或去除不需要的信息，从而使有用信息得到加强。·改善图像的视觉效果，提高图像成分的清晰度；·使图像变得更有利于计算机处理，便于进一步进行区分或解释。
（4）图像复原：尽可能地减少或者去除图像在获取过程中的降质（干扰和模糊），恢复被退化图像的本来面貌，从而改善图像质量。关键是对每种退化（图像品质下降）建立一个合理的模型。
（5）图像重建：是从数据到图像的处理。即输入的是某种数据，而处理结果得到的是图像。典型应用有CT技术和三维重建技术。
（6）图像编码：主要是利用图像信号的统计特性及人类视觉的生理学及心理学特征对图像信号进行高效编码，其目的是压缩数据量，以解决数据量大的矛盾。
（7）图像识别：利用计算机识别出图像中的目标并分类。如，机械加工中零部件的识别、分类；从X光照片判断是否发生肿瘤；在交通中心实现交通管制、识别违章行驶的汽车及司机，等等。
滤波器作为图像处理的重要内容，大致可分为两类，空域滤波器和频率域滤波器。
空域滤波器和频率域滤波器对比：
1）空间域指图像本身，空域变换直接对图像中的像素进行操作。
2）图像变换是将图像从空间域变换到某变换域（如傅立叶变换中的频率域）的数学变换，在变换域中进行处理，然后通过反变换把处理结果返回到空间域。
3）图像在空域上具有很强的相关性，借助于正交变换可使在空域的复杂计算转换到频域后得到简化。
4）借助于频域特性的分析，将更有利于获得图像的各种特性和进行特殊处理。
图像的空域滤波无非两种情况，线性滤波和非线性滤波。****
常见的线性滤波有：均值滤波、高斯滤波、拉普拉斯滤波等等，通常线性滤波器之间只是模版系数不同。
非线性滤波利用原始图像跟模版之间的一种逻辑关系得到结果，如最值滤波器，中值滤波器和双边滤波器等。
均值滤波
均值滤波方法是，对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，用模板的均值来替代原像素的值的方法。
中值滤波
中值滤波方法是，对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，对模板的像素由小到大进行排序，再用模板的中值来替代原像素的值的方法。
高斯滤波
高斯滤波一般针对的是高斯噪声，能够很好的抑制图像输入时随机引入的噪声，将像素点跟邻域像素看作是一种高斯分布的关系，它的操作是将图像和一个高斯核进行卷积操作：
均值滤波、高斯滤波、双边滤波比较：
1）均值模糊 ****无法克服 边缘像素信息丢失 的缺陷，原因是均值滤波是基于平均权重的。
2）高斯模糊 ****部分克服 了该缺陷，但无法完全避免，因为没有考虑像素值的不同。
3）高斯双边模糊 边缘保留滤波方法，避免了边缘信息丢失，保留了图像轮廓不变。
梯度下降法：****
梯度是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，也就是该点变化率最大的方向。函数沿梯度方向函数有最大的变化率。在现实中，就是山体的某点沿着山体最陡峭的向上方向就是梯度。
函数在某一点的梯度是，在该方向单位步长上升最快的向量。梯度下降法是利用待优化变量，沿着负梯度方向不断迭代寻找最优值。
梯度下降就是沿着梯度最陡的地方下降。也可以说梯度下降就是曲线或曲面上的某点沿着该点梯度的反方向移动。
梯度的方向是函数在给定点上升最快的方向，那么梯度的反方向就是函数在给定点下降最快的方向，这正是我们所需要的。所以我们只要沿着梯度的方向一直走，就能走到局部的最低点！
α在梯度下降算法中被称作为学习率或者步长，意味着我们可以通过α来控制每一步走的距离，以保证不要走太快，错过了最低点。α不能太大也不能太小，太小的话，可能导致迟迟走不到最低点，太大的话，会导致错过最低点！
梯度下降算法的正确步骤是什么？****
a.用随机值初始化权重和偏差
b.把输入传入网络，得到输出值
c.计算预测值和真实值之间的误差
d.对每一个产生误差的神经元，调整相应的（权重）值以减小误差
e.重复迭代，直至得到网络权重的最佳值
