題外話：最近一段時間學校比賽賊多，都是一些創新創業類的，超級費腦子，每天晚上都是一波頭腦風暴，找老師找小夥伴一起討論，每次都是第一天的點子第二天就被我們自己否決了，不得不說，創新創業類的比賽發現機會的眼光很重要，勇氣更重要
——————————————————————————以下為正文————————————————
（有時間我去找找圖片補上，暫時只寫一些理論）

圖片儲存原理

RGB 三色通道

• 加法混色
• 一個畫素顏色值（B，G，R）
• 取值範圍 [0, 255] , [0.0, 1.0]

CMY(K)顏色空間

• 減法混色
• 印刷常用
• 4通道：
  - Cyan
  - Magenta
  - Yellow
  - Key

HSV/HSL(I)顏色空間

• 畫家配色
• 3通道
  - H ：色調
  - S ：飽和度
  - V ：明度
  - L ：亮度

CIE-XYZ顏色空間

• 人類視覺
  - 短波（420-440nm）
  - 中波 （530-540nm）
  - 長波（560-580nm）

CIE-Lab顏色空間

• 3通道
  - L：亮度
  - a：紅/綠
  - b：黃/藍

單通道灰度圖

• Gray = R * 0.3 + G * 0.59 + B * 0.11

空域分析及變換

卷積/濾波

卷積這個概念之前再寫CNN的時候提到過，這裡不再贅述原理

功能：

• 影象增強
  - 平滑/去噪
  - 梯度/銳化
• 資訊提取，檢測
  - 邊緣，顯著點，紋理
  - 模式

邊界填補

一個圖片經過卷積操作後圖片的大小會改變，這時候有一些辦法可以進行邊界的填補

• 零填補：將邊界用零填補，在深度學習中很常見
• 邊界複製：用邊界的數字填充對應的一行或一列數字
• 映象：用圖片的映象填充
• 塊複製：複製圖片填充邊界

平滑均值卷積

• 使影象模糊
• 卷積時求均值，用均值代替

平滑中值卷積

• 有效去除椒鹽噪聲
• 卷積時用中值代替

平滑高斯卷積

(寫到這裡想說一句，高斯真的是一個賊厲害的數學家)

• 和高斯函式有點關係，突出中心區域

• 有效去除高斯噪聲

• 公式：$G_\sigma = \frac{1}{2\pi\sigma^2}e^{-\frac{x^2+y^2}{2\sigma^2}}$

  • x,y為卷積引數座標
  • $\sigma$為標準差

• 特性： 分解（級聯高斯）

  • 二維卷積操作拆分成兩個相同的一維卷積