图像处理关键词

1.  高频份量:
   

   形象一点说：亮度或灰度变化激烈的地方对应高频成分，如边缘；变化不大的地方对于低频成分，如大片色块区

   画个直方图，大块区域是低频，小块或离散的是高频 

2.  <1>高通滤波：边缘提取与加强。边缘区域的灰度变换加大，也就是频率较高。因此，对于高通滤波，边缘部分将被保留，非边缘部分将被过滤；

    <2>低通滤波：边缘平滑，边缘区域将被平滑过渡

3. 高斯滤波:
   高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，普遍应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每个像素点的值，都由其自己和邻域内的其余像素值通过加权平均后获得
4. 中值滤波:
   

   <1>线性滤波：线性滤波器的原始数据与滤波结果是一种算术运算，即用加减乘除等运算实现，如(1)均值滤波器（模板内像素灰度值的平均值）、(2)高斯滤波器（高斯加权平均值）等。因为线性滤波器是算术运算，有固定的模板，所以滤波器的转移函数是能够肯定而且是惟一的（转移函数即模板的傅里叶变换）。
   <2>非线性滤波：非线性滤波器的原始数据与滤波结果是一种逻辑关系，即用逻辑运算实现，如最大值滤波器、最小值滤波器、中值滤波器等，是经过比较必定邻域内的灰度值大小来实现的，没有固定的模板，于是也就没有特定的转移函数（由于没有模板做傅里叶变换），另外，膨胀和腐蚀也是经过最大值、最小值滤波器实现的。五种常见的非线性滤波算子，这五种滤波算子对不一样的图像都会有不一样的做用，最经常使用的是中值滤波，由于它的效果最好且信息损失的最少。

5. drift: 指图像在tracking 的时候漂，流动。
6. 感觉野：（下面的解释仍是没看懂，看来得学习下CNN的不少概念）

   感觉野（receptive field）是怎样一个东西呢，从CNN可视化的角度来说，就是输出featuremap某个节点的响应对应的输入图像的区域就是感觉野。

   好比咱们第一层是一个3*3的卷积核，那么咱们通过这个卷积核获得的featuremap中的每一个节点都源自这个3*3的卷积核与原图像中3*3的区域作卷积，那么咱们就称这个featuremap的节点感觉野大小为3*3

   若是再通过pooling层，假定卷积层的stride是1，pooling层大小2*2，stride是2，那么pooling层节点的感觉野就是4*4