基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

在前 5 节，从最基础的像素开始了介绍，并且着重介绍了 RGB 图片和 YUV 图片以及通道的概念。 其实这几节的内容，很多细节和知识了解即可。 你只需要知道计算机在处理图片时，计算机看到的都是一堆像素，而这一堆像素，都是以数值的形式存放在计算机中的。 为了更好的展示彩色图像，并且处理图像数据，人们为图像设置了几个通道，比如 RGB 通道。 了解这些基本概念和背景就可以了，从本节开始我会介绍一些传统计算机视觉的知识，方便为后面学习基于深度学习的计算机视觉提供知识积累。 在传统计算机视觉中，有一类非常基础的算法，就是对图像进行滤波操作。 什么是滤波？ 估计在很多场合你都听说过滤波的概念。 图像滤波是图像处理中最常见的一种操作，它的主要目的是改变图像中的某些特征，比如去除图像中的噪声。 滤波操作的是通过一定的数学算法来完成的，最常见的滤波方式包括均值滤波、中值滤波和高斯滤波。 从名字就可以看出，均值滤波是取一些像素值的平均值作为滤波的输出，中值滤波便是取一些像素的中值作为滤波后的输出。 高斯滤波就稍微复杂一些，人们特意设计了一个符合高斯分布的滤波器，完成对图像像素的高斯滤波运算。 以均值滤波为例，它是取图像中的哪些像素值来计算平均值呢？ 为了清楚的表示取哪些像素值，人们设计了一个窗口，称为滤波器的窗口，在AI算法的卷积算法中，这个窗口也可以看做是卷积的卷积核。 （均值滤波示意图，灰色阴影即为窗口） 如上图，均值滤波的运算过程，是每次取灰色阴影中像素的平均值作为输出，然后将窗口往右滑动继续计算下一个窗口，直至全部计算完成。 均值滤波的作用 均值滤波既然是取了窗口内的均值，显而易见它的作用主要有：平滑图像和去除噪点（这是因为一般噪点的像素值和正常像素比会发生突变，要么突然变得很大，要么突然变得很小）。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。