本文整理了圖像處理初學者應該需要了解的100個基礎問題，涉及讀取、顯示圖像、操作像素、拷貝圖像、保存圖像、灰度化（Grayscale）、二值化（Thresholding）、大津算法、HSV 變換、減色處理、平均池化（Average Pooling）、最大池化（Max Pooling）、高斯濾波（Gaussian Filter）、中值濾波（Median filter）、仿射變換（Afine Transformations）等100多個知識點。

    給出了詳細的代碼實現，具體的輸入輸出case情況。

    內容整理自：

https://github.com/gzr2017/ImageProcessing100Wen

    問題11 - 20

    11均值濾波

    12Motion Filter

    13MAX-MIN 濾波

    14微分濾波

    15Sobel 濾波

    16Prewitt 濾波

    17Laplacian 濾波

    18Emboss 濾波

    19LoG 濾波

    20直方圖表示

    問題21-30

    21直方圖歸一化（Histogram Normalization）

    22直方圖操作

    23直方圖均衡化（Histogram Equalization）

    24伽瑪校正（Gamma Correction）

    25最鄰近插值（Nearest-neighbor Interpolation）

    26雙線性插值（Bilinear Interpolation）

    27雙三次插值（Bicubic Interpolation）

    28仿射變換（Afine Transformations）——平行移動

    29仿射變換（Afine Transformations）——放大縮小

    30仿射變換（Afine Transformations）——旋轉

    問題31-40

    31仿射變換（Afine Transformations）——傾斜

    32傅立葉變換（Fourier Transform）

    33傅立葉變換——低通濾波

    34傅立葉變換——高通濾波

    35傅立葉變換——帶通濾波

    36JPEG 壓縮——第一步：離散余弦變換（Discrete Cosine Transformation）

    37峰值信噪比（Peak Signal to Noise Ratio）

    38JPEG 壓縮——第二步：離散余弦變換+量化

    39JPEG 壓縮——第三步：YCbCr 色彩空間

    40JPEG 壓縮——第四步：YCbCr+DCT+量化

    問題41-50

    41Canny邊緣檢測：第一步——邊緣強度

    42Canny邊緣檢測：第二步——邊緣細化

    43Canny邊緣檢測：第三步——滯后閾值

    44霍夫變換（Hough Transform）／直線檢測——第一步：霍夫變換

    45霍夫變換（Hough Transform）／直線檢測——第二步：NMS

    46霍夫變換（Hough Transform）／直線檢測——第三步：霍夫逆變換

    47形態學處理：膨脹（Dilate）

    48形態學處理：腐蝕（Erode）

    49開運算（Opening Operation）

    50閉運算（Closing Operation）

    問題51-60

    51形態學梯度（Morphology Gradient）

    52頂帽（Top Hat）

    53黑帽（Black Hat）

    54使用誤差平方和算法（Sum of Squared Difference）進行模式匹配（Template Matching）

    55使用絕對值差和（Sum of Absolute Differences）進行模式匹配

    56使用歸一化交叉相關（Normalization Cross Correlation）進行模式匹配

    57使用零均值歸一化交叉相關（Zero-mean Normalization Cross Correlation）進行模式匹配

    584-鄰接連通域標記

    598-鄰接連通域標記

    60透明混合（Alpha Blending）

    問題61-70

    614-鄰接的連接數

    628-鄰接的連接數

    63細化處理

    64Hilditch 細化算法

    65Zhang-Suen 細化算法

    66方向梯度直方圖（HOG）第一步：梯度幅值?梯度方向

    67方向梯度直方圖（HOG）第二步：梯度直方圖

    68方向梯度直方圖（HOG）第三步：直方圖歸一化

    69方向梯度直方圖（HOG）第四步：可視化特征量

    70色彩追蹤（Color Tracking）

    問題71-80

    71掩膜（Masking）

    72掩膜（色彩追蹤（Color Tracking）+形態學處理）

    73縮小和放大

    74使用差分金字塔提取高頻成分

    75高斯金字塔（Gaussian Pyramid）

    76顯著圖（Saliency Map）

    77Gabor 濾波器（Gabor Filter）

    78旋轉 Gabor 濾波器

    79使用 Gabor 濾波器進行邊緣檢測

    80使用 Gabor 濾波器進行特征提取

    問題81-90

    81Hessian 角點檢測

    82Harris 角點檢測第一步：Sobel + Gausian

    83Harris 角點檢測第二步：角點檢測

    84簡單圖像識別第一步：減色化+直方圖

    85簡單圖像識別第二步：判別類別

    86簡單圖像識別第三步：評估

    87簡單圖像識別第四步：k-NN

    88k-平均聚類算法（k -means Clustering）第一步：生成質心

    89k-平均聚類算法（k -means Clustering）第二步：聚類

    90k-平均聚類算法（k -means Clustering）第三步：調整初期類別

    問題91-100

    91利用 k-平均聚類算法進行減色處理第一步：按顏色距離分類

    92利用 k-平均聚類算法進行減色處理第二步：減色處理

    93準備機器學習的訓練數據第一步：計算 IoU

    94準備機器學習的訓練數據第一步：隨機裁剪（Random Cropping）

    95神經網絡（Neural Network）第一步：深度學習（Deep Learning）

    96神經網絡（Neural Network）第二步：訓練

    97簡單物體檢測第一步----滑動窗口（Sliding Window）+HOG

    98簡單物體檢測第二步----滑動窗口（Sliding Window）+ NN

    99簡單物體檢測第三步----非極大值抑制（Non-Maximum Suppression）

    100簡單物體檢測第三步----評估 Precision, Recall, F-score, mAP