https://www.youtube.com/playlist?list=PLHXZ9OQGMqxfUl0tcqPNTJsb7R6BqSLo6
what is the big idea of linear algebra
what is a solution to
以下示例演示了以matlab语言处理矩阵的基本方法和函数。
首先创建一个名为a且包含9个示例的简单向量。
a=1*9
1 2 3 5
现在，对向量a中的每个元素加2，并将结果存储在一个新的向量中。
请注意matlab不需要对向量或者矩阵运算进行特殊的处理
在matlab中创建图形就像执行一条命令一样简单，接下来用网格线来绘制向量和结果。
matlab亦可以创建包含轴坐标的其他图标类型
matlab也可以在
数字图像处理知识点汇总
matlab是一种基于向量（数组）而不是标量的高级程序语言，因而matlab从本质上就提供了对图像的支持，数字图像实际上是一组有序离散的的数据，使用matlab都可以对这些离散数据形成的矩阵进行一次性的处理。
matlab对图像的处理功能主要集中在他的图像处理工具箱image processing toolbox，图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作，线性滤波和滤波器设计图像变换，图像分析和图像增强，数学形态学等图像处理操作。
matlab的工具箱image processing toolbox 是专门进行图像处理的，matlab有许多工具箱也可以用于进行图像处理。如image acquisition toolbox，signal processing toolbox，wavelet toolbox，statistics toolbox、bioinformatics toolbox，matlab compiler，matlab COM builder。
37.matlab的图像处理工具箱支持4种图像类型，他们是：真彩色图像（RGBimages） 索引色图像(index images) 灰色图像（intensity images）
二值图像binary images 此外，matlab还支持由多帧图像组成的图像序列。
38.真彩色图像用R、G、B3个分量表示1个像素的颜色，所以对1个尺寸为的多维数组，如果要读取图像中
处的像素值，可以查看三元组（100,50,1:3）真彩色图像可用双精度存储，此时亮度值的范围是【0.1】，常用的存储方法是用无符号存储整型，亮度值的范围为【0,255】。
39.索引图像是把像素值作为RGB调色板下标的图像，matlab中的索引色图像包含2个结构，一个是调色板map，另一个是图像数据矩阵X，调色板是一个有3列和若干个的色彩映像矩阵，矩阵的每行都代表一种色彩映像矩阵，矩阵的额每行都代表一种色彩，通过3个分别代表红、绿、蓝颜色强度的双精度数，形成一种特定的颜色。图像数据可以使uint8是双精度的，需要注意的是matlab中的调色板的色彩强度是【0,1】中的浮点数，0代表最暗，1代表最亮，索引图像数据矩阵X的元素类型是double双精度的，也可以说是uint8证书类的。若调色板矩阵由p行颜色，当采用double类时，图像取值有效范围为[1,p],而当用uint8时，图像取值有效范围为[0,p-1].
40灰度图像，存储灰度图像只需要一个数据矩阵，数据类型可以是double也可以是uint8，显示时会使用一个默认的调色板来显示图像。
41二值图像，与灰度图像相同，二值图像只需一个数据矩阵，每个像素只有2个灰度值，可以采用uint8或double类型存储，工具箱中以二值图像作为结果返回的函数都是用uint8类型，
42.图像序列（不能用于RGB图）图像处理工具箱支持将多帧图像连接成图像序列，可以使用matlab的cat函数将分散的图像合并成图像序列，前提是各图像的尺寸必须相同，如果是索引色图像，调色板也必须是一样的。
43.比如要将A1、A2、A3、A4、A5、五幅图像合并成一个图像序列A，matlab语句为
A=cat（1，A1，A2，A3，A4，A5），1维，纵向排列
A=cat（2，A1，A2，A3，A4，A5），2维，横向排列
A=cat（3，A1，A2，A3，A4，A5），3维，竖向排列
44.图像序列也可以产生一个四维数组，图像帧的序号在图像的长、宽、颜色深度之后构成第四维。
45.matlab中有一些函数用于图像文件的读写和信息查询，如imread用于读取图形格式的图像，imwrite用于写入图像文件格式的图像；imfinfo用于获取图像的信息，load\save可以以Mat文件加载或保存矩阵数据。imshow用于显示加载到matlab中的图像。
46.利用函数imread可以完成图形图像文件的读取操作，其语法如下，一般图像文件读取格式：A=imread（filename，frnt）：索引图像文件读取【X,map】，imwrite（X，map，filename，frnt），matlab缺省的保存数据格式为uint8数据格式，在matlab中使用的许多图像都是8bit，并且大多数的图像文件不需要双精度的浮点数据。
48.对于索引图像来说，即使图像阵列的本身为uint8或uint16，imread函数仍然将颜色映像表读取并存储到一个双精度的浮点数据类型的阵列中。
49.利用imwrite函数可以完成图形图像文件的写入操作，其语法为imwrite（A，filename，fmt），imwrite（X，map,filename,fmt）,matlab缺省的保存数据格式为uint8数据格式，在matlab中使用的许多图像都是8bit，并且大多数的图像文件并不需要双精度的浮点数据。
50.matlab提供了imfinfo函数用于从图像文件中查询其信息，所获取的信息依文件类型的不同而不同，但至少包涵下面的内容：文件名，文件格式，文件格式的版本号，文件修改时间，文件的字节大小。图像的宽度（像素）、图像类型，（即该图像是RGB真彩图像），灰度图像还是索引图像。
51matlab函数imshow用于显示图像，其语法格式如下（1）灰度图像imshow（1）、imshow（1，n）、imshow（【low，high】），其中n为灰度级数目，缺省值为256，【low，high】为图像数据的值域。（2）二值图像：imshow（BW）3.索引图像imshow（X，map）；4.真彩色图像imshow（RGB）
52.索引图像的每一个像素都直接映射为调色板的一个入口，如果调色板包含的颜色数目多余图像颜色数目，那么额外的颜色都将被忽略，如果调色板包含的颜色的数目少于图像颜色数目，则超出调色板颜色范围的图像像素都将被设置为调色板中的最后一个颜色。
53.一副灰度图像是一个数据矩阵I，其中数据代表了在一定范围内的颜色灰度值，matlab把灰度图像用数据矩阵的形式进行存储，每个元素则表示了图像中的每个像素，矩阵元素可以是double、uint8，整数类型，多数情况下，灰度图像很少和颜色影像表一起保存，但在显示灰度图像时，matlab仍然在后台使用系统预定义的缺省灰度颜色映像表
54很多情况下需要对图像进行类型转换，例如，对于索引图像进行滤波，必须把它转换为RGB图像，否则光对图像的下表进行滤波，得到的结果是毫无意义的，图像类型之间的转换关系如下图所示。
55.函数imshow可直接用于显示磁盘上的图像文件，通常调用imread函数装载图像，将数据存储为matlab平台的一个或者多个变量，然后再显示图像，但是如果不希望在显示的图像之前装在图像，则可以使用以下命令格式直接进行图像文件的显示，ishow filename,其中，filename为要显示的图像文件的文件名。
56用函数subplot（m，n，k）可以用于把图像窗口分成多个子图区域，把多幅图像显示在一个窗口图像中，例如用语句subplot（m，n，k）；imshow，可以在第m行n列 第k个子图显示图像。
57在图像的形成，传输和变换过程中，由于多种因素的映像，会造成图像品质下降，归纳起来，图像质量退化的原因有（1.）对比度问题。对比度局部；偏低，影响图像视觉，（2）.噪声干扰问题，使图像蒙受干扰和破坏（3）清晰度下降问题，使图像模糊不清，甚至严重失真
58.如果不考虑图像降质的原因，只将图像中感兴趣的特征（如边缘，轮廓、对比度等）进行强调或有选择的突出，同时衰减其他不需要的特征，以便于显示、观察或分析，此种图像处理称为图像增强，image enhancement，它是为了解决图像由于噪声、模糊退化、和对比度降低等三类问题，获得最好的视觉效果。
59.图像增强可能为了人类的视觉需要，使图像的内容更突出，更容易被获取，并不关心和原始图像是否一致，甚至人为地畸变原始图像，以到达视觉增强的效果，将不同灰度的图像赋以不同的彩色，image、enhancement它是以为了解决图像由于噪声、模糊退化、和对比度降低等
60图像增强的特点体现在如下三点：（1）图像增强并不能增强原始图像的信息，其结果只能增强对某种信息的辨识能力，使这些特征更加易于检测或者识别而这种处理肯定会损失一些其他信息（2）图像增强是基于问题的技术，增强后的图像质量好坏主要取决于人的主观感觉来评定，难以定量描述，同时，要获得一个满意的增强结果。往往靠人-机交互（3）图像增强的首要目标是使处理后的图像更适合于特定的应用
61.图像增强的处理方法根据处理所在的域，分为空间域方法与频率域方法两类，空间域方法直接以图像中的像素操作为基础，实在图像空间运算的。
62.空间域方法中，输出图像g（x，y）任意像素（x，y）的灰度值为输入图像f（x，y）领域内的所有像素灰度值的某种函数，即g（x，y）=T【f（x，y）】像素（x，y）的邻域（neighborhood）是以（x，y）像素为中心的正方形或矩形图像，也可以定义为圆形或者其他形状的邻域（但矩形邻域操作方便，多被采用）如果邻域尺寸多被为【】，即只考虑当前像素本身，则相应方法属于灰度变换，若尺寸大于【】，则属于空间域方法，所以空间域方法包括两类：灰度变换，（强度映射，点处理）和空间滤波变换。
63.空间域滤波方法通常利用所谓的模板运算来实现。模板又称为滤波器，核，掩膜，窗口等，是一个小的二维阵列，模板的系数值决定了增强处理的性质，如平滑、锐化等。
64.灰度变换的关键是根据要解决的图像增强问题，选择合适的灰度变换函数T【r】，根据灰度变换函数T【r】选择方法的不同，灰度变换分为灰度变换和直方图处理直接灰度变化包括图像翻转、对数变换、’分段线性变换等。直方图处理类方法等。直方图处理类方法包括直方图均衡化、直方图匹配、局部直方图等。
65.空间域滤波（是一种基于模板处理）根据处理处理的感官分为平滑空间滤波器（包括线性平滑滤波器、统计排序滤波器）和锐化空间滤波器（如基于二阶微分的拉普拉斯算子），基于一阶微分的梯度法，这类算法的关键是寻找一个合适的模板又称滤波核
66.频率域方法在图像的某种变换域内，对图像的变换值进行处理，如先对图像进行二维傅里叶变换，转换到频率域，再对图像的频谱进行某种修正（滤波）最后将修正后的变换值逆变换到空间域，从而获得增强后的图像。
67.频率域方法的快速运算利用了卷积定理，如果是原始图像f（x，y），处理后的图像是g（x，y），而h（x，y）是滤波器的单位冲激向量。那么，空间滤波处理过程可由下式表示：g（x，y） = f（x，y）*h（x，y）。如果G（u，v），H（u，v），F（u，v）分别是g（x，y），h（x，y）和f（x，y）的傅里叶变换，由傅里叶变换的卷积定理可知g（x，y） =f（x，y）*h（x，y）
相当于G（u，v）=F（u，v）*H（u，v）
68.直接亮度变换中的图像翻转适用于增强嵌入图像暗色区域的白色和灰色细节。特别是当黑色面积占主导地位时。
69.直接亮度变换中的对数变换常用于图像的动态范围压缩，与增强对比度相反，有时原图的动态范围太大，超出某些显示设备的允许动态范围，这时如直接使用原图，则一部分细节可能丢失。
70.幂律转换定律的基本形式为s=cr^r其中c和
71伽马校正：习惯上，幂等次式中的指数是指伽马值，由于很多图像获取、打印和显示装置根据幂次规律进行相应，为了准确显示原始图像需要做校正以修正幂次响应现象，这种校正称作伽马矫正
72.matlab提供了函数imadjust（）用于实现原始图像亮度变换，支持反转，幂次等变换，语法g=imadjust需要做矫正，
73.如果将图像中像素灰度级看做一个随机变量，则其取值分布情况就反映 了图像的统计特征，这一特性可用灰度直方图histogram来描述，灰度级范围为【0,L-1】的数字图像的灰度级的离散函数
74四个基本的图像类型，暗，亮，低对比度，高对比度，他们的灰度直方图反映出了以下信息，（1）暗色图像中，直方图的组成成分集中在灰度级低暗的一侧，（2）类似的，明亮图像的直方图则倾向于灰度级高的一侧，（3）低对比度图像的直方图窄而集中于灰度级的中部，对于黑白图像，这意味着暗淡，好像灰度被冲淡了一样，（4)在高对比度的图像中，直方图的成分覆盖了灰度级很宽的范围，而且，像素的分布较为均匀，只有少量垂线比其他高许多。
75.若一副图像及其像素占有全部可能的灰度级并且分布均匀，则这样的退昂由高动态范围，对比度和多变的灰度色调，最终效果将是现一副灰度细节丰富且动态范围较大的图像
76.所谓直方图均衡化，是指寻找一个灰度变换后的像素的像素值占有全部的灰度级并且分布均匀，从而得到一副灰度级丰富且动态范围较大的图像
77.如果已知随机变量
78.理论上，利用亮度变换函数s = T（r）
79.matlab工具箱函数imhist（）用于计算和显示图像的直方图：histteq（）
实现直方图均衡处理，代码用例I=imread（‘pout.tif’）;Ieq=histeq(1,256)
80.直方图均衡化能产生灰度级丰富且动态范围大的图像（即高对比度图像），而且这种增强实现是完全“自动化‘，即，直方图均衡化处理基于从已知图像中提取的统计信息，来”自动’选择灰度变换函数，不需要更多的参数说明
81.直方图均衡变换有展开输入图像直方图的一般趋势，因为直方图是近似的概率密度函数，所以有离散灰度级做变换一般得不到完全平坦的结果，变换后的灰度级会减少，这种现象叫做‘简井’现象，由于上述原因，数字图像的直方图均衡只是近似的。
82.有时希望处理后的输出图像具有指定的灰度直方图形状，以便能对退学那个中某种灰度级加以增强，即有选择性的增强某个灰度值范围内的对比度，这种用于处理指定灰度直方图的增强方法，叫做直方图匹配或直方图规定化处理
83.直方图匹配的基本过程（1）计算原始图像的直方图
(3)对目标直方图
(4)选择适当的
84.线性空间滤波器，一般来说，对于一个尺寸为n*n的模板，假设m=2a+1，n=2b+1，这里a、b为非负整数，使模板的长和宽都为奇数，在大小为M*N的图像f上，用上述滤波器模板进行线性滤波（卷积运算）像素（x，y）处的运算结果可由下式给出
85.模板卷积运算，主要步骤为（1）将模板在图中漫游，并将模板中心与某个像素位置重合，（2）将模板上系数与模板下对应像素相乘（3）将所有卷积想加（4）将和（模板的输出响应）赋给图中对应模板中心位置的像素。注意：定义模板时一定指明模板中心
87.平滑滤波器用于模糊处理和减小噪声，由于典型的随机噪声由灰度级的尖锐变化组成，因此，常见的尖锐平滑处理应用就是减噪，然而，由于图像边缘（几乎总是一副图像希望有的特性）也是由图像灰度尖锐变化带来的特性，所以平滑滤波处理存在着边缘模糊的负面效应
88.平滑滤波器用于模糊处理和减小噪声，由于典型的随机噪声由灰度级的尖锐变化组成，因此，常见平滑处理应用就是减噪。然而由于图像边缘（几乎总是一副图像希望有的特性）也是由图像灰度尖锐变化带来的特性，所以平滑滤波处理存在着边缘模糊的负面效应。
89.典型线性平滑滤波器有均值滤波器、加权均值滤波器
90.均值滤波器averaging filter，邻域平均滤波器的输出（响应）是包含在滤波掩膜邻域内像素的简单平均值，因此，这些滤波器也称为这些滤波器也称为均值滤波器，是一种低通滤波器
91.加权均值滤波器在模板中引入了加权系数，以区分邻域中不同位置像素对输出像素值的影响，常称其为加权模板
92.统计滤波器是属于非线性的空间滤波器，他的响应。、基于滤波器模板包围的图像区域中的像素的排序，然后由统计排序结果决定的值代替中心像素的值，统计滤波器中最常见的例子就是中值滤波器，它是将像素邻域内灰度的中值代表该像素的值，中值滤波器对处理脉冲噪声也称为椒盐噪声以黑白点叠加在图像上非常有效，但是对一些细节多，特别是点、线，尖顶细节多的图像不宜采用中值滤波
93.中值滤波就是用一个含有奇数点的移动窗口，将窗口中心点的值用窗口内各点的中值代表
94.锐化处理的主要目的是突出灰度的过滤部分，增强图像中的细节，空间域像素邻域平均法可以使图像变模糊，而均值处理与积分向类似，锐化处理可以用空间微分（差分）来完成
95.微分（差分）算子的响应强度与图像在该点灰度的突变程度有关，图像微分增强了边缘和其他突变（如噪声）并削弱了灰度变化缓慢的区域，然而由于边缘和轮廓边检测不出来，因而希望采用一些各向同性的检测算子，它们对任意方向的边缘和轮廓都有相同的检测能力
96.要注意的是，能够进行锐化处理的图像必须有较高的信度噪比否则，图像锐化后，信噪比会更低，，因为锐化会提升噪声强度，一般是先去噪，再锐化操作
97.一阶微分和二阶微分锐化比较（1）一阶微分处理通常会产生较宽的边缘；二阶微分处理对细节有较强的响应，如细线和孤立点（2）一阶微分处理一般对灰度阶梯由较强的响应；（3）二阶微分在图像中灰度值变化相似时，对线的响应要比阶梯对阶梯强，且点比线响应强（4）大多数应用中，对图像增强来说，二阶微分处理比一阶微分好些，因为形成增强细节的能力好一些，由于这一原因及实现和扩展都简单，对图像增强多应用二阶微分处理
98.拉普拉斯算子是常用的二阶微分边缘增强算子，它是偏导数运算的线性组合运算，而且是一种各向同性（旋转不变性）的线性运算，图像处理中的拉普拉斯算子为
99.将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息，所以，使用拉普拉斯变换对图像锐化增强的基本方法可以表示为下式
100反锐化掩蔽;从原图像能中减去其反锐化成分平滑过的图像，得到图像g（x，y）（对应下式k=1的情况），高频提升滤波对应下式k>1情况
101基于一阶微分的图像能够锐化，梯度的数值就是f（x，y）在其最大变化率方向上的单位距离所增加的量，尽管梯度向量的分量本身是线性算子，但由于用到了平方和开放运算，梯度的模显然不是线性的，却是各向同性的，一般把梯度矢量的模值称为梯度，尽管这样说在严格意义上并不正确
102.二维离散傅里叶变换的；主要相关matlab函数（1）函数fft实现快速傅里叶变换，格式1：F=fft2(f);格式
（2）函数ifft2实现快速傅里叶变换：格式：f=fft2（F）；（3）函数fftshift将变换的原点移动到频率矩形中心：格式：Fc=fftshift（F）函数ifftshift为fftshift函数的逆操作，格式;F = ifftshift(Fc)
103.图像的傅里叶变换域，即频率里边，频域的中心邻域对应图像中慢变化部分，较高的频率开始对应图像中变化较快的部分，如物体的边缘，线条等
104.使用离散傅里叶变换DFT进行滤波操作，图像及其变换均视为周期性的，若周期关于函数的非零部分持续时间很靠近，则对周期函数执行卷积计算会导致相邻周期间的干扰，则称为折叠误差干扰，通过使用零填充函数的方法避免折叠误差干扰
105.使用离散傅里叶变换DFT滤波变换实现的基本步骤（1）使用函数paddedsize获得填充参数，如PQ=paddedsize（f）；（2）得到使用充分填充的傅里叶变换，如F=fft（f，PQ（1），PQ（2））；（3）根据处理目标生成频域滤波器模板H（4）将变换乘以滤波函数G=H.*F （5）获得G逆傅里叶变换的实部，如g=real(ifft2(G))(6)将g在左上部的矩形修剪为原始大小，如g=g(1:size(f,1),1:size(f,2))
106.频域滤波器的分类（1）频域平滑滤波器（2）频域锐化滤波器，包括理想高通滤波器、巴特沃斯高通滤波器、高斯高通滤波器、频域拉普拉斯算子、高频提升滤波(3.)同态滤波器
107.振铃现象，理想滤波器，巴特沃斯滤波器都有振铃特性，高斯滤波器没有振铃特性
108.butterworth，低通滤波器有两个参数，阶n和截止频率D0，其表示为
阶n越大，越接近理想滤波器，阶n越小接近1，则越接近高斯滤波器
109.高频强调滤波通过给高通滤波器加上一个偏移量并乘以一个大于1的常数得到H（hfe）（u，v）=a+bH（hp）（u，v）
110.同态滤波，一幅图像f（x，y）能够用它的入射光分量和反射光分量来表示，其关系式如下，f（x，y）=i（x，y）r（x,y）,i(x,y)称为照度场r（x，y），i（x，y）称为照度场，特别在不同的物体交界处，由于这种特征，图像的自然对数的傅里叶变换的低频分量与照明分量相联系，而其高频分量则与反射分量相联系，同态滤波方向利用取对数变换将图像中的照明分量和反射分量分开，从而可设计频率域滤波器，使其对这两部分具有不同的滤波效果。
111.图像在形成，记录，处理和传输过程中，由于成像系统，记录设备，传输介质和处理方法得不完善，导致图像质量下降，称为图像退化，引起图像退化的因素如成像系统的散焦，成像设备与物体的相对运动，成像器材的固有缺陷，外部干扰。
112.图像复原是试图利用退化过程的先验知识，使已退化的图像恢复本来面目，即根据退化的原因，分析引起退化的环境因素，建立相应的数学模型，并沿着使图像降质过程恢复图像，目的在于消除或减轻在图像获取以及传输过程中造成的图像品质下降，恢复图像的本来面目，因此，复原技术就是把退化模型化，并且采用相反的过程进行处理，以便复原原图像，总结来说，图像复原可以看做图像退化的逆过程，是将图像退化的过程加以估计，建立退化的数学模型后，补偿退化过程造成的失真。
113.在图像退化确知的情况下，图像退化的逆过程是不可能进行的，但实际过程经常是退化过程并不知晓，这种复原被称为盲目复原。
114.图像参数和图像复原的对比
图像增强 |
图像复原 |
|
技术特点 |
不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出（增强），而衰减其不需要的特征 改善好 |
要考虑图像降质的原因，建立降质模型 要建立评价复原好坏的客观标准 客观过程 |
主要目的 |
提高图像的可懂度 |
提高图像的逼真度 |
方法 |
空间域法和频率域法 空间域法主要对图像的灰度进行处理，频率域法主要是滤波 |
空间域被复原 频率域减少周期噪声 |
115.噪声参数的估计，（1）典型的周期噪声参数是通过检测图像的傅里叶谱来进行估计的（a）周期噪声趋向于产生频率尖峰，这些尖峰甚至通过视觉分析也经常可以检测到（b）另一种方法是尽可能直接从图像中推断噪声分量的周期性，但这仅仅在非常简单的情况下才是可能的c.当噪声尖峰格外显著或可以使用关于干扰的频率分量一般位置的某些知识时，自动分析是可能的2.噪声PDF的参数一般可以从传感器的技术说明中得到，，但对于特殊的图像的成像装置常常有必要去估计这些参数3.当只有传感器产生的图像可用时，常可以从合理的恒定灰度值的一小部分图像估计PDF的参数
116.当仅有加性噪声存在时，可以选择空间滤波方法降低噪声，实现图像复原，这一特殊情况下，图像的增强和复原几乎一样，常用于清楚噪声的滤波器类型（1）均值滤波器，如果算术均值滤波器，几何均值滤波器、逆谐波均值滤波器等（2）统计排序滤波器，如中值滤波器、、最大值滤波器、最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器（3）自适应滤波器，包括自适应局部噪声消除滤波器，自适应均值滤波器
117.几何均值滤波器所到达的平滑度可以与算术均值滤波器相比，但几何均值滤波器在滤波过程中，与算术均值滤波器相比，会丢失更少的图像细节
118.谐波均值滤波器所到达的善于处理高斯噪声等，谐波均值滤波器对于盐噪声效果好，但不适用于胡椒噪声
119.对于逆谐波均值滤波器，当Q值为正时适用于消除胡椒噪声，当Q值为负时适用于消除盐噪声，当Q=0时逆谐波均值滤波器退化为算术均值滤波器；当Q=-1时逆滤波均值滤波均值滤波器退化为谐波均值滤波器
120.算数和几何适合处理高斯噪声等，谐波均值滤波器对于盐噪声效果好，但不适用于胡椒噪声
121.在相同尺寸下，中值滤波器比起均值滤波器引起的模糊少，对单极或双极脉冲噪声非常有效
122最大滤波器用于发现图像中的最亮点，可以有效过滤胡椒噪声，胡椒噪声是非常低的值
123.最小值滤波器用于发现图像中的最暗点，可以有效过滤盐噪声，盐噪声是非常高的值
124.中点滤波器结合了顺序统计和求平均，对于高斯和均匀随机分布这类噪声有最好的效果
125.自适应，局部噪声消除滤波器根据像素邻域的局部方差与图像总体方差的比值，把像素的新取值在原图像像素和局部均值结果之间自适应地折中。
126.用于消减周期噪声的频域滤波器类型：带阻滤波器，带通滤波器，陷波滤波器
127.陷波滤波器结合了顺序 统计和求平均，对于高斯和均匀随机分布这类噪声由最好的效果
128.最佳陷波滤波器，当存在几种干扰时，且由于干扰成分通常不是单频脉冲，他们通常有宽广的携带干扰信息的边界，从正常的变换背景中有时不容易检测到这些边界，此时可用最佳陷波滤波器，其工作过程两步，1.通过单通滤波器获取干扰的主要成分2.从被干扰的图像中减去一个可变的模式加权的干扰部分，使结果图像的局部方差最小化所以这种滤波器称为最佳陷波滤波器
129.线性、位置不变退化的复原，由于非线性的ing与位置有关的技术难以求解，而线性技术容易求解，并且许多退化类型可以近似表示为线性位置不变过程，所以需要线性位置不变退化的复原方法，由于退化模型为卷积的结果，因此术语"图像去卷积"常用于表示线性图像复原，而用于复原处理的滤波器被称为‘去卷积滤波器’
130.估计退化函数的方法（1）观察法（2）实验法（3）数学建模法
131.观察法通过收集图像自身的信息来估计退化函数
132.实验估计法使用与获取退化图像的设备相似的装置，得到准确的退化估计。
133.模型估计法，根据引起退化的环境因素考虑建立退化模型，或从基本原理开始推导出退化模型，如匀速直线运动造成的模糊就就可以运用数学推导出其退化公式。
134.维纳滤波认为图像和噪声是随机函数，它综合考率退化函数和噪声统计特征，目标是寻找未污染图像f的估计值f
135.约束最小均方差误差滤波器只要求噪声方差和均值的知识，在满足条件的前提下寻找使拉普拉斯结果最小的图像f
136.几何变换可在一副图像中的像素间修改空间联系，几何变换的两个基本条件，（1）空间变换，它定义了图像平面上像素的重新安排（2）灰度级插补，它处理空间变换后图像中像素灰度级的赋值。
137.几何变换通常通过变换前后图像中的像素点（称为连接点）来指定，通过双线性方程建模来获得几何变换方程。
138.灰度级插补方法的两种典型方法：（1）最近算法（2）双线性内插法，最近邻法中，设变换后图像像素在a在变换前图像的空间点为b点，则变换后图像中像素a的灰度值赋予为变换前图像中距离b点最近的像素点的颜色值，而若用双线性内插法，则根据变换前图像的b点四周的四个图像
139.常用彩色模型（1）RGB模型，用于监视器，摄像机（2）CMY、CMYK模型，青色C，品红M，黄色Y，黑色K，用于印刷、彩色打印机；（3）NTSC模型亮度Y，色调I，饱和度Q，用于电视图像显示，（4）YCbCr模型，亮度Y，相对蓝基色的色差Cb，相对红基色的色差Cr（5）HIS模型，色度H，饱和度S，亮度I，这是符合人描述和解释颜色的方式。
140.matlab提供了各彩色模式图像之间的转换函数。
141彩色增强技术，指参照人眼的视觉特性，将灰度图像变成彩色图像或改变彩色图像已有彩色的分布，改善图像的可分辨率，彩色增强方法可分为三类：伪彩色增强，假彩色增强，全彩色增强。
142.彩色增强是把黑白图像的各个不同灰度等级按照线性或者非线性的映射函数变换成不同的颜色，得到一副