圖像處理關鍵詞

1.  高頻份量:
   

   形象一點說：亮度或灰度變化激烈的地方對應高頻成分，如邊緣；變化不大的地方對於低頻成分，如大片色塊區

   畫個直方圖，大塊區域是低頻，小塊或離散的是高頻 

2.  <1>高通濾波：邊緣提取與加強。邊緣區域的灰度變換加大，也就是頻率較高。因此，對於高通濾波，邊緣部分將被保留，非邊緣部分將被過濾；

    <2>低通濾波：邊緣平滑，邊緣區域將被平滑過渡

3. 高斯濾波:
   高斯濾波是一種線性平滑濾波，適用於消除高斯噪聲，普遍應用於圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進行加權平均的過程，每個像素點的值，都由其自己和鄰域內的其餘像素值通過加權平均後獲得
4. 中值濾波:
   

   <1>線性濾波：線性濾波器的原始數據與濾波結果是一種算術運算，即用加減乘除等運算實現，如(1)均值濾波器（模板內像素灰度值的平均值）、(2)高斯濾波器（高斯加權平均值）等。因爲線性濾波器是算術運算，有固定的模板，所以濾波器的轉移函數是能夠肯定而且是惟一的（轉移函數即模板的傅里葉變換）。
   <2>非線性濾波：非線性濾波器的原始數據與濾波結果是一種邏輯關係，即用邏輯運算實現，如最大值濾波器、最小值濾波器、中值濾波器等，是經過比較必定鄰域內的灰度值大小來實現的，沒有固定的模板，於是也就沒有特定的轉移函數（由於沒有模板做傅里葉變換），另外，膨脹和腐蝕也是經過最大值、最小值濾波器實現的。五種常見的非線性濾波算子，這五種濾波算子對不一樣的圖像都會有不一樣的做用，最經常使用的是中值濾波，由於它的效果最好且信息損失的最少。

5. drift: 指圖像在tracking 的時候漂，流動。
6. 感覺野：（下面的解釋仍是沒看懂，看來得學習下CNN的不少概念）

   感覺野（receptive field）是怎樣一個東西呢，從CNN可視化的角度來說，就是輸出featuremap某個節點的響應對應的輸入圖像的區域就是感覺野。

   好比咱們第一層是一個3*3的卷積核，那麼咱們通過這個卷積核獲得的featuremap中的每一個節點都源自這個3*3的卷積核與原圖像中3*3的區域作卷積，那麼咱們就稱這個featuremap的節點感覺野大小爲3*3

   若是再通過pooling層，假定卷積層的stride是1，pooling層大小2*2，stride是2，那麼pooling層節點的感覺野就是4*4