上次我們已經(jīng)總結(jié)過了圖像的基本概念。拋開各種圖像的文件格式和壓縮算法，實際在內(nèi)存中的圖片，就是一個個的數(shù)字矩陣。對圖片存儲有疑問，可以去翻看我前一節(jié)的總結(jié)。本次我們總結(jié)下圖片的基本操作--圖片融合，圖片拼接，圖片對比度，亮度處理等。
首先，我們來考慮下圖片拼接。既然圖片是一個個數(shù)據(jù)矩陣，那是不是我們把2個數(shù)字矩陣接在一起，是不是就是圖片相接呢？答案是肯定的。比如萌妹子的圖片：
同樣的，水平相接也一樣。
其次，我們討論下圖片的融合。圖片的融合是指2張或2張以上的圖片，疊加在一起，形成一張圖。是不是，我們只要把兩張圖的數(shù)字矩陣，直接在我們需要的位置，相加就行了呢？理論是這樣的。但是考慮到uint8的取值范圍只有255.所以，我們會賦予2張帶計算的圖一定的權(quán)重，這樣也可以調(diào)節(jié)，每個圖片的占比。
兩張妹子圖我們讓右邊的圖，所占比重為0.2，左邊為0.8，即可得到下面的圖片。
最后，我們總結(jié)下圖片的對比度，亮度等的處理。幾乎所有的圖像特征處理都離不開圖像的卷積運算，不論是經(jīng)典cv還是深度學(xué)習的CNN。當然，我們本次的例子也是為了引出卷積的應(yīng)用和概念。
不用排斥，我們不會用大量的平移，反轉(zhuǎn)，疊加這種摸不著頭腦的解釋。這個奇葩的解釋明顯就是看著公式定義的運算，說廢話。至少我想要的是個直觀的物理意義或幾何意義。
卷積的概念其實非常非常簡單，可以用四個字概括：加權(quán)平均和。是的，講完了。
我們簡單理解下這個公式?？梢园裦函數(shù)當作目標函數(shù)，g函數(shù)當作加權(quán)函數(shù)(或者叫系數(shù)，只是這個系數(shù)也是個函數(shù)而已)。公式的意義就可以理解為，g函數(shù)對f函數(shù)在x時間內(nèi)的加權(quán)平均和。
這么說可能還有些抽象。我們把f函數(shù)當作圖像矩陣，g函數(shù)當作卷積核。這個公式的作用，就是用卷積核逐步滑動整個圖片，對每個滑動位置做加權(quán)平均和。如圖：
我們假設(shè)左邊的矩陣是圖片原始數(shù)據(jù)，黃色的滑動矩陣為固定的卷積核。右邊的粉色矩陣為卷積的運算結(jié)果。很明顯可以看出，卷積過程，就是滑動卷積核在圖像所有位置的加權(quán)平均和。卷積核各個位置的數(shù)值，就是我們的加權(quán)系數(shù)，也就是公式中的g函數(shù)。
在了解了卷積運算的定義之后，我們考慮如何增加一張圖片的對比度。
我們考慮處理這張妹子圖片。
實際上，我們通過這樣的一個卷積核，對圖像做卷積運算就可以增強圖像的對比度了。增強圖像的對比度，實際上就是改變圖像矩陣相鄰數(shù)據(jù)的像素差異。相鄰像素的數(shù)值差異越大，表現(xiàn)出的圖像對比度就越強。
通過這樣的一個卷積運算后，明顯可以把相鄰像素的像素差異變大。稍微推下微分公式，相信不需要做過多解釋了。明白了圖像的卷積，就能針對圖像做各種各樣的處理了。
至于圖像的亮度提高，我相信讀者已經(jīng)猜到了。對的，只要提高每個像素點的值，圖片亮度就相應(yīng)的提升了。
下次總結(jié)，我們總結(jié)下傅立葉變換推導(dǎo)和在圖像的應(yīng)用，圖像的各種濾波，平滑去燥，以及圖像的形態(tài)學(xué)操作。
