三、图像处理关键知识点总结

（一）图像处理基本滤波算法

（二）图像仿射变换与透射变换：几何变换、视角空间变换2D-3D-2D

仿射变换：warpAffine()；量空间变换，主要有旋转、平移、缩放。

透射变换（也称投影变换）：cvWrapPerspective()；将图像通过投影映射投射至一个新的视平面。该方法广泛应用于二维到三维再到二维场景，并以实现全景拼接的目的为基础。

（三）图像金字塔：多尺度变换

基于多分辨率的技术用于解析图像是结构的核心内容，在多个领域有着广泛的应用

（四）霍夫变换：直线与圆检测

霍夫变换(Hough Transform)属于图像处理领域中的特征提取方法之一。它是利用一种投票机制来识别不同类型的物体。在参数空间内进行累计计算以确定局部最大值的过程能够生成符合特定形态集合的结果。

直线检测：将直线方程表达式转换为极坐标形式后，在图像中寻找满足条件的(ρ, θ)组合。对于经过边缘检测后的每一个像素点，在所有可能的角度值θ下计算对应的ρ值，并统计这些(ρ, θ)组合出现的频率最多的情况即为此处存在的直线。

直线检测：将直线方程表达式转换为极坐标形式后，在图像中寻找满足条件的(ρ, θ)组合。对于经过边缘检测后的每一个像素点，在所有可能的角度值θ下计算对应的ρ值，并统计这些(ρ, θ)组合出现的频率最多的情况即为此处存在的直线。

在圆检测中，基于直角坐标的表示可知, 圆由其心坐标和半径两个参数共同决定. 因此, 在霍夫变换中, 参数空间维度降低至三维. 当固定了圆形半径后, 在二维霍夫参数空间中进行转换会更为简便. 这种转换过程相对简单易行, 并且是一种较为常用的技术手段. 任何三个不共线的点都能唯一确定一个圆形, 并在此基础上进行投票统计.

（五）图像颜色空间与皮肤检测：

常见的颜色模式包括RGB、YUV和HSV三种类型。其中RGB模式由红色(R)、绿色(G)和蓝色(B)三个分量构成；而YUV模式则分为亮度(Y)和色度(UV)两部分；HSV模式则通过色调(Hue)、饱和度(Saturation)和明度(Brightness)三个参数来定义色彩特征。

皮肤检测：

基于RGB颜色空间的皮肤检测算法：（在均匀光照条件下需满足以下判别式：R通道值大于95且G通道值大于40且B通道值大于20，并且R、G、B三者的最大值与最小值之差大于15以及R与G之差绝对值大于15，并且R大于G和R大于B；在侧光拍摄环境中则要求R、G、B三者均较大，在此情况下R > 220且G > 210且B > 170并且R与G之差绝对值小于等于15，并且R > B和G > B）

参考：https://www.cnblogs.com/skyfsm/p/7868877.html

（六）图像特征：边缘、角点、特征检测与立体匹配

边缘检测：Canny、Sobel、Laplacian

角点检测：Harris 、Shi-Tomasi

特征检测：基于SIFT算法的关键点提取方法用于实现尺度不变特征转换这一目标、该算法通过结合平移、旋转和尺度不变性来提高检测效率、ORB算法基于定向简化的短文本描述虽然能够提取方向信息但未能解决尺度不变性问题、FAST算法通过快速分割测试来获取图像特征并实现了高效计算

（七）模板匹配：简单粗暴

将模板图片在原图上从左上到右下滑动，直至具有需求阈值的相似度。