深度学习图像处理基础

news2025/3/10 15:31:58

这里写目录标题

分辨率
- 是什么
视网膜屏
- 视网膜屏
- 人眼的视觉
- - 视力
- 像素密度
- 设置合适的PPI，制造视网膜屏
色彩
- 是什么
- 色匹配实验
- 色彩匹配的意义
- 量化色彩匹配
- - 白色合为1
  - 色度图
- 总结
HDR
- 光亮度（尼特）
- 灰阶
- 亮度范围
- HDR显示技术
- 总结
数字图像化
- 概览
人脸检测
- 需要关注的两个问题
- - 人脸的判别
  - - 人脸检测算法
    - - 第一步
      - 类哈尔特征
        集成学习
      - 第二步
      - 第三步
      - 积分图算法
  - 人脸的定位
  - - 滑动窗口与滑动尺寸
  - 补充（关于机器学习）
深度学习十大应用
- 分辨率增强
- 帧率增强
- 色彩增强
- 风格迁移
- 图像分类
- 物体检测
- 物体分割
- 特征检测
- 人脸识别
- 物体生成
神经网络
- 神经元
- - 工作原理
  - - 简介
    - 实例
- 神经网络
- - 简介
  - 深度神经网络
- 总结

分辨率

是什么

在这里插入图片描述
一张照片被拍摄出来之后，我们将其放大，可以看多许多的小方块单元，这些单元称为像素，组成了整个照片，而分辨率就是水平像素个数和垂直像素个数组合而成

在这里插入图片描述
上图相机的最高像素可以达到三千万，像素越高成像越清晰

视网膜屏

在这里插入图片描述
视网膜屏就是像素颗粒很小，很细腻，细腻到人眼看不出来像素颗粒的存在，就被称为视网膜屏

视网膜屏的设计，可以欺骗人类的大脑，将一些零散的画面，反馈到大脑后成为连续的画面，这是视网膜屏的重大意义

人眼的视觉

视力

在这里插入图片描述
视力是你将两条线看成一条线之后，人眼与两条线形成的夹角，就是视力吗，这个角被称为极限分辨角度

当我们使用E子表，测试视力时，上面所反馈得到的数值，是极限分辨角度的倒数，单位是角分

像素密度

在这里插入图片描述
我们通常使用像素密度来判断像素的大小，像素密度是对角线的像素个数/对角线尺寸（单位英寸），得出这块屏幕的像素密度，简称PPI

设置合适的PPI，制造视网膜屏

在这里插入图片描述
想要计算出一个视网膜屏的PPI，需要得知这个人的视力以及观看距离，视力与观看距离可以计算出视野范围，也就是尺寸，拿到尺寸之后，根据人眼能分辨的最小的像素单元大小，就可以计算出像素的密度，即PPI

色彩

是什么

在这里插入图片描述

颜色是光反射的结果，光的本质是电磁波，而人类能够捕捉到的光的频率范围是400nm至700nm

色匹配实验

在这里插入图片描述
根据色匹配实验得出，同一种颜色，可以由完全不同的光谱分布实现

且，任何一种颜色，都可以使用红绿蓝三原色不同的比例分配进行合成

色彩匹配的意义

在这里插入图片描述
由以上结论可知，我们想要显示一个颜色，无需真的把那个颜色调出来，而是用三原色红绿蓝调制特定的比例从而合成我们想要的颜色，从而用更少的资源更高效的做事

量化色彩匹配

白色合为1

在这里插入图片描述
我们规定三原色等比例合成白色时，三色和为1

色度图

在这里插入图片描述
将400nm至700nm的点画在上面的图中，会显示出独特的曲线，而从中取三个点形成三角形，那么该三角形内的色彩就可以由这三个点的不同比例匹配出来，所以三角形越大，匹配的色彩越多
但是从工业的角度出发，为了成本，我们只需要一个能将我们日常生活中较为常见的色彩匹配出来的三角形即可，所以出现了许多的三角形标准，如下图
在这里插入图片描述

总结

在这里插入图片描述

HDR

光亮度（尼特）

人对亮度的差异的分辨能力存在极限

灰阶

在这里插入图片描述
一个器件亮度从最暗到最亮被划分为有限个等级，这些等级称为灰阶
而这些有限个灰阶的划分是按照二进制的位数划分的
例如一个8bit的灰阶，有2的8次方个不同的等级，且等级变化不连续，是间断变化的，8bit就是用二进制表示就是100000000，转为十进制就是2的8次方，计算结果为256
在这里插入图片描述
但是由于人眼对亮度差异的分辨存在极限，所以，对于不连续的灰阶，在人眼看来，是连续的