第一部分：图像基础

边缘和轮廓

1、图像中，什么是高频域和低频域？

图像的高低频是对图像各个位置之间强度变化的一种度量方法.

低频分量:主要对整副图像的强度的综合度量.

高频分量:主要是对图像边缘和轮廓的度量.

如果一副图像的各个位置的强度大小相等,则图像只存在低频分量,从图像的频谱图上看,只有一个主峰,且位于频率为零的位置.

如果一副图像的各个位置的强度变化剧烈,则图像不仅存在低频分量,同时也存在多种高频分量,从图像的频谱上看,不仅有一个主峰,同时也存在多个旁峰.

二维的图像可以分解成不同的频率成分。其中，低频成分描述大范围的信息，而高频成分描述具体的细节。
在灰度图像中，亮度变化小的区域主要是低频成分，而亮度变化剧烈的区域 (比如物体的边缘)主要是高频成分==。

简单的说，就是图像中像素灰度值变化快的就是高频部分，变化慢的就是低频部分。

以上来源于：https://blog.51cto.com/eminzhang/1609224
高频：所谓高频,是指一个信号的变化速度较快,这是一个相对概念。在图像上来说,就是一片图像的亮度变化较多且明显。
在频域中，频率越大说明原始信号 变化速度越快；频率越小说明原始信号越平缓。当频率为0时，表示直流信号，没有变化。因此，频率的 大小反应了信号的变化快慢。高频分量解释信号的突变部分，而低频分量决定信号的整体形象。
在 图像处理中，频域反应了图像在空域灰度变化剧烈程度，也就是图像灰度的变化速度，也就是图像的梯度大小。对图像而言，图像的边缘部分是突变部分，变化较 快，因此反应在频域上是高频分量；图像的噪声大部分情况下是高频部分；图像平缓变化部分则为低频分量。也就是说，傅立叶变换提供另外一个角度来观察图像， 可以将图像从灰度分布转化到频率分布上来观察图像的特征。书面一点说就是，傅里叶变换提供了一条从空域到频率自由转换的途径。对图像处理而言，以下概念非 常的重要：

图像高频分量：图像突变部分；在某些情况下指图像边缘信息，某些情况 下指噪声，更多是两者的混合；
低频分量：图像变化平缓的部分，也就是图像轮廓信息
高通滤波器：让图像使低频分量抑制，高频分量通过
低通滤波器：与高通相反，让图像使高频分量抑制，低频分量通过
带通滤波器：使图像在某一部分 的频率信息通过，其他过低或过高都抑制
还有个带阻滤波器，是带通的反。

原文链接：https://blog.csdn.net/weixin_41605937/article/details/113446419

2、什么是图像轮廓，什么是图像边缘？

什么是图像轮廓
        图像轮廓是具有相同颜色或灰度的连续点的曲线. 轮廓在形状分析和物体的检测和识别中很有用。
一条图像轮廓对应的是图像中一系列的像素点，这些点以某种方式表示图像中的一条曲线。
边缘是不连续的，不是一个整体
图像轮廓是将边缘连接起来形成一个整体。

轮廓的作用:

 1、用于图形分析    2、物体的识别和检测

注意点:

1、为了检测的准确性，需要先对图像进行二值化或Canny操作。

2、画轮廓时会修改输入的图像, 如果之后想继续使用原始图像，应该将原始图像储存到其他变量中。

原文链接：https://blog.csdn.net/m0_46392035/article/details/125922684

第二部分：深度学习