我的研究方向就是圖像處理與計算機視覺，圖像處理(imageprocessing)是指使用計算機對圖像進行各種加工分析來改善圖像的外觀，以達到所需結果的技術，一般指數字圖像處理。處理的目的是使輸出圖像具有更好的效果，以便于人的觀察，也是圖像分析和圖像識別做準備，此時圖像處理是作為一種預處理步驟，主要包括圖像幾何變換，圖像增強，圖像去噪，圖像壓縮，圖像復原，二值圖像處理、圖像分割以及特征提取等等。下面我將簡單介紹一下這幾個方面以及用到的經典圖像處理算法。

1.圖像幾何變換

圖像幾何變換又稱為圖像空間變換，它將一幅圖像中的坐標位置映射到另一幅圖像中的新坐標位置。幾何變換不改變圖像的像素值，只是在圖像平面上進行像素的重新安排。主要包括平移、鏡像、旋轉以及縮放等等。這些操作就會用到一些插值算法，經典的插值算法主要有最近鄰插值、雙線性插值以及高階插值算法。

2.圖像增強

圖像增強是指根據特定的需要突出一幅圖像中的某些信息，同時，削弱或去除某些不需要信息的處理方法。處理的目的就是消除噪聲來改善圖像質量，主要包括空間域增強和頻率域增強兩種增強技術。空間域圖像增強技術主要包括直方圖修正、灰度變換增強、圖像平滑化以及圖像銳化等，經典的算法有通過直方圖均衡化來增強圖像對比度。頻率域增強主要通過某些變換手段，比如傅里葉變換、離散余弦變換以及小波變換等，在頻率域對圖像進行分析，經典的算法就是小波變換，應用很廣泛。

3.形態學圖像處理

形態學，即數學形態學是圖像處理中應用最為廣泛的技術之一，其主要應用是從圖像中提取對于表達和描繪區域形狀有意義的圖像分量。使后續的識別工作能夠抓住目標圖像最為本質的形狀特征，茹邊界和連通區域等。二值圖像的基本形態學運算，包括腐蝕、膨脹、開運算以及閉運算，經典應用包括擊中擊不中變換、邊界提取和跟蹤、區域填充、細化和像素化、提取連通分量等。在我的研究課題中經常用到這些基礎的圖像處理算法。

4.圖像分割

圖像分割是指將圖像中具有特殊意義的不同區域劃分開來，這些區域是互不相交的，每個區域滿足灰度、紋理、彩色等特征的某種相似性準則。圖像分割是圖像的分析過程中最重要的步驟之一，分割出的區域可以作為后續特征提取的目標對象。主要包括的方法有邊緣檢測、閾值分割、邊界跟蹤、區域生長。區域分離和聚合等，這其中有很多的經典圖像處理算法，例如canny邊緣檢測、拉普拉斯邊緣檢測算法、OTSU大津法閾值分割、區域生長算法等等。

5.特征提取算法

特征提取就是從圖像中提取有用的數據或信息，得到圖像的“非圖像”的表示或描述，如數值、向量、符號等，而提取出來的這些“非圖像”的表示或描述就是特征。圖像特征有好多種，比如基本的統計特征（周長、面積、均值等區域描述子）、直方圖和灰度共現矩陣等紋理特征、亮度、色彩、邊緣等等。圖像特征提取有很多經典的算法，比如PCA算法、LDA算法、LBP特征、灰度共生矩陣算法、SIFT特征算法、HOG特征算法以及現在最前沿的神經網絡算法等等。

6.機器學習經典算法

另外，機器學習中最經典的算法有決策樹、隨機森林算法、邏輯回歸算法、SVM算法、樸素貝葉斯、K最近鄰算法、K均值算法、Adaboost算法、神經網絡算法、馬爾可夫算法等。

以上就是圖像處理中一些經典的算法，在我的研究過程中基本都接觸到了這些算法，有什么想要深入了解的內容，可以一起討論，共同進步。