我的研究方向就是影象處理與計算機視覺，影象處理(image processing)是指使用計算機對影象進行各種加工分析來改善影象的外觀，以達到所需結果的技術，一般指數字影象處理。處理的目的是使輸出影象具有更好的效果，以便於人的觀察，也是影象分析和影象識別做準備，此時影象處理是作為一種預處理步驟，主要包括影象幾何變換，影象增強，影象去噪，影象壓縮，影象復原，二值影象處理、影象分割以及特徵提取等等。下面我將簡單介紹一下這幾個方面以及用到的經典影象處理演算法。

1. 影象幾何變換

影象幾何變換又稱為影象空間變換，它將一幅影象中的座標位置對映到另一幅影象中的新座標位置。幾何變換不改變影象的畫素值，只是在影象平面上進行畫素的重新安排。主要包括平移、映象、旋轉以及縮放等等。這些操作就會用到一些插值演算法，經典的插值演算法主要有最近鄰插值、雙線性插值以及高階插值演算法。

2. 影象增強

影象增強是指根據特定的需要突出一幅影象中的某些資訊，同時，削弱或去除某些不需要資訊的處理方法。處理的目的就是消除噪聲來改善影象質量，主要包括空間域增強和頻率域增強兩種增強技術。空間域影象增強技術主要包括直方圖修正、灰度變換增強、影象平滑化以及影象銳化等，經典的演算法有透過直方圖均衡化來增強影象對比度。頻率域增強主要透過某些變換手段，比如傅立葉變換、離散餘弦變換以及小波變換等，在頻率域對影象進行分析，經典的演算法就是小波變換，應用很廣泛。

3. 形態學影象處理

形態學，即數學形態學是影象處理中應用最為廣泛的技術之一，其主要應用是從影象中提取對於表達和描繪區域形狀有意義的影象分量。使後續的識別工作能夠抓住目標影象最為本質的形狀特徵，茹邊界和連通區域等。二值影象的基本形態學運算，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、細化和畫素化、提取連通分量等。在我的研究課題中經常用到這些基礎的影象處理演算法。

4. 影象分割

影象分割是指將影象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、彩色等特徵的某種相似性準則。影象分割是影象的分析過程中最重要的步驟之一，分割出的區域可以作為後續特徵提取的目標物件。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影象處理演算法，例如canny邊緣檢測、拉普拉斯邊緣檢測演算法、OTSU大津法閾值分割、區域生長演算法等等。

5. 特徵提取演算法

特徵提取就是從影象中提取有用的資料或資訊，得到影象的“非影象”的表示或描述，如數值、向量、符號等，而提取出來的這些“非影象”的表示或描述就是特徵。影象特徵有好多種，比如基本的統計特徵（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徵、亮度、色彩、邊緣等等。影象特徵提取有很多經典的演算法，比如PCA演算法、LDA演算法、LBP特徵、灰度共生矩陣演算法、SIFT特徵演算法、HOG特徵演算法以及現在最前沿的神經網路演算法等等。

6. 機器學習經典演算法

另外，機器學習中最經典的演算法有決策樹、隨機森林演算法、邏輯迴歸演算法、SVM演算法、樸素貝葉斯、K最近鄰演算法、K均值演算法、Adaboost 演算法、神經網路演算法、馬爾可夫演算法等。

這正是我的研究領域，根據經典的影象處理教材，岡薩雷斯版的數字影象處理，大體可以分為:

1.影象基礎例如:影象的格式及儲存方式，掃描的排列方式等;

2.影象增強手段例如:空間域和頻率域增強方法(經典的各種濾波及銳化運算元，直方圖均衡化，傅立葉變換，小波變換等方法);

3.影象的復原及重建(可以根據已有的先驗知識構造復原模型，提高影象的清晰度等)

4.影象形態學處理(腐蝕，膨脹，開閉運算，頂帽，黑帽變換，擊中擊不中變換等)

5.影象分割(影象的經典二值化處理手段，分水嶺，大津法，固定閾值，邊緣檢測等)

6.彩色影象處理及各種影象格式轉換

7.影象仿射及透視變換(影象旋轉、影象平移等幾何變換)

8.機器學習及模式識別相關例如(knn，決策樹，樸素貝葉斯，svm，神經網路等經典機器學習演算法和歐式距離，模板匹配等模式分類經典演算法以及k-means等聚類演算法)。

總結一下，就是影象處理經典演算法很多，需要結合實際場景選擇適合自己的演算法，同時還要具有較強的移植性和泛化能力。