伽马矫正（Gammacorrection）在学习HOG描述子时，对图像进行预处理中使用了伽马矫正这个方法，这里对伽马矫正进行简要的介绍。伽马矫正也称幂律变换，一般用于平滑的扩展暗调的细节。进行伽马矫正的原因是因为人类的眼睛在感知光线时，眼睛对亮度的感知遵循近似的幂函数（如下图所示）而不是线性函数。计算机系统中，由于显示器或显卡的原因会出现实际输出图像有亮度偏差。在第一次进入一些游戏时，想必大家都经

图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作。在进行图像算法前，对图像进行滤波预处理往往会带来更好的效果。大家在用美图秀秀美颜皮肤时是否想过其中的工作原理，或者在Photoshop中是否使用过模糊这个功能？这其中都应用到了图像滤波的原理。图像滤波原理很简单，掌握了其中的卷积操作，也会对卷积神经网络的学习有一定帮助。滤波有很多类型，包括线性滤波和非

机器学习和深度学习中，梯度是一个很重要的概念。在大部分机器学习优化问题中都可以通过梯度下降法处理。要介绍梯度就必须了解导数（derivative），偏导数（partial derivative）和方向导数（directional derivative）。这些概念在高等数学中都有介绍，也可以参考百度和维基百科，这里我们就只做简单回忆：导数导数反映函数在某点处沿x轴正方向的变化率，可以理解为，如果某点