本文总结了11种常用的图像处理算法，包含了预处理算法以及检测算法，并介绍了一些常用的开发库。一、算法（预处理算法、检测算法）在采集完图像后，首先会对图像进行预处理操作。1、图像变换（空域与频域、几何变换、色度变换、尺度变换）2、图像增强3、纹理分析（取骨架、连通性）4、图像分割 5、图像特征 6、图像/模板匹配 7、色彩分析 8、图像数据编码压缩和传输 9、表面缺陷目标识别算法 10、图像分类（识

图像中的低频信号和高频信号，也叫做低频分量和高频分量。低频分量对应图像中物体的亮度均匀或变化缓慢的区域；高频分量对应图像中物体的边缘、细节、噪声。图像的频率：该图像灰度值变化剧烈程度的指标，是灰度在平面空间上的梯度。图像信号中的低频分量，指的是图像强度（亮度、灰度）变换平缓的地方。也就是大片色块，变化不那么明显的地方。图像信号中的高频分量，指的就是图像信号强度（亮度/灰度）变化剧烈的地方，也就是我

论文：https://arxiv.org/abs/1704.04861代码：解读：【图像分类】2017-MobileNetV1 CVPR_說詤榢的博客-CSDN博客 论文：https://arxiv.org/abs/1801.04381代码：https://github.com/d-li14/mobilenetv2.pytorch解读：【图像分类】2018-MobileNetV2_[18]sand

1、图像融合概述图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。2、小波变换特点介绍完善的重构能力，保证信号在分解过程中没有信息损失和冗余信息；把图像分解成低频图像和细节（高频）

nn.Linear() 常用于处理二维信息，全连接层的输入与输出一般都设置为二维张量，形状通常为[batch_size, size]，不同于卷积层要求输入输出是四维张量。从输入输出的张量的shape角度来理解，相当于一个输入为[batch_size, in_features]的张量变换成了[batch_size, out_features]的输出张量。仔细观察Shape可以发现，nn.Linear

论文论文题目：Learning to Compare Image Patches via Convolutional Neural Networks发表于：CVPR2015论文地址：http://de.arxiv.org/pdf/1504.03641论文代码：https://github.com/szagoruyko/cvpr15deepcompareAbstract直接从图像数据（不使用手工设计

​介绍三篇结合使用CNN+Transformer进行学习的论文：CvT（ICCV2021），Mobile-Former（CVPR2022），SegNetr（arXiv2307）.​

LaTeX 对号和错号。

面对ubuntu18以上的版本，主要有两种界面：图形化界面和纯命令行界面。图形化界面配置比较简单，命令行配置稍许复杂，但方便。

计算两幅图像的相似度（PSNR、SSIM、MSE、余弦相似度、MD5、直方图、互信息、Hash）& 代码实现 与举例。计算两幅图MSE 计算模型的预测 Ŷ 与真实标签 Y 的接近程度。公式表示为：对于两个m×n的单通道图像I和K，它们的均方误差可定义为：优点：MSE的函数曲线光滑、连续，处处可导，便于使用梯度下降算法，是一种常用的损失函数。而且，随着误差的减小，梯度也在减小，这有利于收敛，即使使用