经过本章的学习，加深了对k-均值的了解，一个典型的聚类算法，主思想是将样本数据划分为K个簇，使得每个样本点都属于离其最近的簇中心，也就是质点，K-均值算法的优点包括简单、易于实现和计算效率高。然而，该算法的结果受到初始簇中心的选择和数据分布的影响，可能会陷入局部最优解。因此，在使用K-均值算法时，通常需要进行多次运行并选择最优的结果。

本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第五章介绍用多个视图来三维重建，即恢复相机位置和三维结构。主要包含特征匹配、估计基础矩阵和照相机矩阵。

本专栏按《python计算机视觉编程 ——Jan Erik Solem》一书为参考，第四章介绍照相机的相关内容，包含照相机建模和投影建模、计算照相机参数、增强现实等技术。

第四章：频率域滤波1.背景2.基本概念复数傅立叶级数冲激函数及其取样性质连续单变量函数的傅立叶变换卷积3.取样和取样函数的傅立叶变换取样取样后的傅立叶变换取样定理与混叠重建函数4.单变量的离散傅立叶变换由取样函数变换的DFT取样和频率间隔的关系5.二变量函数的傅立叶变换二维冲激及其取样性质二维连续傅立叶变换对二维取样及取样定理图像中的混叠DFT及IDFT6.二维离散傅立叶变换和反变换的性质空间间隔