图像处理 100 问！！
日本语本当苦手，==翻译出错还请在issue指正或直接发起 PR。代码算法方面的问题请往原repo提。==现阶段我并没有做这些题目（捂脸），只是翻译而已，因此算法细节可能没有翻译到位。不太好翻译的地方我也会在一定程度上意译
自行发挥，请各位谅解。后续在写代码的途中会对翻译有所更正。我会尽量附上英文术语，有翻译不清楚的地方还请参照原文、英语及代码。关于$\LaTeX$公式渲染问题：
- 在线阅读建议安装MathJax Plugin for Github插件获得
其实不太良好的公式阅读体验；- 离线阅读建议使用可以渲染$\LaTeX$公式的Markdown编辑器/阅读器，如Typora（我是用这个编写和转换PDF的）和MWeb。VSCode使用者建议安装Markdown All in One插件渲染$\LaTeX$公式；
- 各个README文件在完成基本校对之后会转为PDF文件。PDF文件阅读效果最佳。
有签名戳
——gzr的引用部分和脚注都是译注。译注可能会打扰大家阅读，请各位谅解。感谢！
——gzr
English is here (KuKuXia translates into English)
Chinese is here (gzr2017, my ex-colleague, translates into Chinese)
Description
为图像处理初学者设计的100个问题完成了啊啊啊啊啊(´；ω；｀)
和蝾螈一起学习基本的图像处理知识，理解图像处理算法吧！解答这里的提出的问题请不要调用OpenCV的API，自己动手实践吧！虽然包含有答案，但不到最后请不要参考。一边思考，一边完成这些问题吧！
-
问题不是按照难易程度排序的。虽然我尽可能地提出现在流行的问题，但在想不出新问题的情况下也会提出一些没怎么听说过的问题（括弧笑）。
-
**这里的内容参考了各式各样的文献，因此也许会有不对的地方，请注意！**如果发现了错误还请发起PR ，帮助我改正！！
-
【注意】使用这个页面造成的任何事端，本人不负任何责任。请您自担风险。
俺也一样。使用这个页面造成的任何事端，本人不负任何责任。
——gzr
喜欢Python和C++的人来试试吧♡（最近新加了JavaScript呢）
2019.5.14. これ金にならんかなぁ…
如果有什么意见或者成绩的话也请一并告诉我！
如果这对大家有用的话，我们也将接受捐赠（括弧笑）
Related
★追記 2019.11.7
Study-AI株式会社様 http://kentei.ai/ のAI実装検定のシラバスに使用していただくことになりました！(ディープラーニング無限ノックも）Study-AI株式会社様ではAIスキルを学ぶためのコンテンツを作成されており、AIを学ぶ上でとても参考になります！
検定も実施されてるので、興味ある方はぜひ受けることをお勧めします！
深度学习无限问请点击这里。
Recent
我也在Twitter上发布更新信息。
- 2019.11.22 [C++] Q.49~50 モルフォロジー処理（オープンイング、クロージング）を追加
- 2019.11.21 [C++] Q.48 モルフォロジー処理（収縮）を追加
- 2019.11.20 [C++] Q.47 モルフォロジー処理（膨張）を追加
- 2019.10.27 [C++] Q.44~46 Hough直線検出を追加、[Python]の解答を修正
- 2019.10.22 [C++] Q.41~43 Cannyのエッジ検出を追加, [Python] の解答を修正
- 2019.9.3 [Python] Q.81~100のAnswerコードをメソッド化
- 2019.9.2 [Python] Q.61~80のAnswerコードをメソッド化
- 2019.8.28 [Python] Q.51~60のAnswerコードをメソッド化
- 2019.8.18 [Python] Q.50までのAnswerコードをメソッド化
- 2019.8.12 [C++]Q.36-40の解答追加
- 2019.7.32 [C++]Q.32-35の解答追加
- 2019.7.23 [C++]Q.30-31の解答追加
- 2019.7.22 [C++]Q.25-29の解答追加
- 2019.6.30 Q.21-24のC++の解答追加
- 2019.6.8 JavaScriptのチュートリアルを追加
- 2019 Q.11-20 C++ を追加 Q.15 Sobelを修正
- 2019.3.25 Q.31 フーリエ系 Q.36 DCT, Q.47,48 トップハット変換系を修正
- 2019.3.13 Q95-100 Neural Networkを修正
- 2019.3.8 Questions_01_10 にC++の解答を追加！
- 2019.3.7 TutorialにC++用を追加 そろそろC++用の答えもつくろっかなーと
- 2019.3.5 各Questionの答えをanswersディレクトリに収納
- 2019.3.3 Q.18-22. 一部修正
- 2019.2.26 Q.10. メディアンフィルタの解答を一部修正
- 2019.2.25 Q.9. ガウシアンフィルタの解答を一部修正
- 2019.2.23 Q.6. 減色処理のREADMEを修正
- 2019.1.29 HSVを修正
首先
打开终端，输入以下指令。使用这个命令，你可以将整个目录完整地克隆到你的计算机上。
$ git clone https://github.com/yoyoyo-yo/Gasyori100knock.git然后，选择你喜欢的 Python 或者 C++，阅读下一部分——Tutorial！
Tutorial
| 内容 | Python | C++ | JavaScript | |
|---|---|---|---|---|
| 1 | 安装 | ✓ | ✓ | |
| 2 | 读取、显示图像 | ✓ | ✓ | |
| 3 | 操作像素 | ✓ | ✓ | |
| 4 | 拷贝图像 | ✓ | ✓ | |
| 5 | 保存图像 | ✓ | ✓ | |
| 6 | 练习问题 | ✓ | ✓ |
请在这之后解答提出的问题。问题内容分别包含在各个文件夹中。请使用示例图片assets/imori.jpg。在各个文件夹中的README.md里有问题和解答。运行答案，请使用以下指令（自行替换文件夹和文件名）：
python answers/answer_@@.py问题
详细的问题请参见各页面下的README文件（各个页面下滑就可以看见）。
- 为了简化答案，所以没有编写
main()函数。 - 虽然我们的答案以
numpy为基础，但是还请你自己查找numpy的基本使用方法。
问题1 - 10
| 序号 | 问题 | Python | C++ | 翻译一校 |
|---|---|---|---|---|
| 1 | 通道替换 | ✓ | ✓ | ✓ |
| 2 | 灰度化（Grayscale） | ✓ | ✓ | ✓ |
| 3 | 二值化（Thresholding） | ✓ | ✓ | ✓ |
| 4 | 大津二值化算法（Otsu's Method） | ✓ | ✓ | ✓ |
| 5 | $\text{HSV}$变换 | ✓ | ✓ | ✓ |
| 6 | 减色处理 | ✓ | ✓ | ✓ |
| 7 | 平均池化（Average Pooling） | ✓ | ✓ | ✓ |
| 8 | 最大池化（Max Pooling） | ✓ | ✓ | ✓ |
| 9 | 高斯滤波（Gaussian Filter） | ✓ | ✓ | ✓ |
| 10 | 中值滤波（Median Filter） | ✓ | ✓ | ✓ |
问题11 - 20
| 序号 | 内容 | Python | C++ | 翻译一校 |
|---|---|---|---|---|
| 11 | 均值滤波器 | ✓ | ✓ | ✓ |
| 12 | Motion Filter | ✓ | ✓ | ✓ |
| 13 | MAX-MIN滤波器 | ✓ | ✓ | ✓ |
| 14 | 差分滤波器（Differential Filter） | ✓ | ✓ | ✓ |
| 15 | Sobel滤波器 | ✓ | ✓ | ✓ |
| 16 | Prewitt滤波器 | ✓ | ✓ | ✓ |
| 17 | Laplacian滤波器 | ✓ | ✓ | ✓ |
| 18 | Emboss滤波器 | ✓ | ✓ | ✓ |
| 19 | LoG滤波器 | ✓ | ✓ | ✓ |
| 20 | 直方图 | ✓ | ✓ |
问题21-30
| 序号 | 内容 | Python | C++ | 翻译一校 |
|---|---|---|---|---|
| 21 | 直方图归一化（Histogram Normalization） | ✓ | ✓ | |
| 22 | 直方图操作 | ✓ | ✓ | |
| 23 | 直方图均衡化（Histogram Equalization） | ✓ | ✓ | |
| 24 | 伽玛校正（Gamma Correction） | ✓ | ✓ | |
| 25 | 最邻近插值（Nearest-neighbor Interpolation） | ✓ | ✓ | |
| 26 | 双线性插值（Bilinear Interpolation） | ✓ | ✓ | |
| 27 | 双三次插值（Bicubic Interpolation） | ✓ | ✓ | |
| 28 | 仿射变换（Afine Transformations）——平行移动 | ✓ | ✓ | |
| 29 | 仿射变换（Afine Transformations）——放大缩小 | ✓ | ✓ | |
| 30 | 仿射变换（ Afine Transformations ）——旋转 | ✓ | ✓ |
问题31-40
| 序号 | 内容 | Python | C++ | 翻译一校 |
|---|---|---|---|---|
| 31 | 仿射变换（Afine Transformations）——倾斜 | ✓ | ✓ | |
| 32 | 傅立叶变换（Fourier Transform） | ✓ | ✓ | |
| 33 | 傅立叶变换——低通滤波 | ✓ | ✓ | |
| 34 | 傅立叶变换——高通滤波 | ✓ | ✓ | |
| 35 | 傅立叶变换——带通滤波 | ✓ | ✓ | |
| 36 | JPEG 压缩——第一步：离散余弦变换（Discrete Cosine Transformation） | ✓ | ✓ | |
| 37 | 峰值信噪比（Peak Signal to Noise Ratio） | ✓ | ✓ | |
| 38 | JPEG 压缩——第二步：离散余弦变换+量化 | ✓ | ✓ | |
| 39 | JPEG 压缩——第三步：YCbCr 色彩空间 | ✓ | ✓ | |
| 40 | JPEG 压缩——第四步：YCbCr+DCT+量化 | ✓ | ✓ |
问题41-50
| 序号 | 内容 | Python | C++ | 翻译一校 |
|---|---|---|---|---|
| 41 | Canny边缘检测：第一步——边缘强度 |
✓ | ✓ | |
| 42 | Canny边缘检测：第二步——边缘细化 |
✓ | ✓ | |
| 43 | Canny边缘检测：第三步——滞后阈值 |
✓ | ✓ | |
| 44 | 霍夫变换（Hough Transform）／直线检测——第一步：霍夫变换 | ✓ | ✓ | |
| 45 | 霍夫变换（Hough Transform）／直线检测——第二步：NMS | ✓ | ✓ | |
| 46 | 霍夫变换（Hough Transform）／直线检测——第三步：霍夫逆变换 | ✓ | ✓ | |
| 47 | 形态学处理：膨胀（Dilate） | ✓ | ✓ | |
| 48 | 形态学处理：腐蚀（Erode） | ✓ | ✓ | |
| 49 | 开运算（Opening Operation） | ✓ | ✓ | |
| 50 | 闭运算（Closing Operation） | ✓ | ✓ |
问题51-60
问题61-70
| 序号 | 内容 | Python | C++ | 翻译一校 |
|---|---|---|---|---|
| 61 | $4-$连接数 | ✓ | ||
| 62 | $8-$连接数 | ✓ | ||
| 63 | 细化处理 | ✓ | ||
| 64 | Hilditch 细化算法 | |||
| 65 | Zhang-Suen 细化算法 | ✓ | ||
| 66 | 方向梯度直方图（HOG）第一步：梯度幅值・梯度方向 | ✓ | ||
| 67 | 方向梯度直方图（HOG）第二步：梯度直方图 | ✓ | ||
| 68 | 方向梯度直方图（HOG）第三步：直方图归一化 | ✓ | ||
| 69 | 方向梯度直方图（HOG）第四步：可视化特征量 | ✓ | ||
| 70 | 色彩追踪（Color Tracking） | ✓ |
问题71-80
| 序号 | 内容 | Python | C++ | 翻译一校 |
|---|---|---|---|---|
| 71 | 掩膜（Masking） | ✓ | ||
| 72 | 掩膜（色彩追踪（Color Tracking）+形态学处理） | ✓ | ||
| 73 | 缩小和放大 | ✓ | ||
| 74 | 使用差分金字塔提取高频成分 | ✓ | ||
| 75 | 高斯金字塔（Gaussian Pyramid） | ✓ | ||
| 76 | 显著图（Saliency Map） | ✓ | ||
| 77 | Gabor 滤波器（Gabor Filter） | ✓ | ||
| 78 | 旋转 Gabor 滤波器 | ✓ | ||
| 79 | 使用 Gabor 滤波器进行边缘检测 | ✓ | ||
| 80 | 使用 Gabor 滤波器进行特征提取 | ✓ |
问题81-90
| 序号 | 内容 | Python | C++ | 翻译一校 |
|---|---|---|---|---|
| 81 | Hessian 角点检测 | ✓ | ||
| 82 | Harris 角点检测第一步：Sobel + Gausian | ✓ | ||
| 83 | Harris 角点检测第二步：角点检测 | ✓ | ||
| 84 | 简单图像识别第一步：减色化+直方图 | ✓ | ||
| 85 | 简单图像识别第二步：判别类别 | ✓ | ||
| 86 | 简单图像识别第三步：评估 | ✓ | ||
| 87 | 简单图像识别第四步：k-NN | ✓ | ||
| 88 | k-平均聚类算法（k -means Clustering）第一步：生成质心 | ✓ | ||
| 89 | k-平均聚类算法（k -means Clustering）第二步：聚类 | ✓ | ||
| 90 | k-平均聚类算法（k -means Clustering）第三步：调整初期类别 | ✓ |
问题91-100
TODO
adaptivebinalizatino, poison image blending
Citation
@article{yoyoyo-yoGasyori100knock,
Author = {yoyoyo-yo},
Title = {Gasyori100knock},
Journal = {https://github.com/yoyoyo-yo/Gasyori100knock},
Year = {2019}
}License
© Yoshito Nagaoka All Rights Reserved.
This is under MIT License.
https://github.com/yoyoyo-yo/Gasyori100knock/blob/master/LICENSE