数据

采样

从样本数据提取数据，等距提取就是均匀采样，不等距就是非均匀采样。

噪声

椒盐噪点可以用中值滤波器消除，有条纹状的噪声可以用陷波滤波器，比较细致模糊的噪点可以用低通滤波器

卷积

线性滤波器

全通

没有消除和阻止任何一个频率。作用未知。

低通

使频率越来越宽，可以让图片变得模糊和达到消除噪点的作用

盒式滤波器

使用全为1的卷积核。

高斯滤波器

特定的权重，离像素点越远权重越小

下图为高斯函数的3维图示：

0.05 0.25 0.40 0.25 0.05权值

降低频率采样

n层：1 x 1

···

n-1层：pow(2,n-1) x pow(2,n-1)

n层：pow(2,n) x pow(2,n)

高斯金字塔

n-1层的一个网格对应相应的n层的4个网格

卷积细节

1. 将滤波器与图像进行卷积时，要每个像素对齐非常重要，每个卷积的结果要单独保存，否则会影响之后的卷积结果
2. 运算时先转化为浮点数再进行滤波最后滤波取整
3. 如果颜色超过0，255设定最大值和最小值s

高通

留下高频去除低频，能得到图形边缘特征。

如核为 -1/3 2/3 -1/3的卷积核。

带通

指留下低频和高频之间的信号。

非线性滤波器

中值滤波器

去核范围的中值代替像素，去椒盐噪点的，还可以制作腐蚀或膨胀效果。

几何变换

平移旋转放缩

opengl里面有 就不看了

透视变换

裁剪距阵的推导

取用这个坐标系，所以w是0 0 -1 0
$$
∠theta=fov/2 ,A= N * tan (theta),B= F * tan (theta) \ A’=N=ACot(theta),B’=F=BCot(theta)
$$
所以Y轴是 0 cot(theta) 0 0。

ASP是宽高比

1
2
3
4
5
6

$$
C=A*ASP \\
D=B*ASP \\
C'=N=C*Cot(theta) / ASP \\ 
D'=F=D*Cot(theta) / ASP
$$

所以x是=Cot(theta)/ASP 0 0 0。

假设矩阵是线性的
$$
f(-N)=-N,f(-F)=F代入方程y=sx+o
$$
解方程组
$$
s=(f+n)/(n-f),o=2fn/(n-f)
$$
z是0 0 s o；

得透视矩阵如下