深度学习图像处理：图像处理易错点

你好，我是kelly。

这里总结下处理图像时容易出错的两点：

一、图像坐标

1）PIL.Image、OpenCV处理图像时，原点为左上角，向左/右方向分别对x执行加/减操作，向上/下方向分别对y执行加/减操作。

2）使用Matplotlib库进行绘图时，原点左下角。

二、对图像不同频率信息的理解

图像频率：灰度值变化剧烈程度的指标，是灰度在平面空间上的梯度。

低频：颜色缓慢的变化，一般为非图像边缘部分，构成图像的主要成分。低频信息是图像的近似信息，形成图像的基本灰度等级，对图像结构的决定作用较小。

高频：一般为边缘、细节（灰度值剧烈变化才出现细节）、轮廓线、噪点等。高频信息越多，图像细节特征越多。

相应的，高频图像与低频图像的关系：

高频图像：像素值在不同位置变化很大的图像，像素值从一个值快速变化到下一个值。

低频图像：像素值相对均匀或变化非常缓慢的图像。

此外，通过对图像进行傅里叶变换，可以将图像的高频和低频分量分离出来，再对分量分别进行傅里叶逆变换得到对应分量图像。

kelly会在公众号「kelly学技术」不定期更新Python、机器学习、深度学习等文章，感兴趣的朋友可以关注一下，期待与您交流。