图像增强：
改善图像视觉效果，增强图像的使用价值
通常将空间域转到频率域上，目的是快速进行卷积计算
特征提取方法：
直方图（点运算）：
统计每个点的灰度，将相近的归为一类
0代表全部黑色，255代表全部白色
直方图均衡化：
重新分配各个灰度单位中的像素点数量，使一定灰度范围像素点数量的值大致相等
ClAHE:
将超过选定范围的面积删除，并将相同面积平铺在最底层
步骤：
1.图像分块
2.计算每块的直方图，修剪直方图，最后均衡
3.遍历操作每个图像块，进行块间双线性插值
空间域的处理及其变换
卷积：
边界填充（padding）：
使得卷积前和卷积后的面积相同
常用的填充类型：补零，镜像，块填充
平滑中值卷积：
将卷积域内的像素值从小到大排序，取中间值作为输出，有效去除椒盐噪声
平滑高斯卷积：
主要关注中心区域，有效去除高斯噪声
高斯金字塔：
先进行图像平滑，然后降采样，根据降采样率，逐渐获得一系列尺寸减少的图
拉普拉斯金字塔：
高频细节信息在卷积和下采样中丢失
保留所有层的所丢失的高层信息，然后用于图像修复
频率域分析
傅里叶变换：
一个信号可以由多个不同频率和幅值的正余弦波组成
缺点：
不是稳定信号，他的频谱会变，时间和频率分辨率上存在局限性
小波变换：
小波变换直接把傅里叶变换的无限长的三角基变成了小波基，不仅能获得频率还能定位到时间
常见的小波变换：
Haar系列，Sym系列，Meyer系列，coif系列，Moret系列，Daubechies系列