搞计算机视觉的都知道图像分割的重要性，是物体，语义识别的基础。segmentation也是一个很热门的方向，除了二维上的图像分割，还有三维的物体分割。今天来学习一些图像分割的基础。

形态学是生物的一个分支，用来研究动植物的形状和结构。而这里的形态学图像处理，指的是提取图片中关于形状结构的组成承认，比如边界，骨架以及凸包（convex hull）。

这里的nicp是normal iterative closest point的缩写，也就是之前的ICP算法一个实现库。这个库的网站是：nicp。

我做的项目中需要安装realsense driver，实际上realsense驱动的安装也很简单，但是有一些需要注意的地方。

踩过的坑系列是一些没什么技术含量却把人折磨的要死的过程。就做个记录，可能会有很多错误，不必当真。

之前介绍的都是在灰度图的基础上，而我们现实中遇到的一般都是颜色图。对于颜色图的处理，并不是将灰度图等简单叠加，因为人眼对不同颜色的感知敏感度不一样，因此这个权重不是均匀分配的。

之前我们介绍了图像增强，图像增强是根据我们的需求对原始图像进行处理，如blur等。图像恢复则像是图像增强的逆，但是也不绝对，主要是我们希望回复图片真实原始的样子。比如deblur，去噪等等。这个待处理的图像不一定是我们增强的结果，也可能是硬件或者拍摄时候引入的噪声，模糊，抖动等等。

空间域的算法很多，也容易理解，但是有时候却很难设计。而有时候一些问题，转化到频域上，就变得迎刃而解了。

上次介绍了图像增强的算法，而这次介绍一些滤波的内容。滤波是图像处理中非常重要的一部分内容，而且它涉及到很多的算法，我们需要合理选择，来达到自己的目的。

从这周开始进行数字图像处理这门课程。实际上图像处理，也是计算机图形学的一个分支。我们生活中使用的各种美图ps等等都是属于图像处理的范畴。这次介绍图像处理中图像增强的部分。