日本语本当苦手，翻译出错还请在 issue 指正。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。
感谢！
——gzr
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 pull requests ！！
-
【注意】使用这个页面造成的任何事端，本人不负任何责任。
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
请根据自己的喜好，选择 Python 或者 C++ 来进行尝试吧。
深度学习无限问请点击这里。
- 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++用の答案もつくろっかなーと
- 2019.3.5 各Questionの答案を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
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！
| 内容 | Python | C++ | |
|---|---|---|---|
| 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。
| 序号 | 问题 | Python | C++ |
|---|---|---|---|
| 1 | 通道替换 | ✓ | ✓ |
| 2 | 灰度化（Grayscale） | ✓ | ✓ |
| 3 | 二值化（Thresholding） | ✓ | ✓ |
| 4 | 大津算法 | ✓ | ✓ |
| 5 | 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） | ✓ | ✓ |
| 序号 | 内容 |
|---|---|
| 11 | 均值滤波 |
| 12 | Motion Filter |
| 13 | MAX-MIN 滤波 |
| 14 | 微分滤波 |
| 15 | Sobel 滤波 |
| 16 | Prewitt 滤波 |
| 17 | Laplacian 滤波 |
| 18 | Emboss 滤波 |
| 19 | LoG 滤波 |
| 20 | 直方图表示 |
| 序号 | 内容 |
|---|---|
| 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 |
| 序号 | 内容 |
|---|---|
| 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 |
| 序号 | 内容 |
|---|---|
| 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） |
| 序号 | 内容 |
|---|---|
| 51 | 形态学梯度（Morphology Gradient） |
| 52 | 顶帽（Top Hat） |
| 53 | 黑帽（Black Hat） |
| 54 | 使用误差平方和算法（Sum of Squared Difference）进行模式匹配（Template Matching） |
| 55 | 使用绝对值差和（Sum of Absolute Differences）进行模式匹配 |
| 56 | 使用归一化交叉相关（Normalization Cross Correlation）进行模式匹配 |
| 57 | 使用零均值归一化交叉相关（Zero-mean Normalization Cross Correlation）进行模式匹配 |
| 58 | 4-邻接连通域标记 |
| 59 | 8-邻接连通域标记 |
| 60 | 透明混合（Alpha Blending） |
| 序号 | 内容 |
|---|---|
| 61 | 4-邻接的连接数 |
| 62 | 8-邻接的连接数 |
| 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） |
| 序号 | 内容 |
|---|---|
| 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 |
| 序号 | 内容 |
|---|---|
| 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 |
| 序号 | 内容 |
|---|---|
| 91 | 利用 k-平均聚类算法进行减色处理第一步：按颜色距离分类 |
| 92 | 利用 k-平均聚类算法进行减色处理第二步：减色处理 |
| 93 | 准备机器学习的训练数据第一步：计算 IoU |
| 94 | 准备机器学习的训练数据第一步：随机裁剪（Random Cropping） |
| 95 | 神经网络（Neural Network）第一步：深度学习（Deep Learning） |
| 96 | 神经网络（Neural Network）第二步：训练 |
| 97 | 简单物体检测第一步----滑动窗口（Sliding Window）+HOG |
| 98 | 简单物体检测第二步----滑动窗口（Sliding Window）+ NN |
| 99 | 简单物体检测第三步----非极大值抑制（Non-Maximum Suppression） |
| 100 | 简单物体检测第三步----评估 Precision, Recall, F-score, mAP |
- 问题47、48待翻译
- 问题81待翻译
- 问题100待翻译
- 链接修复
@article{yoyoyo-yoGasyori100knock,
Author = {yoyoyo-yo},
Title = {Gasyori100knock},
Journal = {https://github.com/yoyoyo-yo/Gasyori100knock},
Year = {2019}
}