1，清晰度相關算法
鈍化或去燥：中值濾波、高斯濾波、傅立葉變換方法、小波變換方法
銳化：邊緣提取算法、直方圖或區塊直方圖算法、傅立葉變換方法、小波變換方法
傅立葉變換與小波變換的原理是：兩者都是用希爾伯特函數空間的一組正交函數基來將圖像函數f(x,y)進行變換成頻域。而區別是
傅立葉變換採用的是三角函數序列作爲基，小波變換採用的是其他的基。
它們銳化或特徵提取的原理是，將f(x,y)看成是白光，白光通過透鏡可以分解爲七彩光，而七彩光爲不同頻率的
fn(x,y)，因此通過過濾掉某些頻率的光來改變圖像。
圖像金字塔：降低分辨率爲sample，增大分辨率爲interpolation
2，圖像特徵抽象算法
深度學習卷積網絡、pca、hog、sift
hog（https://blog.csdn.net/Pierce_KK/article/details/89501308）這個很細
SIFT（https://blog.csdn.net/zddblog/article/details/7521424）
3，圖像分割
基於像素變化的分割：通過計算相鄰像素與像素之間屬於同一物體的距離，從小至大的將距離小的像素連接起來
最後即可得到一副分割後的連接圖。
基於分割的分割：通過計算不同分割是同一物體的程度，將程度大的連接起來，重複此過程，即得到一個優化
後的圖像分割。
深度學習圖像分割
4，目標檢測
深度學習目標檢測、基於視頻的差分算法目標檢測