【计算机视觉 复习流程剖析及面试题详解 】 【深度学习算法 最全面面试题（30 页）】 【机器学习算法 最全面面试题（61页）】

高斯滤波对于抑制服从正态分布的噪声效果非常好，其代价是使图像变得“模糊”。 高斯滤波器最重要的参数就是高斯分布的标准差σ，σ越大，高斯滤波器的频带就较宽，对图像的平滑程度就越好。通过调节σ参数，可以平衡对图像的噪声的抑制和对图像的模糊。 高斯滤波的模板是用高斯公式计算出来的： 计算过程： 1.利用邻域内其他像素点到邻域中心的距离，带入二维高斯函数，计算出高斯模板，常见3×3或5×5大小的高斯模板。 2.若模板为小数形式，进行归一化处理，将模板左上角值归一为1。 3.将高斯模板的中心对准待处理的图像矩阵，然后对应元素相乘后相加，没有元素的地方补零 （例如3×3高斯模板，需要对待处理图像最外层补一圈零）。 4.每个元素分别进行上述计算，得到的输出矩阵就是高斯滤波的结果。

SIFT: 主要步骤 　　 　　1)、尺度空间的生成； 　 2)、检测尺度空间极值点； 　　3)、精确定位极值点； 　　4)、为每个关键点指定方向参数； 　　5)、关键点描述子的生成。

Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素之和减去黑色矩形像素之和。Haar特征值反映了图像的灰度变化情况。 如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。 在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。SIFT所查找到的关键点是一