這幾天發現越來越不好學媽的，除了工作上突然來一個項目以外，還有的就是發現對一些概念模糊不清，是以先把這些基礎的概念先理清。。。。。。。
主要就是講解陣列與矩陣，線性與非線性，圖像的算術操作。。。。。。圖文公式文字并茂。。。。。。。
主要是根據數字圖像處理（神啊）這本書，還有百度一下概念總結出來的
陣列與矩陣：
同樣是2*2的圖像操作
圖像陣列相乘操作：
矩陣相乘：
線性操作與非線性操作：
百度解析：兩個變量之間存在一次方函數關系，就稱它們之間存線上性關系。正比例關系是線性關系中的特例，反比例關系不是線性關系。更通俗一點講，如果把這兩個變量分别作為點的橫坐标與縱坐标，其圖象是平面上的一條直線，則這兩個變量之間的關系就是線性關系。即如果可以用一個二進制一次方程來表達兩個變量之間關系的話，這兩個變量之間的關系稱為線性關系，因而，二進制一次方程也稱為線性方程。推而廣之，含有n個變量的一次方程，也稱為n元線性方程，不過這已經與直線沒有什麼關系了。
一般的算子H，給定輸入圖像f(x,y),和輸出圖像g(x,y)：
如果
那麼H就是一個線性算子
算術操作
圖像間的算術操作都是陣列操作
其中四中基本的算術操作加減乘除：
都是M*N的的圖像，圖像算術操作要有相同的大小
加法：假如f(x,y)是無噪聲圖像，n(x,y)噪聲，
那麼g(x,y)就是加噪聲以後的圖像，假設每一對坐标（x，y）處，噪聲都是不相關的，并且均值為0
圖像平均在天文學領域有很重要的應用，因為照明度非常低，常常導緻傳感器噪聲，以至于單幅圖像無法分析。
期望值（或數學期望，均值）是指在一個離散性随機變量試驗中每次可能結果的機率乘以其結果的總和
方差
為變量，
為總體均值，N 為總體例數
标準差是方差的算術平方根。标準差能反映一個資料集的離散程度
對K幅圖像進行求平均~g（x，y），然後求期望E{~g（x，y）}，最後是求方差，分别是~g（x，y）和n（x，y）的方差
然後求出标準差
當K變大的時候，~g（x，y）的标準差會變小，
那麼期望E{~g（x，y）}就會逼近f（x，y）
當K分别是1，5，10，20，50，100的時候
圖像的相減：增強圖像的對比差，一般用于醫學領域裡，先來一張圖看看
模闆h（x，y）是由病人一個區域的X射線的圖像，該圖由放在X射線對面的，強化了的電視錄影機擷取的。
f（x，y）是給病人注入X射線造影劑得出的圖像，他們的相減的目的就是為了強化細節，因為
模闆是按照電視的速率進行擷取的，是以這一個過程就是給出一段顯影劑怎樣通過動脈傳播的影片。
圖像的相乘和相除：一般用來矯正陰影
這是其中的一種操作ROI（感興趣區域），對感興趣的部分全部為1，其他的全部為0