预处理的必要性
原始图像可能包含噪声、光照不均、尺寸不一等问题。预处理清洁数据，为后续任务提供标准化输入，直接影响模型性能。
滤波去噪
噪声来源：传感器噪声、传输压缩、环境干扰。滤波器平滑图像，去除高频噪声成分。
常用滤波器
- 均值滤波：简单平滑，但模糊边缘
- 中值滤波：保边缘去噪，适合椒盐噪声
- 高斯滤波：平滑且保留更多细节
- 双边滤波：保边缘平滑，计算量大
图像增强
对比度增强：拉伸像素值范围，提高视觉效果。直方图均衡化：重新分布像素值，增强对比。伽马校正：调整亮度非线性映射。
归一化处理
尺寸归一化：统一输入尺寸，适配模型。颜色归一化：RGB均值方差标准化。数据增强：旋转、翻转、裁剪扩充数据。
处理原则
预处理应针对具体问题和模型需求；过度处理可能丢失有用信息；保持原始数据与处理后数据的语义一致性。
好的预处理是CV任务成功的基石，干净数据事半功倍。