1. 什么是卷积？为什么要卷？为什么要积？(举例画图说明；包含基本的图形卷积，图形卷积只写一个卷积后的值)
卷积：用于计算两个函数的乘积
卷：翻转过来
积：累加
卷积后的值：0x0 + 1x1 + 3x2 + 4x3 = 19
2.池化，写出两种池化。
池化：降低特征空间的维度，只抽取局部最显著的特征
两种：最大池化，平均池化
3. 图像处理的方法。(画图)
4.点运算,为什么出现分段线性点变换？非线性点变换？
分段线性点变换：当问题中涉及到多个变量时，为了简化计算，通常会将其看成一个整体，即将这些变量用一条封闭曲线表示，这就是分段线性变换。
非线性点变换：当问题中涉及到多个变量时，为了简化计算，通常会将其看成两个或更多个变量的函数，而不是一个单一的变量，这就是非线性点变换。
5.数学方法实现图像的平移矩阵,镜像矩阵和旋转矩阵。
6.ahe算法是什么?为什么出现这个算法,它有什么缺点？为了改正这个缺点出现了什么算法,该算法是如何对这些缺点进行改进的？,该算法djtgc
Ahe算法是HE算法的优化版本是一种用于处理分类问题的算法
为什么会出现：常规的直方图均衡算法虽然算法简单，但是其作用并非的全面的，因为它是对图像进行全局处理，对某种特定的图像数据来说，使用直方图均衡算法会出现许多明显的噪点，甚至于弱化了图像细节，使图像呈现出来的效果反而更差。
缺点：1由于图像被等分为几块分别处理，这会导致算法的时间复杂度提高不少，降低了图像处理效率，
2 AHE算法是对每个像素块独立进行处理映射，也就是块与块之间并没有做一个过渡处理，这样会导致一个问题现象，那就是图像呈现出来的效果就像是被切割成了几个块。
为了改正这个算法出现了CLAHE在自适应直方图均衡算法的基础上，加上阈值，用来限制对比度，达到削弱噪点放大问题的效果，并且使用线性插值/双线性插值的方法来优化块与块之间过渡问题，使图像看起来更加和谐。
7举两个形态学操作，他们怎么来消除目标内和目标外的噪声孔洞？
移动：移动操作可以将图像上的噪声点移动到视野的边缘，从而消除噪声点。
旋转：旋转操作可以使图像在某个角度上旋转，从而消除噪声点。
变换：变换操作可以改变图像的对比度或饱和度，从而降低噪声点。
8如果我的卷积核比我的图片还大(卷积后图片不缩小),那该怎么办呢？什么叫边界复制，什么是镜像复制。
对原图做边界填充处理
边界复制：离哪个值近就填充什么
镜像复制：每一块都进行镜像操作
9中值滤波为什么在去除椒盐噪声方面，比均值滤波的效果更好？（在卷积中怎么表）
中值滤波器在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。
10.举几个基于边缘的分割方法的相关算子。举两个例子说明这些算子如何在数学上找到边缘？为什么它们的卷积和要拆成两个式子相乘。
Canny算子，roberts算子，prewitt算子，sobel算子，LoG算子
Canny算子采取的方法是，先对图像进行平滑滤波，然后再用微分算子与图像进行卷积操作，这样处理会得到比较好的边缘检测结果。
在Sobel算子中，x和y表示水平和垂直方向的像素坐标，G(x, y)表示Sobel算子检测到的边缘强度。通过改变算子的参数，可以调整边缘的强度和方向。
卷积通常用于计算两个序列之间的乘积。在卷积中，两个序列通常被称为源和目标序列。卷积的结果是一个新的序列，它是源序列和目标序列的乘积。在计算卷积和时，将每个源序列的每个元素与每个目标序列的对应元素相乘，然后将所得的结果相加。