在学习图像处理这些算法之前，我认为能宏观的了解到这些处理方法的能实现的一个效果、以及常用在哪些场景有有必要的，这样可以带着问题、好奇心去学习
1、图像的运算和变换
图像的运算以图像的像素为运算对象，对两幅或多幅图像进行点运算、代数运算以及逻辑运算。
图像的变换主要是对图像像素空间关系的改变，从而改变图像的空间结构。
2、图像增强
为了提高图像的质量，比如对比度，获得图像中更多的有用细节。不过因为图像平直下降的原因不明，所以很难确定采取哪种方法是最好的，最后只能通过实现结果分析和误差分析来评价增强效果。图像增强常见的方法有灰度变换(线性变换、对数变化、伽马变换)、直方图修正(直方图均衡、直方图规定化)，图像平滑和图像锐化等。
3、图像复原
为了提高图像的质量，当图像平直下降的原因已知时，图像复原可以对图像
进行校正。关键是根据图像平直下降过程建立一个喝了的降质模型，然后再采用某种滤波方法，恢复或重建原来的图像。
4、图像的锐化处理及边缘检测
补偿图像的轮廓，增强图像的变换以及灰度跳变的部分，是图像变得清晰。处理方法分为空间域和频域处理两类
5、图像分割
将图像分成区域，将感兴趣的部分提取出来，为进一步进行图像识别、分析和理解提供方便。现有的图像分割方法主要分为：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法、基于特定理论的分割方法
6、图像编码压缩
在不影响质量的情况下，减少图像的数据量，分为可逆和不可逆