学习内容
| 方向 | 计划 | 完成情况 |
| CV | 小波变换，图像分割 | 完成 |
| 编程 | 实现小波变换，图像分割 | 小波变换未完成 |
| 数学 | 矢量场，旋转场，散度场，张量场 | 放弃 |
CV：
小波变换
预处理：
为方便计算和学习，使用PS创建一张256*256，8bit的灰度图像
小波变换和图像小波变换（大坑）_(:з」∠)_
（一下部分大都在记载踩坑心得）
看清华大学出版社的《数字图像处理》课本，似懂非懂；看了两遍，好像懂了，但是算法层面好像没讲？感觉不对啊，不可能把一整行数据传入小波基的解析表达式和尺度函数啊！！！
得了，我明天把这章从头到尾连公式都挨个推一遍，要么是我脑子有问题要么是这书有问题！！！(╯‵□′)╯︵┻━┻
看了三遍，得出结论，课本的“二维小波离散变换”知识点，未指明所用的高频滤波器和低频滤波器。在P161对Haar小波的解析表达式和尺度函数与冈萨雷斯的教材完全不一样（P298）
冈萨雷斯提供了一个不错的例题，该例题使用了Harr小波，但是实际使用了一个4*4的变换矩阵H4：
关于Haar小波，两本书的内容不一样，咋办？没错，求助互联网
在Wikipedia上找到了冈萨雷斯提到的“矩阵”，而且有N=2、4、8的三种矩阵
看着看着感觉不对劲，中文版wiki翻译不全，部分资料没有。
英文wiki里面的例子和中文不大一样，H4提了个1/2，感觉没啥用啊？
通过英文wiki的栗子，我好像学会了Haar小波变换
重新回到冈萨雷斯的课本。在P309的例7.8中，提到W1和w2w3w4（那个符号打不出来）分别对应H4的1234行
在冈萨雷斯P314例7.10 计算一维快速小波变换中，出现了清华课本中的Haar表达式和尺度函数。
随后发现，看不懂例题(╯‵□′)╯︵┻━┻
冈萨雷斯学到了“一维快速小波变换”，终于看到了清华课本中的公式：
这是被小波困扰的第四天，在本章投入了很多时间精力，产出令人沮丧地太低，这个知识点此时已经没有学习的必要了，暂时放弃。
↑↑↑我是象征着高产的分界线(*^▽^*) ↑↑↑
嵌入式零树小波编码
这个还是相对简单的，由于在上一节耽误太多时间，因此没有使用代码实现。当然，课本中也存在少许看不懂的地方，比如P165 “除最高品子带以外的其余子带的系数都有四个孩子”，我百思不得其解，为啥我怎么数都是仨孩子啊？第四个孩子是谁家的？
关于小波去噪，课本只用了两页左右的篇幅介绍，因此我也浅尝辄止。
图像分割
在本章节，学习了图像分割的基本概念，基于边缘检测的图像分割（Hough变换），基于阈值的图像分割（阈值化分割、半阈值化分割）
基于双峰型直方图的阈值选取（利用极大值极小值、双峰型直方图谷底阈值的选取，最小误差法），其他阈值选取方法（全局阈值、类二值图像的阈值选取、迭代式阈值选取）
基于跟踪的图像分割：轮廓跟踪法，光栅跟踪法
基于区域的图像分割：区域生长法，合并分裂法，
代码展示
阈值化图像分割
利用阈值化提取物体轮廓，设置了一个滑动块，可以随时手动调节灰度阈值
半阈值化分割
和阈值化分割很像，只不过把保留的部分设置为原灰度值，可以处理多值图像。源码：https://github.com/Sirlanri/cv-practice/blob/758597930541889bbfa444ecb41ef78830826832/cv-practice/threshold.cpp#L54
基于双峰形直方图的阈值选取
首先，这个双峰形直方图不多啊，于是乎自己用PS画了个，勉勉强强满足双峰
由于从未系统学习过C++，在编程过程中遇到了小麻烦，于是转而深入学习C++指针相关的知识。关键点：指针数组、数组指针
说实话，我个人不喜欢C/C++ 🙁
这个算法由两个函数组成：生成直方图数组的generateHistogram函数、寻找谷底和k值的findThresByMaxMin函数。源码：https://github.com/Sirlanri/cv-practice/blob/758597930541889bbfa444ecb41ef78830826832/cv-practice/threshold.cpp#L118
可能是由于PS绘制的图片过于极端，存在某个数值为0的灰度阶，同时不是严格的双峰形，导致结果有点奇怪？
类二值图像的阈值选取
使用滑块输入“文字百分比”，通过文字百分比确定阈值。源码：https://github.com/Sirlanri/cv-practice/blob/4e0953d0adf2f3d851d1a9643bef10550eb80975/cv-practice/threshold.cpp#L217
步骤：计算直方图，确定对应百分比的灰度值，进行阈值化分割
迭代式阈值选取
通过不断迭代的方式逼近合适的阈值。源码：https://github.com/Sirlanri/cv-practice/blob/373195ac976d9fa6fde4fb578c5bcd4e0f0322cd/cv-practice/threshold.cpp#L236
疑问：这个是不是只针对双峰图？
光栅跟踪法
为了方便和直观，没有实际测试图像，而是使用课本提供的矩阵，方便校验对错。源码：https://github.com/Sirlanri/cv-practice/blob/e1b08aae4c6acad00563762d95524a95eb93795e/cv-practice/trackSeg.cpp#L75
数学：
问题很大，完成情况差，只了解了一点点皮毛。看了一些视频和中英文资料，仍没搞懂…
原因：未接触过相关知识；未了解其前置知识点
故暂时放弃相关知识点
总结
本周再次转变了学习方式，采用“深度优先”策略，不追求进度，追求学习的深度，并手写一切代码。
从结果看，对我而言，这种方式投入大产出很小，是不合适的
本周头发都掉的更多了(;´༎ຶД༎ຶ`)
直至开学前，采用“广度优先”学习方法，用最快的速度学习更多的知识，根据边际效应递减原理，掌握5成即可（了解，有啥用，怎么用），跳过数学推导部分。后续编程实践中，用到了某个算法，再进行深度的学习，推导其数学原理。研1上学期，可以学的很少，但要尽可能学会学习，寻找适合自己的学习方式