第一周
| 方向 | 计划 | 完成情况 |
| CV | 二维离散傅里叶变换，频率域图像处理的基本实现思路，基于频率域的噪声消除、图像增强，带阻滤波和带通滤波器 | 完成 |
| 编程 | 离散傅里叶变换，高斯低通滤波器，高斯高通滤波器 | 重新规划 |
| 数学 | 傅里叶变换，积分变换，张量算法 | 重新规划 |
学习过程
原计划是数学理论基础-计算机视觉理论-编程实践
数学太多太难了，张量变换==半本书；傅里叶==半本书
数学的学习过程
首先通过3Blue1Brown学习傅里叶的本质，再去知乎看了一些解析，解释了为什么要在CV中使用傅里叶变换。
傅里叶对我说，让我去找欧拉，然后我去学欧拉公式了。学欧拉时，3B1B给我讲了一堆群论相关的知识
单位冲激函数，卷积与卷积定理。然后发现卷积定理和卷积神经网络CNN貌似没啥联系（可能是对卷积定理的理解不到位）
感觉拉普拉斯变换和傅里叶等结合的很紧密，尝试学习，学习了一会儿发现太难，同时没有找到合适的教程，果断放弃。
感觉人学傻了…这么多东西和我所学的计算机视觉有啥关系？而且感觉没学懂
转换学习方式
工科思维：从CV理论开始学习，不深入探究其数学本质，用到啥就学啥。傅里叶等数学知识的学习以CV方向所需深度为准。
CV学习过程
本来是按照清华大学出版的《数字图像处理》进行系统的学习，课后题啥的都没问题
但学完之后还是一脸懵逼，不知道学了啥，比如，一张图，使用高斯低通滤波器处理，为什么会变模糊？
又回去学了半天数学
换书！
阅读了冈萨雷斯的《数字图像处理》，不得不说老外写的书确实很不错，讲的很详细，从底层的复数到滤波器，可惜内容太多，跳着读完了这部分（大部分公式未自己推导）
目前的学习情况，仍然看不懂代码，这份代码写的很不错，但仍有不懂的地方
迷茫中，不知道学习的深度，换言之，深度优先or广度优先？
本周学了很久，但学到了啥？下周开始，改变学习计划，采用广度优先的学习方式，最快速度学习《数字图像处理》，辅以对应的数学知识（明白是什么，怎么用即可）
编程
尝试手撕算法
写了个傅里叶（照葫芦画瓢，调用dft函数）
手写高斯，懵逼….
restart-25
CV
按照计划，会跳过“图像恢复”和“图像压缩编码”这两大章节，但随手一翻，感觉这玩意儿有用啊。
在课本P111，提到了几何失真，我看这桶形失真很眼熟啊，这不是一个小组要解决的需求吗？（游泳馆广角镜头畸变处理）
于是再次修改了旧计划，先学习这两章。
CV具体内容
图像的退化模型，空间域图像的恢复，频率域图像的恢复，匀速直线运动模糊的恢复，图像噪声与被噪声污染图像的恢复，几何失真的校正。
图像压缩编码：DCT变换，数字图像压缩编码的基础，最基本的变长编码（费诺码，霍夫曼），位平面编码，游程编码，变换编码
数学
拉格朗日乘子法，隐函数求导，反常积分，含参积分，曲线积分，曲面积分，格林公式
英语
看新闻，练口语+听力
BBC CNBC CBC