接着上节中的内容进行记录~~这节将说到几何变换以及色彩空间变换
图像的几何变换不改变图像的内容，只是将原始坐标位置由映射函数进行映射后得到对应的新坐标，然后将像素值进行拷贝，由此便带来了如何进行像素值对应的问题。常用的有最近邻插值，线性插值，双线性插值，双三次插值。
几何变换
仿射变换：不改变线上所有点及其点间的相对位置比例，但可能会改变角度及长度。如缩放，平移，旋转，倾斜以及映射均为仿射变换。这类变换均可以使用同样的仿射函数，只是各变换矩阵不同而已。对于缩放有其函数resize();其他的几类均可以使用类似的模式进行使用。具体见下图1所示：
warpAffine()是放射变换函数，对于不同的变换，设置不同的变换矩阵，以及变换后的缩放比即可。
透视变换
利用一个3x3的变换矩阵，对源图像进行操作，直线仍旧会是直线，但是比例会发生改变。其是根据输入点以及设定到的输出点相对应后，进行对应计算来形成整张原图的坐标对应。相比于仿射变换，其变换矩阵要更复杂一些，可以利用已有的函数来得到矩阵元素，并进行相应的变换~如下图2，图3所示：
图像重构（留）：利用一张掩膜图片对缺损的图片进行修复，或者去除多余信息。函数如下图4所示：
降噪：在平滑滤波中，说到了一些可用来进行降噪的方法，如高斯滤波，中值滤波等，同时opencv中还提供了另外的降噪方法——非局部均值和TVL1算法。
非局部均值：在对某个像素点处理时，不同于均值滤波器，取其所在核下的像素值的均值，非局部均值的方法是用一个子窗口去扫描整张图，若该子窗口下的图片区域与该像素点所在区域相似度较高，则将该子窗口作为该像素的一个邻域，最后该像素点的输出值为所有邻域窗口像素值的均值。
注：对于TVL1算法，目前还没去理解过，先留在此吧~自己在降噪的处理中很少用到这类方法，现将对应的函数帖于此，以便后面查找，如图5：
下面来补充一下在几何变换中会涉及到的另一个问题：灰度插值。设想一下，输入的图像坐标位置（x，y）为整数，但经过相应变换后，其对应的坐标位置可能不为整数，其灰度值为空。故，在进行几何变换时，除了要进行其本身的几何变换外，还要进行灰度级插值处理。
注：因为用图来进行描述更易于理解，故见下图6所示：
以对源图进行缩放为例，在进行几何上形状的变换后，第二步要进行的便是灰度值的对应。对于从目标图像到源图像，若转换后的坐标值正好是整数，则可以直接对应，若是浮点数则采用相应的插值方法来得到对应的灰度值。最近邻是一种最简单但效果不佳的插值方法，方法会有明显的马赛克现象，缩小会有明显的失真；双线性的效果比最近邻要好；双三次可以得到更为平滑的边界。
注：具体的操作示例等以后再贴上吧
各色彩空间之间的转换
色彩空间：人眼对于色彩的识别是比较敏感的，在不同的用途中转换成不同的色彩空间有利于对图像进行处理。主要的色彩空间有RGB(常用于显示器系统但不太利于处理图像)，HSI/HSV[色调，饱和度，亮度]（其更符合人的视觉特性），CMYK[青色，品红色，黄色，黑色](印刷色彩模式)
注：因为个色彩空间是同一物理量的不同表示，所以可以对其进行转换。
RGB模式是一种发光的色彩模式，如：在暗室内仍然可以看见屏幕上的内容；CMYK是一种依靠反光的色彩模式，需要有外界的光源，如：我们在暗室中无法看清报纸上的字。
文中还提到了其他的一些色彩空间，我对这章的内容只是作了一个大致的了解，因为这些色彩空间的应用选择，需要根据具体问题具体分析，也就不在这儿空谈了罢~
具体的转换方式则是调用一个函数cvtColor()即可,另外通常在处理时需要将通道进行划分后再合并，在这儿便利用到split()和merge()函数.。具体的代码等后续再贴上吧~
