計算機視覺基礎復習資料匯總

1、第一章 PPTP11 什么是計算機視覺1. 采用計算機實現(xiàn)人類視覺的功能2. 讓計算機理解圖像和視頻P12 計算機視覺與圖像處理的區(qū)別圖像處理側(cè)重在“處理”圖像：如增強，還原，去噪，分割，等等；而計算機視覺在于使用計算機（也許是可移動式的）來模擬人的視覺，因此模擬才是計算機視覺領(lǐng)域的最終目標。要實現(xiàn)這個目標，至少有兩件事要做，第一是圖像處理，第二是圖像理解。比如一個機器人眼睛讀入的數(shù)據(jù)可能是模糊的，可能是有噪聲的，那么首先要進行去噪和還原。之后機器人要能理解這個圖像意味著什么，比如特定的軍事目標，那么它可能要進行分割，然后用統(tǒng)計學的方式進行模式識別。顯然識別這個部分就屬于圖像理解，而非單純的圖

2、像處理了。P14-20 計算機視覺中存在哪些難點和挑戰(zhàn)外觀，大小形狀，運動，復雜的姿態(tài)，外觀變化，視點變化P23-28 圖像中存在哪些計算機視覺線索深度線索：直線透視，空間透視遠近順序線索：遮擋形狀線索：紋理梯度形狀和光照線索：陰影位置和光照線索：投影P30-46 計算機視覺有哪些典型應用智能汽車，無人駕駛車人臉識別，表情識別，機器人P48 CCD/CMOS傳感器的成像原理：光電轉(zhuǎn)換P49-54 采樣與量化影響圖像的哪些屬性 采樣：采樣的頻率量化：灰度級P61 圖像坐標系圖像左上角為圖像坐標系原點，即(0,0點P75-78 像素距離與鄰域關(guān)系歐式距離：城區(qū)距離：棋盤距離：4鄰域，對角鄰域，8鄰

3、域習題第三章 PPTP11 薄透鏡成像模型P17-21 射影幾何中哪些物理信息丟失和保留了？丟失：長度，角度保留:直線特性，交比不變性P22-24 滅點和滅線的概念場景中的平行線投影到圖像平面后，會聚于“滅點” 場景中無盡遠處的天與地連接成線，滅線。P46-49 像機成像過程中包含了哪些內(nèi)參和外參？像機內(nèi)參fx ： u軸尺度因子，或稱u軸歸一化焦距fy ： v軸尺度因子，或稱v軸歸一化焦距 ： u軸和v軸的不垂直因子，通常為0u0, v0 ： 光學中心像機外參R： 像機旋轉(zhuǎn)矩陣T ： 像機平移矩陣P51 像機標定的目的，思路和基本方法目的：確定像機的內(nèi)參和外參。思路：通過一組已知世界坐標的圖像

4、特征點，建立超定方程求解。方法：最小二乘求解超定方程，尋找最優(yōu)估計。P63 徑向畸變和切向畸變的概念dr為極坐標的幅度變化量，表現(xiàn)為徑向畸變。dt為極坐標的角度變化量，表現(xiàn)為切向畸變。習題第四章 PPTP4-7 圖像平移、尺度、旋轉(zhuǎn)和級聯(lián)變換P14 最近鄰插值P16-18 雙線性插值第一步：水平方向線性插值第二步：垂直方向線性插值P20-31 圖像灰度映射P31-32 直方圖的概念和意義，用已學過的數(shù)學原理進行解釋概念：圖像中各灰度級出現(xiàn)頻數(shù)分布的統(tǒng)計圖表意義：反映各灰度級出現(xiàn)頻數(shù)的分布情況，進而反映圖像對比(清晰度，但不反映各灰度級的空間位置分布P40 直方圖均衡計算書本p66例子，g=in

5、t（L-1）*gf+0.5 L代表8 表示灰度級P52-66 模板濾波的概念和理解P69 中值濾波概念和基本步驟選擇局部窗口中亮度的中間值代替窗口中心像素步驟：將模板中心與圖像中某像素位置重合讀取模板下各對應像素的灰度值將這些灰度值從小到大排成一列找出這些灰度值里排在中間的一個將這個中間值賦給對應模板中心位置像素遍歷圖像中所有像素P71 中值濾波與均值濾波的比較1、中值濾波可有效消除突變 線性濾波總是響應所有的變化2、中值濾波具有部分不連續(xù)保持特性 線性濾波會產(chǎn)生平滑過渡的效果習題第五章 PPTP4 為什么要邊緣檢測提取信息，識別目標恢復幾何和視點邊緣的成因曲面法線不連續(xù)深度不連續(xù)表面顏色不連

6、續(xù)亮度不連續(xù)P10-21 用已學過的數(shù)學原理解釋邊緣檢測的原理P15 有哪些一階導數(shù)算子？試寫出其模板形式P21 有哪些一階導數(shù)算子？二階導數(shù)算子會對噪聲敏感，試解釋原因P28 Canny算子的最優(yōu)檢測0.準則P41 什么是角點？角點有什么特性？可重復性可再現(xiàn)性同一角點應能在不同圖像中檢測出，不受幾何和亮度等變化的影響顯著性每個角點都是獨特的局部性特征描述的是圖像中的一個局部小區(qū)域P43 SUSAN角點檢測的基本原理P51 Hough變換的基本思想（投票）以及為什么要進行Hough變換邊緣點或特征點檢測基于單個像素。邊緣跟蹤無法得到完整輪廓，存在弱邊緣或邊緣不連續(xù) 。如何將離散的邊緣點表示為更

7、復雜的特征？P55 Hough變換中參數(shù)空間的概念，試寫出直線檢測以及圓檢測的參數(shù)空間設已知一黑白圖像上畫了一條直線，要求出這條直線所在的位置。我們知道，直線的方程可以用y=k*x+b 來表示，其中k和b是參數(shù)，分別是斜率和截距。過某一點(x0,y0的所有直線的參數(shù)都會滿足方程y0=kx0+b。即點(x0,y0確定了一族直線。方程y0=kx0+b在參數(shù)k-b平面上是一條直線，(你也可以是方程b=-x0*k+y0對應的直線。這樣，圖像x-y平面上的一個前景像素點就對應到參數(shù)平面上的一條直線。我們舉個例子說明解決前面那個問題的原理。設圖像上的直線是y=x, 我們先取上面的三個點：A(0,0, B(

8、1,1, C(22?？梢郧蟪?，過A點的直線的參數(shù)要滿足方程b=0, 過B點的直線的參數(shù)要滿足方程1=k+b, 過C點的直線的參數(shù)要滿足方程2=2k+b, 這三個方程就對應著參數(shù)平面上的三條直線，而這三條直線會相交于一點(k=1,b=0。同理，原圖像上直線y=x上的其它點(如(3,3,(4,4等對應參數(shù)平面上的直線也會通過點(k=1,b=0。P68 Hough變換的優(yōu)點對邊緣不連續(xù)具有較好的容忍性對噪聲干擾具有較好的魯棒性對目標遮擋具有較好的抗干擾性習題第六章 PPTP2 目標分割的概念、目的、意義概念：將圖像劃分成若干具有特征一致性且互不重疊的圖像區(qū)域的過程目的：有選擇性地定位感興趣對象在圖像

9、中的位置和范圍意義：區(qū)域?qū)τ趫D像理解和識別非常重要，往往表征場景中的目標，或部分目標。一幅圖像可以包含多個目標，每個目標包含多個區(qū)域，每個區(qū)域?qū)繕说牟煌糠帧D像分割是將圖像劃分為一組有意義的區(qū)域。P14 圖像分割有哪些方法？基于哪些特征基于輪廓的 確定目標輪廓基于區(qū)域的 確定屬于目標的像素。P27 圖搜索有哪些策略，以及各自特點廣度優(yōu)先搜索特點？深度優(yōu)先搜索特點？啟發(fā)式：啟發(fā)函數(shù)，代價函數(shù)特點？與廣度和深度 優(yōu)先搜索的聯(lián)系？算法和A*算法特點？P40 試用直方圖的概念解釋直方圖分割的思想P45 最優(yōu)閾值的分割思想閾值分割實質(zhì)：灰度映射中的二值化方法，將圖像像素分為兩類：前景目標和背景思路

10、：使圖像中目標物和背景分割錯誤最小的閾值。P52 最大類間方差(OTSU的分割思想它是按圖像的灰度特性,將圖像分成背景和目標2部分。背景和目標之間的類間方差越大,說明構(gòu)成圖像的2部分的差別越大,當部分目標錯分為背景或部分背景錯分為目標都會導致2部分差別變小。因此,使類間方差最大的分割意味著錯分概率最小習題第九章 PPTP3-9 圖像中包含了哪些深度線索？陰影紋理遮擋運動模糊P26-27 平行光軸立體視覺系統(tǒng)的感知深度的原理和基本公式三角形相似定理P32-35 75-83 立體視覺系統(tǒng)中有哪些約束極線約束立體匹配約束P41 立體視覺標定校正的目的輸入圖像通過透視變換使得外極線水平，且共線?；冃Ｕ沟贸上襁^程符合小孔成像模型。P52 立體匹配的概念及分類立體匹配的過程：為左圖像的每個像素點(xl, yl，在右圖像中搜索對應點。局部立體匹配通常以基于局部窗口的立體匹配方法為主。匹配基元：局部窗口全局立體匹配匹配過程中，求解一行或整幅圖像中所有像素的相似測度和最大/最小。匹配基元：像素致密匹配搜索每個像素的對應點，構(gòu)建致密視差圖匹配基元為像素稀疏匹配僅為特征