2022年《計(jì)算機(jī)視覺》知識(shí)要點(diǎn)總結(jié)終極(1203153242)

1、精品word 名師歸納總結(jié) - - - - - - - - - - - -學(xué)習(xí)好資料歡迎下載1、；視覺 是人類觀看世界、認(rèn)知世界的重要功能手段；人類從外界獲得信息約有80% 來(lái)自視覺系統(tǒng)；2、運(yùn)算機(jī)視覺 是指用運(yùn)算機(jī)實(shí)現(xiàn)人類的視覺功能，即對(duì)客觀世界中三維場(chǎng)景的感知、加工和懂得；運(yùn)算機(jī)視覺的討論方法 只有有兩種：一種是仿生學(xué)的方法，參照人類視覺系統(tǒng)的結(jié)構(gòu)原理，建立相應(yīng)的處理模塊完成類似的功能和工作；另一種是工程的方法，即從分析人類視覺過(guò)程的功能著手，并不刻意模擬人，視覺系統(tǒng)內(nèi)部結(jié)構(gòu)，而僅考慮系統(tǒng)的輸入和輸出，并采納任何現(xiàn)有的手段來(lái)實(shí)現(xiàn)系統(tǒng)的功能；運(yùn)算機(jī)視覺主要討論目標(biāo) 有兩個(gè)：一是建立運(yùn)算機(jī)視覺

2、系統(tǒng)來(lái)完成各種視覺任務(wù)；二是把該討論作為探究人腦視覺工作機(jī)理的手段，即生物學(xué)機(jī)理；3、運(yùn)算機(jī)視覺系統(tǒng)的功能模塊 主要有以下幾個(gè)模塊：圖像采集、預(yù)處理、基元檢測(cè)、目標(biāo)分割、表達(dá)描述、外形分析等，參考下圖1.4.14、整個(gè)視覺過(guò)程是由光學(xué)過(guò)程 ，化學(xué)過(guò)程 和神經(jīng)處理過(guò)程這 3 個(gè)次序的子過(guò)程所構(gòu)成； 光學(xué)過(guò)程：我們需要把握的是人眼水平截面的示意圖，見圖2.1.1；光學(xué)過(guò)程基本確定了成像的尺寸；類似照相機(jī)；精選名師 優(yōu)秀名師 - - - - - - - - - -第 1 頁(yè)，共 10 頁(yè) - - - - - - - - - -精品word 名師歸納總結(jié) - - - - - - - - - - - -

3、學(xué)習(xí)好資料歡迎下載化學(xué)過(guò)程：視網(wǎng)膜表面的光接收細(xì)胞可分為：錐細(xì)胞（亮視覺）和柱細(xì)胞（暗視覺）；化學(xué)過(guò)程，基本確定了成像的亮度或顏色；神經(jīng)處理過(guò)程：將對(duì)光的感覺轉(zhuǎn)換為對(duì)景物的知覺；視覺處理過(guò)程流圖2.1,2 如下：5、外形知覺是對(duì)景物各部分相對(duì)關(guān)系的知覺，也與視野中各種空間關(guān)系的知覺有關(guān)；6、輪廓 （封閉的邊界）是外形知覺中最基本的概念，人在知覺一個(gè)外形以前肯定先看到輪廓；輪廓的構(gòu)成假如用數(shù)學(xué)語(yǔ)言來(lái)說(shuō)就是輪廓對(duì)應(yīng)亮度的二階導(dǎo)數(shù)；輪廓與外形又有區(qū)分，輪廓不等于外形；輪廓在幫忙構(gòu)成外形時(shí)仍有“方向性”；輪廓通常傾向于對(duì)它所包圍的空間發(fā)生影響，即輪廓一般是向內(nèi)部而不是向外部發(fā)揮構(gòu)成外形的作用；7、主觀

4、輪廓 ：在沒有直接刺激作用下產(chǎn)生的輪廓知覺；主觀輪廓的形成是在肯定感覺信息的基礎(chǔ)上進(jìn)行 知覺假設(shè) 的結(jié)果8、空間知覺的問題本質(zhì)是一個(gè)深度感知的問題；人對(duì)空間場(chǎng)景的深度感知主要依靠雙目視覺實(shí)現(xiàn)；9、圖像采集是獵取圖像的技術(shù)和過(guò)程；對(duì)應(yīng)于視覺過(guò)程中的光學(xué)和化學(xué)過(guò)程；需要利用幾何學(xué)原懂得決場(chǎng)景中目標(biāo)的投影位置在圖像中國(guó)的什么地方的問題和利用光度學(xué)原理（或輻射度學(xué)）建立場(chǎng)景中的亮度與圖像中對(duì)應(yīng)位置灰度的聯(lián)系；10、圖像采集中主要的模型：幾何成像模型和亮度成像模型11、世界坐標(biāo)系 ：也稱為真實(shí)或現(xiàn)實(shí)世界坐標(biāo)系XYZ ，是客觀大事的肯定坐標(biāo)（也稱為客觀坐標(biāo)系統(tǒng)） ；一般的 3-D 場(chǎng)景都是用這個(gè)坐標(biāo)系統(tǒng)來(lái)

5、表示的；攝像機(jī)坐標(biāo)系：是以攝像機(jī)為中心指定的坐標(biāo)系統(tǒng)xyz，一般取攝像機(jī)的光學(xué)軸為z 軸；圖像平面坐標(biāo)系：在攝像機(jī)內(nèi)形成的圖像平面的坐標(biāo)系統(tǒng)xy；一般取圖像平面與攝像機(jī)坐標(biāo)系統(tǒng)xy 平面平行，且x 軸與 x 軸， y 與 y 軸分別重合，這樣圖像平面的原點(diǎn)就在攝像機(jī)的光學(xué)軸上；12、固態(tài)陣列中最常用的主要元件是用電荷耦合器件（change-coupled device，CCD ），特點(diǎn)是具有特別快的快門速度；CMOS （ complementary metal oxide semiconductor ）攝像機(jī)基于互補(bǔ)型金屬氧化物半導(dǎo)體工藝，其傳感器主要包括傳感器核心、模/數(shù)轉(zhuǎn)換器、輸出寄存器、

6、掌握寄存器、增益放大器等；特點(diǎn)是低功耗、尺寸小，總體成本低；但是噪聲水平比CCD 高一個(gè)量級(jí)；電荷注射器件（charge-injection device ， CID ），有一個(gè)和圖像矩陣對(duì)應(yīng)的電極矩陣，在 每一個(gè)像素位置有兩個(gè)隔離絕緣的能產(chǎn)生電位阱的電極；優(yōu)點(diǎn)是， 隨機(jī)拜訪， 不會(huì)產(chǎn)生圖像浮散；但是相對(duì)CCD ， CID 對(duì)光電敏銳度要低許多；13、采集裝置基本性能指標(biāo)：線性響應(yīng)，靈敏度，信噪比，陰影（不勻稱度），快門速度，讀取速率；14、 圖像采集的方式主要由光源、采集器和景物三者打算；15、 空間辨論率 （即數(shù)字化的空間采樣點(diǎn)數(shù)）；幅度辨論率 （即采樣點(diǎn)值的量化級(jí)數(shù)）；輻射到圖像采集矩陣

7、中光電感受單元的信號(hào)在空間上被采樣，而在強(qiáng)度上被量化；精選名師 優(yōu)秀名師 - - - - - - - - - -第 2 頁(yè)，共 10 頁(yè) - - - - - - - - - -精品word 名師歸納總結(jié) - - - - - - - - - - - -學(xué)習(xí)好資料歡迎下載16、17、攝像機(jī)標(biāo)定的一般程序和步驟：兩極標(biāo)定法： （參考 P53- 例 3.4.1-攝像機(jī)外部參數(shù)的標(biāo)定示例）18、坐標(biāo)的基本變換：精選名師 優(yōu)秀名師 - - - - - - - - - -第 3 頁(yè)，共 10 頁(yè) - - - - - - - - - -精品word 名師歸納總結(jié) - - - - - - - - - - - -

8、學(xué)習(xí)好資料歡迎下載19、 直方圖均衡化：是一種典型的通過(guò)對(duì)圖像的直方圖進(jìn)行修正來(lái)獲得圖像增強(qiáng)成效的自動(dòng)方法；基本思想是把原始圖的直方圖變換為在整個(gè)灰度范疇內(nèi)勻稱分布的形式，這樣就增加了像素灰度值的動(dòng)態(tài)范疇，從而達(dá)到增強(qiáng)圖像整體對(duì)比度的成效；直方圖均衡化列表運(yùn)算參考 p65 例 4.3.1；20、 直方圖規(guī)定化：用戶可指定規(guī)定化函數(shù)來(lái)得到特別的增強(qiáng)功能；3 個(gè)步驟： 1對(duì)原始圖的直方圖進(jìn)行灰度均衡化2規(guī)定需要的直方圖，并運(yùn)算能使規(guī)定的直方圖均衡化的變換3將第 1 步得到的變換反轉(zhuǎn)過(guò)來(lái)，即將原始直方圖對(duì)應(yīng)映射到規(guī)定的直方圖；在上述步驟（ 3）中的對(duì)應(yīng)映射規(guī)章有單映射規(guī)章（SML ）和組映射規(guī)章（G

9、ML ）；分別如下所示：SMLGML21、 邊緣檢測(cè)：一階導(dǎo)數(shù)算子： prewitt ； sobel； roberts； kirsch; 二階導(dǎo)數(shù)算子：拉普拉斯；馬爾； canny；編程實(shí)現(xiàn)上述算法的代碼如下：%邊緣檢測(cè)clear;I1 = imread'C:UsersacerDesktopcar.jpg'%I=rgb2grayI1;BW1 = edgeI,'roberts' %Roberts算子 BW2 = edgeI,'sobel' %Sobel算子 BW3 = edgeI,'prewitt' %Prewitt算子 BW4 =

10、 edgeI,'log' %log算子BW5 = edgeI,'canny' %CANNY算子精選名師 優(yōu)秀名師 - - - - - - - - - -第 4 頁(yè)，共 10 頁(yè) - - - - - - - - - -精品word 名師歸納總結(jié) - - - - - - - - - - - -學(xué)習(xí)好資料歡迎下載h = fspecial'gaussian',5;BW6 = edgeI,'zerocross',h; %zerocross算子subplot2,4,1,imshowI;title' 原圖像灰度圖' subplo

11、t2,4,2,imshowBW1; title'Roberts edge check' subplot2,4,3,imshowBW2; title'sobel edge check' subplot2,4,4,imshowBW3; title'prewitt edge check' subplot2,4,5,imshowBW4; title'log edge check' subplot2,4,6,imshowBW5; title'canny edge check' subplot2,4,7,imshowBW6;

12、title'zerocross edge check'以上為運(yùn)算機(jī)視覺課本上的要點(diǎn)小結(jié)；機(jī)器視覺課本大家基本都有，那部分的學(xué)問要點(diǎn)各位就自己補(bǔ)充完善一下；機(jī)器視覺偏重于運(yùn)算機(jī)視覺技術(shù)工程化，能夠自動(dòng)獵取和分析特定的圖像，以掌握相應(yīng)的行為；運(yùn)算機(jī)視覺為機(jī)器視覺供應(yīng)圖像和景物分析理論及算法基礎(chǔ)，機(jī)器視覺為運(yùn)算機(jī)視覺的實(shí)現(xiàn)供應(yīng)傳感器模型、系統(tǒng)構(gòu)造和實(shí)現(xiàn)手段；機(jī)器視覺系統(tǒng)：視覺傳感器視頻輸入高速圖像采集系統(tǒng)圖像數(shù)據(jù)專用圖像處理系統(tǒng)運(yùn)算機(jī)標(biāo)準(zhǔn) / 掌握總線視覺系統(tǒng)三個(gè)層次：運(yùn)算理論、表達(dá)和算法、硬件實(shí)現(xiàn)圖像復(fù)原外形信息名稱目的基元圖像亮度表示圖像中每一點(diǎn)的亮度值基元圖表示二維圖像中的亮度

13、變化位置及其幾何分布和組織結(jié)構(gòu)2.5 維基圖在以觀測(cè)者為中心的坐標(biāo)系中，表示可見表面的方向、深度值和不連續(xù)的輪廓零交叉、 斑點(diǎn)、端點(diǎn)和不連續(xù)點(diǎn)、邊緣、有效線段、 組合群、曲線組織局部表面朝向（ “針”基元） 、離觀測(cè)者的距離、 深度上的不連續(xù)點(diǎn)、表面朝向的不連續(xù)點(diǎn)三維模型表示在以物體為中心的坐標(biāo)系中，用由體積基元和面積基元構(gòu)成的模塊化多層次表示，描述外形及其空間組織形式分層次組成如干三角模型，每個(gè)三角模型都是在幾個(gè)軸線空間的基礎(chǔ)上構(gòu)成的， 全部體積基元或面積外形基元都附 著在軸線上齊次坐標(biāo)表示法，由n+1 維矢量表示一個(gè)n 維矢量邊緣是指圖像中像素灰度有階躍變化或屋頂狀變化的那些像素的集合精選

14、名師 優(yōu)秀名師 - - - - - - - - - -第 5 頁(yè)，共 10 頁(yè) - - - - - - - - - -精品word 名師歸納總結(jié) - - - - - - - - - - - -學(xué)習(xí)好資料歡迎下載圖像亮度的一階導(dǎo)數(shù)的幅度在階躍邊緣上特別大而在非邊緣上為零邊緣有方向和幅度兩個(gè)特性，通常沿邊緣走向的幅度變化比較平緩，而垂直于邊緣走向的幅度變化比較猛烈；攝像機(jī)標(biāo)定建立攝像機(jī)圖像像素位置和場(chǎng)景位置的關(guān)系R 和 T 是旋轉(zhuǎn)矩陣和平移矩陣，外部參數(shù)雙目立體視覺基于視差原理，由三角法原理進(jìn)行三維信息獵取信息融合：冗余性、互補(bǔ)性、時(shí)效性融合方法：信號(hào)級(jí)融合方法（加權(quán)平均法屬于信息級(jí)融合方法）、像

15、素級(jí)融合方法、特點(diǎn)級(jí)融合方法、決策級(jí)融合方法；變形輪廓線：主動(dòng)輪廓線、動(dòng)態(tài)輪廓線；平移變換不能用矩陣形式來(lái)表示；均衡化程序：Im=imread'region.jpg' J=histeqIm;% 均衡化 subplot2,2,1; imshowIm;title' 原圖 ' % 顯示原圖subplot2,2,2;imhistIm;title' 原圖直方圖 ' %顯示原圖的直方圖subplot2,2,3;imshowJ;title' 均衡化結(jié)果 ' %顯示均衡化后的圖像subplot2,2,4;imhistJ;title' 均衡

16、化結(jié)果的直方圖' % 顯示均衡化后的直方圖精選名師 優(yōu)秀名師 - - - - - - - - - -第 6 頁(yè)，共 10 頁(yè) - - - - - - - - - -精品word 名師歸納總結(jié) - - - - - - - - - - - -學(xué)習(xí)好資料歡迎下載規(guī)定化程序：I=imread'tire.tif' J=histeqI,32; counts,x=imhistJ; Q=imread'1.jpg' figure;imshowQ;title' 原圖像 'A=rgb2grayQ; figure;imhistA; title' 原圖像直

17、方圖'M=histeqA,counts; figure;imshowM; title' 直方圖規(guī)定化后的圖像' figure;imhistM;title' 規(guī)定直方圖 '精選名師 優(yōu)秀名師 - - - - - - - - - -第 7 頁(yè)，共 10 頁(yè) - - - - - - - - - -精品word 名師歸納總結(jié) - - - - - - - - - - - -學(xué)習(xí)好資料歡迎下載小波變換及融合 試驗(yàn)代碼X1=X;map1=map;桌面 1.jpg'subplot2,2,1;imageX1; colormapmap1;title'可見光圖

18、像 '桌面 2.jpg'X2=X;map2=map;subplot2,2,2;imageX2;colormapmap2;title'紅外光圖像 ' c1 L1=wavedec2X1,1,'sym4'c2 L2=wavedec2X2,1,'sym4' c=0.5*1.2*c1+0.8*c2;XX=waverec2c,L1,'sym4'subplot2,2,3;imageXX;title'融合結(jié)果一 ' Csize1=sizec1;for i=1:Csize1c1i=0.8*c1i;end; Csize

19、2=sizec2; for j=1:Csize2c2j=1.2*c2j;精選名師 優(yōu)秀名師 - - - - - - - - - -第 8 頁(yè)，共 10 頁(yè) - - - - - - - - - -精品word 名師歸納總結(jié) - - - - - - - - - - - -學(xué)習(xí)好資料歡迎下載end; C=0.6*c1+c2;XXX=waverec2c,L2,'sym4' subplot2,2,4;imageXXX;title' 融合后結(jié)果二'1.邊緣檢測(cè)試驗(yàn)代碼I = imread'1.jpg'%假如是其他類型圖像,請(qǐng)先轉(zhuǎn)換為灰度圖 BW_sobel

20、= edgeI,'sobel'BW_prewitt = edgeI,'prewitt' BW_roberts = edgeI,'roberts' BW_laplace = edgeI,'log' BW_canny = edgeI,'canny' figure1;subplot2,3,1,imshowI,xlabel'原始圖像 'subplot2,3,2,imshowBW_sobel,xlabel'sobel檢測(cè) 'subplot2,3,3,imshowBW_prewitt,xlabe

21、l'prewitt檢測(cè) 'subplot2,3,4,imshowBW_roberts,xlabel'roberts檢測(cè) 'subplot2,3,5,imshowBW_laplace,xlabel'laplace檢測(cè) 'subplot2,3,6,imshowBW_canny,xlabel'canny檢測(cè) '% 加入高斯噪聲（ =0 ， 2=0.01 ）檢測(cè)結(jié)果 I_g1 = imnoiseI,'gaussian',0,0.01;BW_sobel = edgeI_g1,'sobel' BW_prewit

22、t = edgeI_g1,'prewitt' BW_roberts = edgeI_g1,'roberts' BW_laplace = edgeI_g1,'log' BW_canny = edgeI_g1,'canny' figure2;subplot2,3,1,imshowI_g1,xlabel'加入高斯噪聲 =0， 2=0.01 圖像 'subplot2,3,2,imshowBW_sobel,xlabel'sobel檢測(cè) 'subplot2,3,3,imshowBW_prewitt,xlabel'prewitt檢測(cè) 'subplot2,3,4,imshowBW_roberts,xlabel'roberts檢測(cè) 'subplot2,3,5,imshowBW_laplace,xlabel'laplace檢測(cè) 'subplot2,3,6,imshowBW_canny,xlabel'canny檢測(cè) '% 加入高斯噪聲（ =0 ， 2=0.