《《計(jì)算機(jī)視覺(jué)》知識(shí)要點(diǎn)總結(jié)終極》由會(huì)員分享，可在線閱讀，更多相關(guān)《《計(jì)算機(jī)視覺(jué)》知識(shí)要點(diǎn)總結(jié)終極（15頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、1、 、。視覺(jué)是人類觀察世界、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(jué)系統(tǒng)。 2、 計(jì)算機(jī)視覺(jué)是指用計(jì)算機(jī)實(shí)現(xiàn)人類的視覺(jué)功能，即對(duì)客觀世界中三維場(chǎng)景的感知、加工 和理解。 計(jì)算機(jī)視覺(jué)的研究方法只有有兩種：一種是仿生學(xué)的方法，參照人類視覺(jué)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(jué) 過(guò)程的功能著手，并不刻意模擬人， 視覺(jué)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 用任何現(xiàn)有的手段來(lái)實(shí)現(xiàn)系統(tǒng)的功能。 計(jì)算機(jī)視覺(jué)主要 研究目標(biāo) 有兩個(gè)：一是建立計(jì)算機(jī)視覺(jué)系統(tǒng)來(lái)完成各種視覺(jué)任務(wù)； 二是把該研究作為探索人腦視覺(jué)工作機(jī)

2、理的手段，即生物學(xué)機(jī)理。 3、 計(jì)算機(jī)視覺(jué)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、形狀分析等，參考下圖 1.4.1 4、整個(gè)視覺(jué)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)順序的子過(guò)程所構(gòu)成。 光學(xué)過(guò)程：我們需要掌握的是人眼水平截面的示意圖，見(jiàn)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)。 圖2.1.1人眼水平橫截面的示意圖 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(jué)）和柱細(xì)胞（暗視覺(jué)） ?；? 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(jué)轉(zhuǎn)換為對(duì)景物的知覺(jué)。視覺(jué)

3、處理過(guò)程流圖 2.1,2如下： / 視阿腹 A 神經(jīng)處理 右眼 刺1 猷 左眼 \ 神經(jīng)虻理 圖 2.L2 ［丸朋皮層th理 ］ 1.4替事考圖煉 （訶 * tl:< 1 fc- 2.信息址理 3,特征煲取 / 4.決 / ［久描述 視垃過(guò)程葢圖 5、 形狀知覺(jué)是對(duì)景物各部分相對(duì)關(guān)系的知覺(jué)，也與視野中各種空間關(guān)系的知覺(jué)有關(guān)。 6、 輪廓（封閉的邊界）是形狀知覺(jué)中最基本的概念，人在知覺(jué)一個(gè)形狀以前一定先看到輪

4、 廓。輪廓的構(gòu)成如果用數(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 輪廓不等于形狀。輪廓在幫助構(gòu)成形狀時(shí)還有“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)成形狀的作用 。 7、 主觀輪廓：在沒(méi)有直接刺激作用下產(chǎn)生的輪廓知覺(jué)。主觀 的基礎(chǔ)上進(jìn)行知覺(jué)假設(shè)的結(jié)果 8、 空間知覺(jué)的問(wèn)題本質(zhì)是一個(gè)深度感知的問(wèn)題。人對(duì) 覺(jué)實(shí)現(xiàn)。 9、 圖像采集是獲取圖像的技術(shù)和過(guò)程。對(duì)應(yīng)于視覺(jué)過(guò)程中的光學(xué)和化學(xué)過(guò)程。需要利用幾 _ 何學(xué)原理解決場(chǎng)景中目標(biāo)的投影位置在圖像中國(guó)的什么地方的問(wèn)題和利用光度學(xué)原 （或輻 射度學(xué)）建立場(chǎng)景中的亮度與圖

5、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，是客觀事件的絕對(duì)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)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) x'' 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

6、（ change-coupled device，CCD ），特點(diǎn) 是具有非?？斓目扉T(mén)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、控制寄存器、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)訪問(wèn)，不會(huì)產(chǎn)生圖像 浮散。但是相對(duì) C

7、CD，CID對(duì)光電敏感度要低很多。 13、 采集裝置基本性能指標(biāo)：線T ，快門(mén)速度, 讀取速率。 14、 圖像采集的方式主要由光源、采集器和景物三者決定。 15、 空間分辨率（即數(shù)字化的空間采樣點(diǎn)數(shù)）。幅度分辨率（即采樣點(diǎn)值的量化級(jí)數(shù)）。輻射 到圖像采集矩陣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 。 16、 成像方式 | 光源 采集器 ＞物 單目成像 周定 固定 周定 刈目（立體）成像 圃定 兩個(gè)位置 周定 券目（立體｝成像 圃定 賽傘位置 周定 光移£光度立體）成像 超動(dòng) 固定 固宦 主動(dòng)視覺(jué)成像 周定 運(yùn)動(dòng)

8、 囪定 上動(dòng)視覺(jué)（口垢動(dòng)）成像 固定 運(yùn)動(dòng) 第動(dòng) 視頻「洋列咸像 固定/運(yùn)動(dòng) 周定/運(yùn)動(dòng) 運(yùn)動(dòng)/固定 結(jié)構(gòu)光成像 固定f轉(zhuǎn)動(dòng) 尚定/轉(zhuǎn)動(dòng) 轉(zhuǎn)動(dòng)/固定 表5.3.1 常用成像廳式的特點(diǎn)概述 17、攝像機(jī)標(biāo)定的一般程序和步驟: 1、 令&=*«兀 Z 中白勺元賽包扌舌攝俸機(jī)平移＜ 淀輕 豐口般景安考數(shù) 亠標(biāo)定步辣 第1步二 標(biāo)是旌轉(zhuǎn)矩陣J?和平簽矢量才 第2步=標(biāo)龍焦距＞1 第3步= 禰定車竟頭徑向 失真系數(shù)圧 第4斗禰定不確定性圖像尺廢囚子a 兩極標(biāo)定法：（參考P53---例341-攝像機(jī)外部參數(shù)的標(biāo)定示例）

9、 先夕卜咅國(guó)參數(shù)”即攝像曲L穽態(tài)參數(shù)〔女□攝像初L的 位宣、和方冋或千移、掃視角干口傾斜角） 后內(nèi)部參數(shù). 擦像用L自身參數(shù) C女口焦足巨“ 鏡夕工 徑向夫真"不確定性圖像尺度因子〉 女口果嚴(yán) 已知I” 標(biāo)定時(shí)只需用一巾畐含有一組菲面 基準(zhǔn)點(diǎn)的圖像即可 女口果 知” 標(biāo)定時(shí)需用——巾禺含有——組不共直T基 準(zhǔn)點(diǎn)的圖像 18、坐標(biāo)的基本變換: 2.平務(wù)變換 KJ® 0 0 (I 0 0 \ 0 0 £00 0 VSy 0 0 I k旋轉(zhuǎn)變換 0 0 COS0 sin@ 0

10、 -血0 邸” sin/? 0 -血卩cos^ 0 0 0 1 r> r wo * 1 — 甘 »in & C<"i 皿 Q 1 Il o O ■j Lo O 1 円 d/擰 >4- 糧話■擰 一亠ti — win Mill * ji?冶.欄血宦 — jfcj O D 1 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)效果的自動(dòng) 19、直方圖均衡化：懸 方法?；舅枷胧前言紙D的直方圖變換為在整個(gè)灰度范圍內(nèi)均勻分布的形式， 這樣就增加 了像素灰度值的動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對(duì)

11、比度的效果。 直方圖均衡化列表計(jì)算參 考 p65 例 431。 列表計(jì)算 對(duì)照 OS4 0.2 叵右舊門(mén)衝化示例 0」 GML /(s) s Z p(o - S p0) 7=0 20、直方圖規(guī)定化:用戶可指定規(guī)定化函數(shù)來(lái)得到特殊的增強(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，并計(jì)算能使規(guī)定的直方圖均衡化的變 換⑶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)則有單映射規(guī)則（ SML ）和組映射規(guī)則（GML ）。分別 如下所示： SML J J 為M)_遲PO)

12、 j=0 ;=0 21、邊緣檢測(cè)：一階導(dǎo)數(shù)算子 ：prewitt; sobel; 馬爾；canny;編程實(shí)現(xiàn)上述算法的代碼如下： %邊緣檢測(cè) clear; roberts; kirsch;二階導(dǎo)數(shù)算子：拉普拉斯; 11 = imread('C:\Users\acer\Desktop\car.jpg'); % I=rgb2gray(I1); BW1 = edge(I,'roberts'); %Roberts 算子 BW2 = edge(l,'sobel'); %Sobel 算子 BW3 = edge(I,

13、9;prewitt'); %Prewitt 算子 BW4 = edge(I,'log'); %log 算子 BW5 = edge(I,'ca nn y'); %CANNY 算子 h = fspecial('gaussia n',5); BW6 = edge(l,'zerocross',[],h); %zerocross 算子 subplot(2,4,1),imshow(l); title('原圖像灰度圖'); subplot(2,4,2),imshow(BW1); title('Rob

14、erts edge check'); subplot(2,4,3),imshow(BW2); title('sobel edge check'); subplot(2,4,4),imshow(BW3); title('prewitt edge check'); subplot(2,4,5),imshow(BW4); title('log edge check'); subplot(2,4,6),imshow(BW5); title('ca nny edge check'); subplot(2,4,7),i

15、mshow(BW6); title('zerocross edge check'); 以上為《計(jì)算機(jī)視覺(jué)》課本上的要點(diǎn)小結(jié)。 《機(jī)器視覺(jué)》課本大家基本都有，那部分的知識(shí)要點(diǎn)各位就自己補(bǔ)充完善一下。 機(jī)器視覺(jué)偏重于計(jì)算機(jī)視覺(jué)技術(shù)工程化， 能夠自動(dòng)獲取和分析特定的圖像， 以控制相應(yīng)的行 為。計(jì)算機(jī)視覺(jué)為機(jī)器視覺(jué)提供圖像和景物分析理論及算法基礎(chǔ)， 機(jī)器視覺(jué)為計(jì)算機(jī)視覺(jué)的 實(shí)現(xiàn)提供傳感器模型、系統(tǒng)構(gòu)造和實(shí)現(xiàn)手段。 機(jī)器視覺(jué)系統(tǒng)： 視覺(jué)傳感器 視頻輸入?高速圖像采集系統(tǒng) 圖像數(shù)專用圖像處理系統(tǒng) j *計(jì)算機(jī) 斗-標(biāo)準(zhǔn)/控制總線 視覺(jué)系統(tǒng)三個(gè)層次：計(jì)算理論、表達(dá)和算法

16、、硬件實(shí)現(xiàn) 圖像恢復(fù)形狀信息 名稱 目的 基元 圖像 亮度表示 圖像中每一點(diǎn)的亮度值 基兀圖 表示二維圖像中的亮度變化位置及其幾何 分布和組織結(jié)構(gòu) 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 2.5維基圖 在以觀測(cè)者為中心的坐標(biāo)系中，表示可見(jiàn) 表面的方向、深度值和不連續(xù)的輪廓 局部表面朝向("針”基兀)、 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， 描述形狀及其空間組織形式 分層次組成若干三角模型，每 個(gè)三角模型都是在幾個(gè)軸線 空

17、間的基礎(chǔ)上構(gòu)成的，所有體 積基元或面積形狀基元都附 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 而垂直于邊緣走向的幅 像素級(jí)融合方法、特征級(jí) 圖像亮度的一階導(dǎo)數(shù)的幅度在階躍邊緣上非常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, 度變化比較劇烈。 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(jué)基于視差原理，由三角法原理進(jìn)行三維信息獲取 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

18、屬于信息級(jí)融合方法) 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('regi on.j pg'); J=histeq(lm); % 均衡化 subplot(2,2,1); imshow(lm); title('原圖');%顯示原圖 subplot(2,2,2); imhist(lm); title('原圖直方圖');%顯示原圖的直方圖 subplot(2,2,3); imshow(J); title('均衡化結(jié)果');

19、%顯示均衡化后的圖像 subplot(2,2,4); imhist(J); title('均衡化結(jié)果的直方圖');%顯示均衡化后的直方圖 原圖 原圖直方圖 均衡化結(jié)果 均衡化結(jié)果的直方圖 規(guī)定化程序： l=imread('tire.tif); J=histeq(l,32); [co un ts,x]=imhist(J); Q=imread('1.jpg'); figure;imshow(Q); title(

20、9;原圖像'); A=rgb2gray(Q); figure;imhist(A); title('原圖像直方圖'); M=histeq(A,co un ts); figure;imshow(M); title('直方圖規(guī)定化后的圖像’)； figure;imhist(M); title('規(guī)定直方圖'); 小波變換及融合實(shí)驗(yàn)代碼 桌面 \i.jpg'); X1=X;map仁map;

21、subplot(2,2,1);image(X1); colormap(map1);title('可見(jiàn)光圖像'); 桌面 \2.jpg'); X2=X;map2=map; subplot(2,2,2);image(X2);colormap(map2);title('紅外光圖像'); [c1 L1]=wavedec2(X1,1,'sym4'); [c2 L2]=wavedec2(X2,1,'sym4'); c=0.5*(1.2*c1+0.8*c2); XX=waverec2(c,L1,'sym4'

22、); subplot(2,2,3);image(XX);title('融合結(jié)果一'); Csize仁size(c1); for i=1:Csize1 c1(i)=0.8*c1(i); en d; Csize2=size(c2); for j=1:Csize2 c2(j)=1.2*c2(j); en d; C=0.6*(c1+c2); XXX=waverec2(c 丄2,'sym4'); subplot(2,2,4); image(XXX); title('融合后結(jié)果二'); 1.邊緣檢測(cè)實(shí)驗(yàn)代碼 I = imread

23、('1.jpg'); %如果是其他類型圖像，請(qǐng)先轉(zhuǎn)換為灰度圖 BW_sobel = edge(I,'sobel'); BW_prewitt = edge(l,'prewitt'); BW_roberts = edge(I,'roberts'); BW_laplace = edge(I,'log'); BW_ca nny = edge(I,'ca nn y'); figure(1); subplot(2,3,1),imshow(l),xlabel('原始圖像'); su

24、bplot(2,3,2),imshow(BW_sobel),xlabel('sobel 檢測(cè)'); subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt 檢測(cè)'); subplot(2,3,4),imshow(BW_roberts),xlabel('roberts 檢測(cè)'); subplot(2,3,5),imshow(BW_laplace),xlabel('laplace 檢測(cè)'); subplot(2,3,6),imshow(BW_canny),xlabel('canny

25、 檢測(cè)'); %%加入高斯噪聲(卩=0 , d A2=0.01 )檢測(cè)結(jié)果 I_g1 = imn oise(l,'gaussia n',0,0.01); BW_sobel = edge(I_g1,'sobel'); BW_prewitt = edge(I_g1,'prewitt'); BW_roberts = edge(I_g1,'roberts'); BW_laplace = edge(I_g1,'log'); BW_ca nny = edge(I_g1,'ca nny');

26、 figure(2); d A2=0.01)圖像'); subplot(2,3,1),imshow(I_g1),xlabel('加入高斯噪聲(卩=0, subplot(2,3,2),imshow(BW_sobel),xlabel('sobel 檢測(cè)'); subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt 檢測(cè)'); subplot(2,3,4),imshow(BW_roberts),xlabel('roberts 檢測(cè)'); subplot(2,3,5),imshow(BW_

27、laplace),xlabel('laplace 檢測(cè)'); subplot(2,3,6),imshow(BW_canny),xlabel('canny 檢測(cè)'); %%加入高斯噪聲(卩=0 , d A2=0.02 )檢測(cè)結(jié)果 I_g2 = imn oise(l,'gaussia n',0,0.02); BW_sobel = edge(I_g2,'sobel'); BW_prewitt = edge(I_g2,'prewitt'); BW_roberts = edge(I_g2,'roberts&

28、#39;); BW_laplace = edge(I_g2,'log'); BW_ca nny = edge(I_g2,'ca nny'); figure(3); subplot(2,3,1),imshow(l_g2),xlabel('加入高斯噪聲(卩=0, <r A2=0.02)圖像'); subplot(2,3,2),imshow(BW_sobel),xlabel('sobel 檢測(cè)'); subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt 檢測(cè)'

29、;); subplot(2,3,4),imshow(BW_roberts),xlabel('roberts 檢測(cè)'); subplot(2,3,5),imshow(BW_laplace),xlabel('laplace 檢測(cè)'); subplot(2,3,6),imshow(BW_canny),xlabel('canny 檢測(cè)'; 2 ?實(shí)驗(yàn)結(jié)果 File Edit View Insert Tools Desktop Window Help 原始圖像 sobeltfe 測(cè) prewhtt^ 測(cè) roberts^ 測(cè) laplaceli:測(cè) enny 檢測(cè) 零交叉檢測(cè)