《《計算機視覺》知識要點總結終極》由會員分享，可在線閱讀，更多相關《《計算機視覺》知識要點總結終極（15頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、1、 、。視覺是人類觀察世界、認知世界的重要功能手段。人類從外界獲得信息約有 80%來 自視覺系統(tǒng)。 2、 計算機視覺是指用計算機實現(xiàn)人類的視覺功能，即對客觀世界中三維場景的感知、加工 和理解。 計算機視覺的研究方法只有有兩種：一種是仿生學的方法，參照人類視覺系統(tǒng)的結構原 理，建立相應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 過程的功能著手，并不刻意模擬人， 視覺系統(tǒng)內(nèi)部結構，而僅考慮系統(tǒng)的輸入和輸出，并采 用任何現(xiàn)有的手段來實現(xiàn)系統(tǒng)的功能。 計算機視覺主要 研究目標 有兩個：一是建立計算機視覺系統(tǒng)來完成各種視覺任務； 二是把該研究作為探索人腦視覺工作機

2、理的手段，即生物學機理。 3、 計算機視覺系統(tǒng)的 功能模塊主要有以下幾個模塊：圖像采集、預處理、基元檢測、目標 分割、表達描述、形狀分析等，參考下圖 1.4.1 4、整個視覺過程是由 光學過程，化學過程 和神經(jīng)處理過程 這3個順序的子過程所構成。 光學過程：我們需要掌握的是人眼水平截面的示意圖，見圖 2.1.1。光學過程基本確定了 成像的尺寸。類似照相機。 圖2.1.1人眼水平橫截面的示意圖 化學過程：視網(wǎng)膜表面的光接收細胞可分為：錐細胞（亮視覺）和柱細胞（暗視覺） ?；? 學過程，基本確定了成像的亮度或顏色。 神經(jīng)處理過程：將對光的感覺轉(zhuǎn)換為對景物的知覺。視覺

3、處理過程流圖 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 視垃過程葢圖 5、 形狀知覺是對景物各部分相對關系的知覺，也與視野中各種空間關系的知覺有關。 6、 輪廓（封閉的邊界）是形狀知覺中最基本的概念，人在知覺一個形狀以前一定先看到輪

4、 廓。輪廓的構成如果用數(shù)學語言來說就是輪廓對應亮度的二階導數(shù)。輪廓與 輪廓不等于形狀。輪廓在幫助構成形狀時還有“方向性” 。輪廓通常傾向于對它所包圍的空 間發(fā)生影響，即輪廓一般是向內(nèi)部而不是向外部發(fā)揮構成形狀的作用 。 7、 主觀輪廓：在沒有直接刺激作用下產(chǎn)生的輪廓知覺。主觀 的基礎上進行知覺假設的結果 8、 空間知覺的問題本質(zhì)是一個深度感知的問題。人對 覺實現(xiàn)。 9、 圖像采集是獲取圖像的技術和過程。對應于視覺過程中的光學和化學過程。需要利用幾 _ 何學原理解決場景中目標的投影位置在圖像中國的什么地方的問題和利用光度學原 （或輻 射度學）建立場景中的亮度與圖

5、像中對應位置灰度的聯(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、 世界坐標系：也稱為真實或現(xiàn)實世界坐標系 XYZ，是客觀事件的絕對坐標（也稱為客 觀坐標系統(tǒng)）。一般的3-D場景都是用這個坐標系統(tǒng)來表示的。 攝像機坐標系：是以攝像機為中心指定的坐標系統(tǒng) xyz，一般取攝像機的光學軸為 z軸。 圖像平面坐標系：在攝像機內(nèi)形成的圖像平面的坐標系統(tǒng) x'' 一般取圖像平面與攝像 機坐標系統(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就在攝 像機的光學軸上。 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 是具有非?？斓目扉T速度。 CMOS （ complementary metal oxide semiconductor）攝像機基于互補型金屬氧化物半導 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。特點是低功耗、尺寸小，總體成本低。但是噪聲水平比 CCD高一個量級。 電荷注射器件（charge-injection device， CID），有一個和圖像矩陣對應的電極矩陣，在 每一個像素位置有兩個隔離絕緣的能產(chǎn)生電位阱的電極。 優(yōu)點是，隨機訪問，不會產(chǎn)生圖像 浮散。但是相對 C

7、CD，CID對光電敏感度要低很多。 13、 采集裝置基本性能指標：線T ，快門速度, 讀取速率。 14、 圖像采集的方式主要由光源、采集器和景物三者決定。 15、 空間分辨率（即數(shù)字化的空間采樣點數(shù)）。幅度分辨率（即采樣點值的量化級數(shù)）。輻射 到圖像采集矩陣中光電感受單元的信號在空間上被采樣，而在強度上被量化 。 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 固定 固宦 主動視覺成像 周定 運動

8、 囪定 上動視覺（口垢動）成像 固定 運動 第動 視頻「洋列咸像 固定/運動 周定/運動 運動/固定 結構光成像 固定f轉(zhuǎn)動 尚定/轉(zhuǎn)動 轉(zhuǎn)動/固定 表5.3.1 常用成像廳式的特點概述 17、攝像機標定的一般程序和步驟: 1、 令&=*«兀 Z 中白勺元賽包扌舌攝俸機平移＜ 淀輕 豐口般景安考數(shù) 亠標定步辣 第1步二 標是旌轉(zhuǎn)矩陣J?和平簽矢量才 第2步=標龍焦距＞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 兩極標定法：（參考P53---例341-攝像機外部參數(shù)的標定示例）

9、 先夕卜咅國參數(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 已知I” 標定時只需用一巾畐含有一組菲面 基準點的圖像即可 女口果 知” 標定時需用——巾禺含有——組不共直T基 準點的圖像 18、坐標的基本變換: 2.平務變換 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 種典型的通過對圖像的直方圖進行修正來獲得圖像增強效果的自動 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 了像素灰度值的動態(tài)范圍，從而達到增強圖像整體對

11、比度的效果。 直方圖均衡化列表計算參 考 p65 例 431。 列表計算 對照 OS4 0.2 叵右舊門衝化示例 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)來得到特殊的增強功能。 3個步驟：（1）對原始 圖的直方圖進行灰度均衡化 （2）規(guī)定需要的直方圖，并計算能使規(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)過來，即將原始直方圖對應映射到規(guī)定的直方圖。 在上述步驟（3）中的對應映射規(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：一階導數(shù)算子 ：prewitt; sobel; 馬爾；canny;編程實現(xiàn)上述算法的代碼如下： %邊緣檢測 clear; roberts; kirsch;二階導數(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《計算機視覺》課本上的要點小結。 《機器視覺》課本大家基本都有，那部分的知識要點各位就自己補充完善一下。 機器視覺偏重于計算機視覺技術工程化， 能夠自動獲取和分析特定的圖像， 以控制相應的行 為。計算機視覺為機器視覺提供圖像和景物分析理論及算法基礎， 機器視覺為計算機視覺的 實現(xiàn)提供傳感器模型、系統(tǒng)構造和實現(xiàn)手段。 機器視覺系統(tǒng)： 視覺傳感器 視頻輸入?高速圖像采集系統(tǒng) 圖像數(shù)專用圖像處理系統(tǒng) j *計算機 斗-標準/控制總線 視覺系統(tǒng)三個層次：計算理論、表達和算法

16、、硬件實現(xiàn) 圖像恢復形狀信息 名稱 目的 基元 圖像 亮度表示 圖像中每一點的亮度值 基兀圖 表示二維圖像中的亮度變化位置及其幾何 分布和組織結構 零交叉、斑點、端點和不連續(xù) 點、邊緣、有效線段、組合群、 曲線組織 2.5維基圖 在以觀測者為中心的坐標系中，表示可見 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)、 離觀測者的距離、深度上的不 連續(xù)點、表面朝向的不連續(xù)點 三維模型表示 在以物體為中心的坐標系中，用由體積基 元和面積基元構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 個三角模型都是在幾個軸線 空

17、間的基礎上構成的，所有體 積基元或面積形狀基元都附 著在軸線上 齊次坐標表示法，由 n+1維矢量表示一個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 像素級融合方法、特征級 圖像亮度的一階導數(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。 攝像機標定建立攝像機圖像像素位置和場景位置的關系 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，由三角法原理進行三維信息獲取 信息融合：冗余性、互補性、時效性 融合方法：信號級融合方法(加權平均法

18、屬于信息級融合方法) 融合方法、決策級融合方法。 變形輪廓線：主動輪廓線、動態(tài)輪廓線。 平移變換不能用矩陣形式來表示。 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('均衡化結果');

19、%顯示均衡化后的圖像 subplot(2,2,4); imhist(J); title('均衡化結果的直方圖');%顯示均衡化后的直方圖 原圖 原圖直方圖 均衡化結果 均衡化結果的直方圖 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'); 小波變換及融合實驗代碼 桌面 \i.jpg'); X1=X;map仁map;

21、subplot(2,2,1);image(X1); colormap(map1);title('可見光圖像'); 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('融合后結果二'); 1.邊緣檢測實驗代碼 I = imread

23、('1.jpg'); %如果是其他類型圖像，請先轉(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'); subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt 檢測'); subplot(2,3,4),imshow(BW_roberts),xlabel('roberts 檢測'); subplot(2,3,5),imshow(BW_laplace),xlabel('laplace 檢測'); subplot(2,3,6),imshow(BW_canny),xlabel('canny

25、 檢測'); %%加入高斯噪聲(卩=0 , d A2=0.01 )檢測結果 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'); subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt 檢測'); subplot(2,3,4),imshow(BW_roberts),xlabel('roberts 檢測'); subplot(2,3,5),imshow(BW_

27、laplace),xlabel('laplace 檢測'); subplot(2,3,6),imshow(BW_canny),xlabel('canny 檢測'); %%加入高斯噪聲(卩=0 , d A2=0.02 )檢測結果 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'); subplot(2,3,3),imshow(BW_prewitt),xlabel('prewitt 檢測'

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