《北理工賈云德《計(jì)算機(jī)視覺(jué)》chapter01引論》由會(huì)員分享，可在線閱讀，更多相關(guān)《北理工賈云德《計(jì)算機(jī)視覺(jué)》chapter01引論（12頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、精選優(yōu)質(zhì)文檔-----傾情為你奉上 第一章 引論 人類在征服自然、改造自然和推動(dòng)社會(huì)進(jìn)步的過(guò)程中，面臨著自身能力、能量的局限性，因而發(fā)明和創(chuàng)造了許多機(jī)器來(lái)輔助或代替人類完成任務(wù)．智能機(jī)器，包括智能機(jī)器人，是這種機(jī)器最理想的形式，也是人類科學(xué)研究中所面臨的最大挑戰(zhàn)之一．智能機(jī)器是指這樣一種系統(tǒng)，它能模擬人類的功能，能感知外部世界并有效地解決人所能解決問(wèn)題．人類感知外部世界主要是通過(guò)視覺(jué)、觸覺(jué)、聽(tīng)覺(jué)和嗅覺(jué)等感覺(jué)器官，其中約80%的信息是由視覺(jué)獲取的．因此,對(duì)于智能機(jī)器來(lái)說(shuō)，賦予機(jī)器以人類視覺(jué)功能對(duì)發(fā)展智能機(jī)器是及其重要的，也由此形成了一門新的學(xué)科—機(jī)器視覺(jué)(也稱計(jì)算機(jī)視覺(jué)或圖像分

2、析與理解等)．機(jī)器視覺(jué)的發(fā)展不僅將大大推動(dòng)智能系統(tǒng)的發(fā)展，也將拓寬計(jì)算機(jī)與各種智能機(jī)器的研究范圍和應(yīng)用領(lǐng)域． 機(jī)器視覺(jué)是研究用計(jì)算機(jī)來(lái)模擬生物外顯或宏觀視覺(jué)功能的科學(xué)和技術(shù)．機(jī)器視覺(jué)系統(tǒng)的首要目標(biāo)是用圖像創(chuàng)建或恢復(fù)現(xiàn)實(shí)世界模型，然后認(rèn)知現(xiàn)實(shí)世界．機(jī)器視覺(jué)系統(tǒng)獲取的場(chǎng)景圖像一般是灰度圖像，即三維場(chǎng)景在二維平面上的投影．因此，場(chǎng)景三維信息只能通過(guò)灰度圖像或灰度圖像序列來(lái)恢復(fù)處理，這種恢復(fù)需要進(jìn)行多點(diǎn)對(duì)一點(diǎn)的映射逆變換．在信息恢復(fù)過(guò)程中，還需要有關(guān)場(chǎng)景知識(shí)和投影幾何知識(shí)． 機(jī)器視覺(jué)是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域，并成為計(jì)算機(jī)科學(xué)的重要研究領(lǐng)域之一．機(jī)器視覺(jué)是在20世紀(jì)50年代從統(tǒng)計(jì)模

3、式識(shí)別開(kāi)始的[1]，當(dāng)時(shí)的工作主要集中在二維圖像分析和識(shí)別上，如光學(xué)字符識(shí)別，工件表面、顯微圖片和航空?qǐng)D片的分析和解釋等．60年代，Roberts(1965)通過(guò)計(jì)算機(jī)程序從數(shù)字圖像中提取出諸如立方體、楔形體、棱柱體等多面體的三維結(jié)構(gòu)，并對(duì)物體形狀及物體的空間關(guān)系進(jìn)行描述[Roberts 1965]．Roberts 的研究工作開(kāi)創(chuàng)了以理解三維場(chǎng)景為目的的三維機(jī)器視覺(jué)的研究．Roberts對(duì)積木世界的創(chuàng)造性研究給人們以極大的啟發(fā)，許多人相信，一旦由白色積木玩具組成的三維世界可以被理解，則可以推廣到理解更復(fù)雜的三維場(chǎng)景．于是，人們對(duì)積木世界進(jìn)行了深入的研究，研究的范圍從邊緣、角點(diǎn)等特征提取，到線條

4、、平面、曲面等幾何要素分析，一直到圖像明暗、紋理、運(yùn)動(dòng)以及成像幾何等，并建立了各種數(shù)據(jù)結(jié)構(gòu)和推理規(guī)則．到了70年代，已經(jīng)出現(xiàn)了一些視覺(jué)應(yīng)用系統(tǒng)[Guzman 1969, Mackworth 1973,]． 70年代中期，麻省理工學(xué)院(MIT)人工智能(AI)實(shí)驗(yàn)室正式開(kāi)設(shè)“機(jī)器視覺(jué)”(?Machine Vision)課程，由國(guó)際著名學(xué)者B．K．P．Horn教授講授．同時(shí)，MIT AI 實(shí)驗(yàn)室吸引了國(guó)際上許多知名學(xué)者參與機(jī)器視覺(jué)的理論、算法、系統(tǒng)設(shè)計(jì)的研究，David Marr教授就是其中的一位．他于1973年應(yīng)邀在MIT AI 實(shí)驗(yàn)室領(lǐng)導(dǎo)一個(gè)以博士生為主體的研究小組，1977年提出了不同于＂

5、積木世界＂分析方法的計(jì)算視覺(jué)理論(computational vision)，該理論在80年代成為機(jī)器視覺(jué)研究領(lǐng)域中的一個(gè)十分重要的理論框架． 可以說(shuō)，對(duì)機(jī)器視覺(jué)的全球性研究熱潮是從 20世紀(jì)80年代開(kāi)始的，到了80年代中期，機(jī)器視覺(jué)獲得了蓬勃發(fā)展，新概念、新方法、新理論不斷涌現(xiàn)，比如，基于感知特征群的物體識(shí)別理論框架，主動(dòng)視覺(jué)理論框架，視覺(jué)集成理論框架等． 到目前為止，機(jī)器視覺(jué)仍然是一個(gè)非?；钴S的研究領(lǐng)域．許多會(huì)議論文集都反應(yīng)了該領(lǐng)域的最新進(jìn)展，比如，International Conference on Computer Vision and Pattern Recognition(C

6、VPR); International Conference on Computer Vision(ICCV); International Conference on Pattern Recognition(ICPR); International Conference on Robotics and Automation(ICRA); Workshop on Computer Vision, and numerous conferences of SPIE．還有許多學(xué)術(shù)期刊也包含了這一領(lǐng)域的最新研究成果, 如，IEEE Transaction on Pattern Analysis and

7、 Machine Intelligence(PAMI); Computer Vision, Graphics, and Image Processing(CVGIP); IEEE Transaction on Image Processing; IEEE Transaction on Systems, Man, and Cybernetics(SMC); Machine Vision and Applications; International Journal on Computer Vision(IJCV); Image and Vision Computing; and Pattern

8、Recognition．每年還出版許多研究專集、學(xué)術(shù)著作、技術(shù)報(bào)告，舉行專題討論會(huì)等．所有這些都是研究機(jī)器視覺(jué)及其應(yīng)用的很好信息來(lái)源． 1．2 Marr的視覺(jué)計(jì)算理論 Marr的視覺(jué)計(jì)算理論[Marr1982]立足于計(jì)算機(jī)科學(xué)，系統(tǒng)地概括了心理生理學(xué)、神經(jīng)生理學(xué)等方面業(yè)已取得的所有重要成果，是視覺(jué)研究中迄今為止最為完善的視覺(jué)理論．Marr建立的視覺(jué)計(jì)算理論，使計(jì)算機(jī)視覺(jué)研究有了一個(gè)比較明確的體系，并大大推動(dòng)了計(jì)算機(jī)視覺(jué)研究的發(fā)展．人們普遍認(rèn)為，計(jì)算機(jī)視覺(jué)這門學(xué)科的形成與Marr的視覺(jué)理論有著密切的關(guān)系．事實(shí)上，盡管20世紀(jì)70年代初期就有人使用計(jì)算機(jī)視覺(jué)這個(gè)名詞[Binford，1971

9、]，但正是Marr 70年代末建立的視覺(jué)理論促使計(jì)算機(jī)視覺(jué)這一名詞的流行．下面簡(jiǎn)要地介紹Marr的視覺(jué)理論的基本思想及其理論框架． 1．2．1 三個(gè)層次 Marr認(rèn)為, 視覺(jué)是一個(gè)信息處理系統(tǒng)，對(duì)此系統(tǒng)研究應(yīng)分為三個(gè)層次：計(jì)算理論層次，表示(representation)與算法層次，硬件實(shí)現(xiàn)層次，如表1-1所示． 表1-1 計(jì)算理論 表示和算法 硬件實(shí)現(xiàn) 計(jì)算的目的是什么？ 如何實(shí)現(xiàn)這個(gè)計(jì)算理論？ 在物理上如何實(shí)現(xiàn) 為什么這一計(jì)算是合適的？ 輸入、輸出的表示是什么？

10、 這些表示和算法？ 執(zhí)行計(jì)算的策略是什么？ 表示與表示之間的變換是什么？ 按照Marr的理論，計(jì)算視覺(jué)理論要回答視覺(jué)系統(tǒng)的計(jì)算目的和策略是什么，或視覺(jué)系統(tǒng)的輸入和輸出是什么，如何由系統(tǒng)的輸入求出系統(tǒng)的輸出．在這個(gè)層次上，信息系統(tǒng)的特征是將一種信息(輸入)映射為另一種信息(輸出)．比如，系統(tǒng)輸入是二維灰度圖像，輸出則是三維物體的形狀、位置和姿態(tài)，視覺(jué)系統(tǒng)的任務(wù)就是如何建立輸入輸出之間的關(guān)系和約束，如何由二維灰度圖像恢復(fù)物體的三維信息．表示與算法層次是要進(jìn)一步回答如何表示輸入和輸出信息，如何實(shí)現(xiàn)計(jì)算理論所對(duì)應(yīng)的功能的算法，以及如何由一種表示變換成

11、另一種表示，比如創(chuàng)建數(shù)據(jù)結(jié)構(gòu)和符號(hào)．一般來(lái)說(shuō)，不同的輸入、輸出和計(jì)算理論，對(duì)應(yīng)不同的表示，而同一種輸入、輸出或計(jì)算理論可能對(duì)應(yīng)若干種表示．在解決了理論問(wèn)題和表示問(wèn)題后，最后一個(gè)層次是解決用硬件實(shí)現(xiàn)上述表示和算法的問(wèn)題，比如計(jì)算機(jī)體系結(jié)構(gòu)及具體的計(jì)算裝置及其細(xì)節(jié)．從信息處理的觀點(diǎn)來(lái)看，至關(guān)重要的乃是最高層次，即計(jì)算理論層次．這是因?yàn)闃?gòu)成知覺(jué)的計(jì)算本質(zhì)，取決于解決計(jì)算問(wèn)題本身，而不取決于用來(lái)解決計(jì)算問(wèn)題的特殊硬件．換句話說(shuō)，通過(guò)正確理解待解決問(wèn)題的本質(zhì)，將有助于理解并創(chuàng)造算法． 如果考慮解決問(wèn)題的機(jī)制和物理實(shí)現(xiàn)，則對(duì)理解算法往往無(wú)濟(jì)于事． 上述三個(gè)層次之間存在著邏輯的因果關(guān)系，但它們之間的聯(lián)系不

12、是十分緊密，因此，某些現(xiàn)象只能在其中一個(gè)或兩個(gè)層次上進(jìn)行解釋．比如神經(jīng)解剖學(xué)原則上與第三層次即物理實(shí)現(xiàn)聯(lián)系在一起．突觸機(jī)制、動(dòng)作電位、抑制性相互作用都在第三個(gè)層次上．心理物理學(xué)與第二層次(即表示與算法)有著更直接的聯(lián)系．更一般地說(shuō)，不同的現(xiàn)象必須在不同的層次上進(jìn)行解釋，這會(huì)有助于人們把握正確的研究方向．例如，人們常說(shuō)，人腦完全不同于計(jì)算機(jī)，因?yàn)榍罢呤遣⑿屑庸さ?，后者是串行的．?duì)于這個(gè)問(wèn)題，應(yīng)該這樣回答：并行加工和串行加工是在算法這個(gè)層次上的區(qū)別，而不是根本性的區(qū)別, 因?yàn)槿魏我粋€(gè)并行的計(jì)算程序都可以寫(xiě)成串行的程序．因此，這種并行與串行的區(qū)別并不支持這種觀點(diǎn)，即人腦的運(yùn)行與計(jì)算機(jī)的運(yùn)算是不同的，

13、因而人腦所完成的任務(wù)是不可能通過(guò)編制程序用計(jì)算機(jī)來(lái)完成． 1．2．2 視覺(jué)表示框架 視覺(jué)過(guò)程劃分為三個(gè)階段, 如表1-2所示．第一階段(也稱為早期階段)是將輸入的原始圖像進(jìn)行處理，抽取圖像中諸如角點(diǎn)、邊緣、紋理、線條、邊界等基本特征，這些特征的集合稱為基元圖(primitive sketch)；第二階段(中期階段)是指在以觀測(cè)者為中心的坐標(biāo)系中，由輸入圖像和基元圖恢復(fù)場(chǎng)景可見(jiàn)部分的深度、法線方向、輪廓等，這些信息的包含了深度信息，但不是真正的物體三維表示，因此，稱為二維半圖(2．5 dimensional sketch)；在以物體為中心的坐標(biāo)系中，由輸入圖像、基元圖、二維半圖來(lái)恢復(fù)、表示

14、和識(shí)別三維物體的過(guò)程稱為視覺(jué)的第三階段(后期階段)． 表1-2 由圖像恢復(fù)形狀信息的表示框架 名 稱 目 的 基 元 圖像 光強(qiáng)表示 圖像中每一點(diǎn)的強(qiáng)度值 基元圖 表示二維圖像中的重要信息，主要是圖像中的強(qiáng)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)，邊緣片斷，有效線段，組合群，曲線組織，邊界 2．5維圖 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) 3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

15、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． 分層次組成若干三維模型，每個(gè)三維模型都是在幾個(gè)軸線空間的基礎(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． Marr理論是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的劃時(shí)代成就，但該理論不是十分完善的，許多方面還有爭(zhēng)議．比如， 該理論所建立的視覺(jué)處理框架基本上是自下而上，沒(méi)有反饋． 還有，該理論沒(méi)有足夠地重視知識(shí)的應(yīng)用．盡管如此，Marr理論給了我們研究計(jì)算機(jī)視覺(jué)許多珍貴的哲學(xué)思想和研究方法，同時(shí)也給計(jì)算機(jī)視覺(jué)研究領(lǐng)域創(chuàng)造了許多研究起點(diǎn)． 1．3 機(jī)器視覺(jué)的應(yīng)用 機(jī)器視覺(jué)技術(shù)正廣泛地應(yīng)用于各個(gè)方面，從醫(yī)學(xué)圖象到遙感圖像，從工業(yè)檢測(cè)到文

16、件處理，從毫微米技術(shù)到多媒體數(shù)據(jù)庫(kù)，不一而足．可以說(shuō)，需要人類視覺(jué)的場(chǎng)合幾乎都需要機(jī)器視覺(jué)．應(yīng)該指出的是，許多人類視覺(jué)無(wú)法感知的場(chǎng)合，如精確定量感知、危險(xiǎn)場(chǎng)景感知、不可見(jiàn)物體感知等，機(jī)器視覺(jué)更突顯其優(yōu)越性．下面是一些機(jī)器視覺(jué)的典型應(yīng)用． （1）零件識(shí)別與定位 由于工業(yè)環(huán)境的結(jié)構(gòu)、照明等因素可以得到嚴(yán)格的控制，因此，機(jī)器視覺(jué)在工業(yè)生產(chǎn)和裝配中得到了成功的應(yīng)用．圖1．1 是一個(gè)具有簡(jiǎn)單視覺(jué)的工業(yè)機(jī)器人系統(tǒng)示意圖，其視覺(jué)系統(tǒng)由一個(gè)攝象機(jī)和相關(guān)的視覺(jué)信息處理系統(tǒng)組成．?dāng)z象機(jī)位于零件傳輸帶上方，對(duì)于不同的零件，可以選擇不同顏色的傳輸帶，比如，明亮的物體，選擇黑色傳輸帶，暗色的零件，選擇白色的背

17、景，這樣有利于視覺(jué)系統(tǒng)將零件從傳輸帶上分離出來(lái)，并進(jìn)行識(shí)別和定位，識(shí)別的目的是為機(jī)器人提供是否操作或進(jìn)行何種操作的信息，定位的目的是導(dǎo)引機(jī)器人手爪實(shí)時(shí)準(zhǔn)確地夾取零件． 圖1．1 用于生產(chǎn)線上具有簡(jiǎn)單視覺(jué)系統(tǒng)的工業(yè)機(jī)器人系統(tǒng)示意圖 （2）產(chǎn)品檢驗(yàn) 機(jī)器視覺(jué)在工業(yè)領(lǐng)域中另一個(gè)成功的應(yīng)用是產(chǎn)品檢驗(yàn)．目前已經(jīng)用于產(chǎn)品外形檢驗(yàn)、表面缺陷檢驗(yàn)，比如， 滑塊及滑槽的外形檢驗(yàn)以及裝配后的位置檢驗(yàn)，以決定它們能否裝配在一起，并且準(zhǔn)確無(wú)誤地完成裝配任務(wù)；發(fā)動(dòng)機(jī)內(nèi)壁麻點(diǎn)、刻痕等缺陷檢查，以決定產(chǎn)品的質(zhì)量．通過(guò)X射線照相或超聲探測(cè)獲取物體內(nèi)部的圖像，可以實(shí)現(xiàn)內(nèi)部缺陷檢驗(yàn)，如鋼梁內(nèi)部裂紋和氣孔等缺陷檢驗(yàn)．

18、 (3) 移動(dòng)機(jī)器人導(dǎo)航 我們來(lái)看一下圖1．2所示的兩組圖像，每一組圖像稱為一個(gè)立體對(duì)（stereo pair），是由移動(dòng)機(jī)器人上的兩個(gè)攝象機(jī)同步獲取的，表示某一時(shí)刻關(guān)于場(chǎng)景的不同視點(diǎn)的兩幅圖像．機(jī)器人利用立體對(duì)可以恢復(fù)周圍環(huán)境的三維信息．移動(dòng)機(jī)器人可以利用場(chǎng)景的三維信息識(shí)別目標(biāo)、識(shí)別道路、判斷障礙物等，實(shí)現(xiàn)道路規(guī)劃、自主導(dǎo)航，與周圍環(huán)境自主交互作用等．將立體圖像對(duì)和運(yùn)動(dòng)信息組合起來(lái)，可以構(gòu)成滿足特定任務(wù)分辨率要求的場(chǎng)景深度圖．這種技術(shù)對(duì)無(wú)人汽車、無(wú)人飛機(jī)、無(wú)人戰(zhàn)車等自主系統(tǒng)的自動(dòng)導(dǎo)航十分有用．比如，著名的美國(guó)Sojourner和Rocky7等系列火星探測(cè)移動(dòng)機(jī)器人都使用了立體視覺(jué)導(dǎo)航系統(tǒng)

19、． 圖1．2 由移動(dòng)機(jī)器人立體視覺(jué)系統(tǒng)獲取的立體圖像對(duì)，可用來(lái)重建場(chǎng)景三維信息 （4）遙感圖像分析 目前的遙感圖像包括三種：航空攝影圖像、氣象衛(wèi)星圖像、資源衛(wèi)星圖像．這些圖像的共同特點(diǎn)是在高空對(duì)地表或地層進(jìn)行遠(yuǎn)距離成像，但三種圖像的成像機(jī)理完全不同．航空?qǐng)D像可以用普通的視頻攝象機(jī)來(lái)獲取，分析方法也同普通的圖像分析一樣．衛(wèi)星圖像的獲取和應(yīng)用隨著成像機(jī)理不同而變化很大，氣象衛(wèi)星使用紅外成像傳感系統(tǒng)可以獲取不同云層的圖像，即云圖，由此分析某一地區(qū)的氣象狀況；海洋衛(wèi)星使用合成孔徑雷達(dá)獲取海洋、淺灘圖像，由此重構(gòu)海洋波浪三維表面圖；資源衛(wèi)星裝備有多光譜探測(cè)器（multip

20、le spectral sensor, MSS），可以獲取地表相應(yīng)點(diǎn)的多個(gè)光譜段的反射特性，如紅外、可見(jiàn)光、紫外等，多光譜圖像被廣泛地用于找礦、森林、農(nóng)作物調(diào)查、自然災(zāi)害測(cè)報(bào)、資源和生態(tài)環(huán)境檢測(cè)等． （5）醫(yī)學(xué)圖像分析 目前醫(yī)學(xué)圖像已經(jīng)廣泛用于醫(yī)學(xué)診斷，成像方法包括傳統(tǒng)的X射線成像、計(jì)算機(jī)層析（computed tomography, CT）成像、核磁共振成像（magnetic resonance imaging, MRI）、超聲成像等．機(jī)器視覺(jué)在醫(yī)學(xué)圖像診斷方面有兩方面的應(yīng)用，一是對(duì)圖像進(jìn)行增強(qiáng)、標(biāo)記、染色等處理來(lái)幫助醫(yī)生診斷疾病，并協(xié)助醫(yī)生對(duì)感興趣的區(qū)域進(jìn)行定量測(cè)量和比較；二是

21、利用專家知識(shí)系統(tǒng)對(duì)圖像（或是一段時(shí)期內(nèi)的一系列圖像）進(jìn)行自動(dòng)分析和解釋，給出診斷結(jié)果． （6）安全鑒別、監(jiān)視與跟蹤 用機(jī)器視覺(jué)系統(tǒng)可以實(shí)現(xiàn)停車場(chǎng)監(jiān)視、車輛識(shí)別、車牌號(hào)識(shí)別、探測(cè)并跟蹤“可疑”目標(biāo)；根據(jù)面孔、眼底、指紋等特征識(shí)別特定人。目前人們正在研究一種面部運(yùn)動(dòng)參數(shù)的提取和描述，以分析人的表情及內(nèi)心活動(dòng)． （7）國(guó)防系統(tǒng) 機(jī)器視覺(jué)在國(guó)防系統(tǒng)中的作用越來(lái)越重要，一個(gè)理由是滿足自主操作的需要，另一個(gè)理由是分析大量先進(jìn)成像傳感器的輸出．顯而易見(jiàn)，在國(guó)防系統(tǒng)中迅速作出反應(yīng)是極其重要的，這就需要在人工盡可能少的干預(yù)下作出各種決策，尤其是與圖像和視覺(jué)方法有關(guān)的各種技術(shù)，比如，圖像制導(dǎo)與目標(biāo)

22、識(shí)別等． （8）其它 機(jī)器視覺(jué)已經(jīng)用于各種球類運(yùn)動(dòng)分析、人體測(cè)量，食品，農(nóng)業(yè)、心理學(xué)、電視電影制作、美術(shù)模型、遠(yuǎn)程教育，多媒體教學(xué)等場(chǎng)合． 1．4 機(jī)器視覺(jué)研究?jī)?nèi)容與面臨的困難 機(jī)器視覺(jué)研究可以分為如下五大研究?jī)?nèi)容: i 輸入設(shè)備 i 低層視覺(jué) i 中層視覺(jué) i 高層視覺(jué) i 體系結(jié)構(gòu) 輸入設(shè)備(input device)包括成像設(shè)備和數(shù)字化設(shè)備．成象設(shè)備是指通過(guò)光學(xué)攝像機(jī)或紅外、激光、超聲、X射線對(duì)周圍場(chǎng)景或物體進(jìn)行探測(cè)成象，得到關(guān)于場(chǎng)景或物體的二維或三維數(shù)字化圖像．獲取數(shù)字化圖像是機(jī)器視覺(jué)系統(tǒng)的最基本的功能．目前用于視覺(jué)研究的大多數(shù)輸入設(shè)備是商品化的產(chǎn)品

23、，如，CCD黑白或彩色攝像機(jī)，數(shù)字掃描儀，超聲成象探測(cè)儀，CT成象設(shè)備等．但這些商品化的輸入設(shè)備遠(yuǎn)遠(yuǎn)不能滿足實(shí)際的需要，因此，仍有許多研究人員在研究各種性能先進(jìn)的成象系統(tǒng)，如，紅外成象系統(tǒng)，激光成象系統(tǒng)，還有所謂的計(jì)算成象系統(tǒng)(computational imaging)，即每一個(gè)像素元(或若干像素元)對(duì)應(yīng)一個(gè)簡(jiǎn)單的處理器，這樣可以適應(yīng)復(fù)雜場(chǎng)景動(dòng)態(tài)變化的場(chǎng)合[Brajovic 1996]． 低層視覺(jué)(low level)主要是對(duì)輸入的原始圖像進(jìn)行處理．這一過(guò)程借用了大量的圖像處理技術(shù)和算法，如圖像濾波、圖像增強(qiáng)、邊緣檢測(cè)等，以便從圖像中抽取諸如角點(diǎn)、邊緣、線條、邊界以及色彩等關(guān)于場(chǎng)景的基本特

24、征；這一過(guò)程還包含了各種圖像變換（如校正）、圖像紋理檢測(cè)、圖像運(yùn)動(dòng)檢測(cè)等． 中層視覺(jué)（middle level）的主要任務(wù)是恢復(fù)場(chǎng)景的深度、表面法線方向、輪廓等有關(guān)場(chǎng)景的2．5維信息，實(shí)現(xiàn)的途徑有立體視覺(jué)（stereo vision）、測(cè)距成像（rangefinder）運(yùn)動(dòng)估計(jì)（motion estimation）、明暗特征、紋理特征等所謂的從X恢復(fù)形狀的估計(jì)方法．系統(tǒng)標(biāo)定、系統(tǒng)成像模型等研究?jī)?nèi)容一般也是在這個(gè)層次上進(jìn)行的． 高層視覺(jué)（high level）的任務(wù)是在以物體為中心的坐標(biāo)系中，在原始輸入圖像、圖像基本特征、2．5維圖的基礎(chǔ)上，恢復(fù)物體的完整三維圖，建立物體三維描述，識(shí)別三維物

25、體并確定物體的位置和方向．另外，主動(dòng)視覺(jué)(active vision)涵蓋了上述各個(gè)層次的研究?jī)?nèi)容． 值得指出，低層、中層和高層機(jī)器視覺(jué)基本上與Marr視覺(jué)的三個(gè)階段相對(duì)應(yīng)． 體系結(jié)構(gòu)（system architecture）這一術(shù)語(yǔ)最通常的含義系指在高度抽象的層次上，根據(jù)系統(tǒng)模型而不是根據(jù)實(shí)現(xiàn)設(shè)計(jì)的具體例子來(lái)研究系統(tǒng)的結(jié)構(gòu)．為了說(shuō)明這一點(diǎn)，可以考慮建筑設(shè)計(jì)中某一時(shí)期的建筑風(fēng)格（如清朝時(shí)期）和根據(jù)這一風(fēng)格設(shè)計(jì)出來(lái)的具體建筑之間的區(qū)別．體系結(jié)構(gòu)研究涉及一系列相關(guān)的課題：并行結(jié)構(gòu)、分層結(jié)構(gòu)、信息流結(jié)構(gòu)、拓?fù)浣Y(jié)構(gòu)以及從設(shè)計(jì)到實(shí)現(xiàn)的途徑． 人們對(duì)上述幾個(gè)研究?jī)?nèi)容進(jìn)行了卓有成效的研究，研究出大量的

26、技術(shù)和算法，并且在各個(gè)領(lǐng)域中得到廣泛的應(yīng)用．不過(guò)，機(jī)器視覺(jué)技術(shù)仍處于十分不成熟的的階段，其發(fā)展遠(yuǎn)遠(yuǎn)落后于人們所寄予的發(fā)展水平． 對(duì)于人類視覺(jué)來(lái)說(shuō)，識(shí)別和理解周圍場(chǎng)景是一件非常容易的事，但對(duì)于機(jī)器來(lái)說(shuō)，卻是一件很困難的事．主要困難體現(xiàn)在如下幾方面： (1) 圖像多義性： 三維場(chǎng)景被投影為二維圖像，深度和不可見(jiàn)部分的信息被丟失，因而會(huì)出現(xiàn)不同形狀的三維物體投影在圖像平面上產(chǎn)生相同圖像的問(wèn)題，如圖１．3所示．另外，在不同角度獲取同一物體的圖像會(huì)有很大的差異． (2) 環(huán)境因素影響：場(chǎng)景中的諸多因素，包括照明、物體形狀、表面顏色、攝像機(jī)以及空間關(guān)系變化都會(huì)對(duì)投影的圖像有影響，因此，當(dāng)任何

27、一個(gè)因素發(fā)生變化時(shí)，都會(huì)對(duì)圖像產(chǎn)生影響． (3) 知識(shí)導(dǎo)引： 同樣的圖像在不同的知識(shí)導(dǎo)引下，將會(huì)產(chǎn)生不同的識(shí)別結(jié)果．圖１．4－１．5所示的圖像，在不同的約束或知識(shí)導(dǎo)引下，具有不同的識(shí)別結(jié)果．圖１．4（b）可能表示一個(gè)少女前視遠(yuǎn)方的側(cè)面圖像，也可能表示一個(gè)老婦人凝視下前方的正側(cè)面圖像．圖１．5包含有幾個(gè)的立方體，不同的知識(shí)導(dǎo)引可能產(chǎn)生不同的空間關(guān)系，也就具有不同意義． (4) 大量數(shù)據(jù)： 灰度圖像，彩色圖像，深度圖像的信息量十分巨大，比如分辨率為的灰度圖像的數(shù)據(jù)量為256K，同樣分辨率的彩色圖像的數(shù)據(jù)量是768K．如果處理的是圖像序列，則數(shù)據(jù)量更大．巨大的數(shù)據(jù)量需要很大的存貯空間，同時(shí)不易實(shí)

28、現(xiàn)快速處理． 為了解決視覺(jué)所面臨的問(wèn)題，研究人員不斷尋求新的途徑和手段，比如，主動(dòng)視覺(jué)(active vision)，面向任務(wù)的視覺(jué)(task-oriented vision)，基于知識(shí)、基于模型的視覺(jué)，以及多傳感融合和集成視覺(jué)等方法，其中人們?cè)絹?lái)越重視對(duì)知識(shí)的應(yīng)用．我們會(huì)看到，機(jī)器視覺(jué)系統(tǒng)的最大特征是，在視覺(jué)的各個(gè)階段，系統(tǒng)盡可能地進(jìn)行自動(dòng)運(yùn)算．為此，系統(tǒng)需要使用各種知識(shí)，包括特征模型、成像過(guò)程、物體模型和物體間的關(guān)系．如果機(jī)器視覺(jué)系統(tǒng)不用這些知識(shí)，則其應(yīng)用的范圍及其功能將十分有限．因此，視覺(jué)系統(tǒng)應(yīng)該使用那些可以被明確表示的知識(shí)，以使系統(tǒng)具有更高的適應(yīng)性和魯棒性．合理地使用知識(shí)不僅可以

29、有效地提高系統(tǒng)的適應(yīng)性和魯棒性，而且可以求解機(jī)器視覺(jué)中較難的問(wèn)題． 圖１．3　不同形狀的三維物體投影在圖像平面上產(chǎn)生相同圖像 圖１．4一組人臉側(cè)面圖像．注意，中間圖像既與左邊 圖像相似，又與右邊圖像相似[Hochberg　1964]． 圖１．5　幾個(gè)立方體構(gòu)成的多義性圖像[選自Combs的作品] 1．5 機(jī)器視覺(jué)與其它學(xué)科領(lǐng)域的關(guān)系 與機(jī)器視覺(jué)有關(guān)的學(xué)科有許多．本節(jié)主要討論一些與機(jī)器視覺(jué)密切相關(guān)的領(lǐng)域．關(guān)于機(jī)器視覺(jué)與其它學(xué)科的關(guān)系，我們不作詳盡的討論． 圖像處理是一個(gè)發(fā)展比較成熟的領(lǐng)域．圖像處理技術(shù)通常是把一幅圖像變換成另外一幅圖像，也就是

30、說(shuō)，圖像處理系統(tǒng)的輸入是圖像，輸出仍然是圖像，信息恢復(fù)任務(wù)則留給人來(lái)完成．圖像處理包括圖像增強(qiáng)、圖像壓縮和模糊校正與非聚焦圖像等課題．機(jī)器視覺(jué)系統(tǒng)把圖像作為輸入，產(chǎn)生的輸出為另一種形式，比如圖像中物體輪廓的表示．因此，機(jī)器視覺(jué)的重點(diǎn)是在人的最小干預(yù)下，由計(jì)算機(jī)自動(dòng)恢復(fù)場(chǎng)景信息．圖像處理算法在機(jī)器視覺(jué)系統(tǒng)的早期階段起著很大的作用，它們通常被用來(lái)增強(qiáng)特定信息并抑制噪聲． 計(jì)算機(jī)圖形學(xué)是通過(guò)幾何基元，如線、圓和自由曲面，來(lái)生成圖像，它在可視化（Visualization）和虛擬現(xiàn)實(shí)（Virtual Reality）中起著很重要的作用．機(jī)器視覺(jué)正好是解決相反的問(wèn)題，即從圖像中估計(jì)幾何基元和其

31、它特征．因此，計(jì)算機(jī)圖形學(xué)屬于圖像綜合，機(jī)器視覺(jué)屬于圖像分析．這兩個(gè)領(lǐng)域在其發(fā)展的早期階段是沒(méi)有什么聯(lián)系的，但是近十幾年來(lái)發(fā)展的越來(lái)越相近了．機(jī)器視覺(jué)使用了計(jì)算機(jī)圖形學(xué)中的曲線和曲面表示方法以及其它的一些技術(shù)，而計(jì)算機(jī)圖形學(xué)也使用機(jī)器視覺(jué)技術(shù)，以便在計(jì)算機(jī)中建立逼真的圖像模型．可視化和虛擬現(xiàn)實(shí)把這兩個(gè)領(lǐng)域緊密地聯(lián)系在一起． 模式識(shí)別主要用于識(shí)別各種符號(hào)、圖畫(huà)等平面圖形．模式一般指一類事物區(qū)別于其它事物所具有的共同特征。模式識(shí)別方法主要有統(tǒng)計(jì)方法和句法方法兩種，統(tǒng)計(jì)方法是指從模式抽取一組特征值，并以劃分特征空間的方法來(lái)識(shí)別每一個(gè)模式。句法方法是指利用一組簡(jiǎn)單的子模式（模式基元）通過(guò)文法

32、規(guī)則來(lái)描述復(fù)雜的模式。模式識(shí)別方法是機(jī)器視覺(jué)識(shí)別物體的重要基礎(chǔ)之一．機(jī)器視覺(jué)識(shí)別物體還經(jīng)常需要其它的技術(shù)．我們將在物體識(shí)別部分簡(jiǎn)要地討論統(tǒng)計(jì)模式識(shí)別的主要內(nèi)容． 人工智能（artificial intelligent, AI）涉及到智能系統(tǒng)的設(shè)計(jì)和智能計(jì)算的研究．在經(jīng)過(guò)圖像處理和圖像特征提取過(guò)程后，接下來(lái)要用人工智能方法對(duì)場(chǎng)景特征進(jìn)行表示，并分析和理解場(chǎng)景．人工智能有三個(gè)過(guò)程：感知、認(rèn)知和行動(dòng)．感知把反應(yīng)現(xiàn)實(shí)世界的信息轉(zhuǎn)換成信號(hào)，并表示成符號(hào)，認(rèn)知是對(duì)符號(hào)進(jìn)行各種操作，行動(dòng)則把符號(hào)轉(zhuǎn)換成影響周圍環(huán)境的信號(hào)．人工智能的許多技術(shù)在機(jī)器視覺(jué)的各個(gè)方面起著重要作用．事實(shí)上，機(jī)器視覺(jué)通常被視為

33、人工智能的一個(gè)分支． 人工神經(jīng)網(wǎng)絡(luò)（artificial neural networks, ANNs）是一種信息處理系統(tǒng)，它是由大量簡(jiǎn)單的處理單元（稱為神經(jīng)元）通過(guò)具有強(qiáng)度的連接（connection）相互聯(lián)系起來(lái)，實(shí)現(xiàn)并行分布式處理（parallel distribution processing, PDP）．人工神經(jīng)網(wǎng)絡(luò)的最大特點(diǎn)是可以通過(guò)改變連接強(qiáng)度來(lái)調(diào)整系統(tǒng)，使之適應(yīng)復(fù)雜的環(huán)境，實(shí)現(xiàn)類似人的學(xué)習(xí)、歸納和分類等功能．人工神經(jīng)網(wǎng)絡(luò)已經(jīng)在許多工程技術(shù)領(lǐng)域得到了廣泛的應(yīng)用．神經(jīng)網(wǎng)絡(luò)作為一種方法和機(jī)制將用于解決機(jī)器視覺(jué)中的許多問(wèn)題． 神經(jīng)物理學(xué)與認(rèn)知科學(xué)長(zhǎng)期將人類視覺(jué)作為主要的研究對(duì)象．機(jī)器

34、視覺(jué)中已有的許多方法與人類視覺(jué)極為相似．目前，許多機(jī)器視覺(jué)研究者對(duì)研究人類視覺(jué)計(jì)算模型比研究機(jī)器視覺(jué)系統(tǒng)更感興趣，希望機(jī)器視覺(jué)更加自然化，更加接近生物視覺(jué)。我們?cè)诘诙陆榻B人類視覺(jué)的一些研究成果，使讀者在研究機(jī)器視覺(jué)時(shí)或多或少能從生物視覺(jué)機(jī)理中得到啟發(fā)．不過(guò)，我們的重點(diǎn)在于研究機(jī)器視覺(jué)系統(tǒng)，因此，不討論機(jī)器視覺(jué)與神經(jīng)物理學(xué)或認(rèn)知科學(xué)的聯(lián)系． 1．6 成象幾何基礎(chǔ) 一般的成象系統(tǒng)通常將三維場(chǎng)景變換成二維灰度或彩色圖像，這種變換可以用一個(gè)從三維空間到二維空間的映射來(lái)表示： (1．1) 如果考慮時(shí)變?nèi)S場(chǎng)景，則上述變換是四維空

35、間到三維空間的變換，如果再考慮某一波段或某幾個(gè)波段的光譜，則上式的維數(shù)將增加到五維或更高維．這里我們只考慮三維空間到二維空間的兩種常用映射：透視投影變換和正交投影變換． 1．6．１ 透視投影 透視投影(perspective projection)是最常用的成像模型，可以用針孔（pinhole）成像模型來(lái)近似表示．透視投影成像模型的特點(diǎn)是所有來(lái)自場(chǎng)景的光線均通過(guò)一個(gè)投影中心，它對(duì)應(yīng)于透鏡的中心，經(jīng)過(guò)投影中心且垂直于圖像平面（成像平面）的直線稱為投影軸或光軸，如圖1．6所示．其中是固定在攝象機(jī)上的直角坐標(biāo)系，遵循右手法則，其原點(diǎn)位于投影中心，軸與投影軸重合并指向場(chǎng)景，軸、軸與圖像平面

36、的坐標(biāo)軸和平行，平面與圖像平面的距離為，一般稱為攝象機(jī)的焦距．在實(shí)際攝像機(jī)中，圖像平面位于投影中心后面距離為的位置（圖1．6），其投影圖像是倒立的．為了避免這種倒立圖像，假定圖像平面位于投影中心的前面，如圖1．7所示．場(chǎng)景中一點(diǎn)在圖像平面上的投影位置可以通過(guò)計(jì)算點(diǎn)的視線（空間點(diǎn)與投影中心的連線）與圖像平面的相交位置得到． 點(diǎn)的視線、點(diǎn)到軸的垂直線段以及軸形成了一個(gè)三角形．圖像平面上點(diǎn)的視線、點(diǎn)到軸垂直線段以及軸形成了另一個(gè)三角形．這兩個(gè)三角形是相似三角形，因此得到透視投影方程：

37、 (1．2) 點(diǎn)在圖像平面中的位置由下式給出： (1．3) ( 圖1．6 透視投影倒立成像幾何示意圖 圖1．7 透視投影幾何示意圖 1．6．２ 正交投影 　　正交投影（orthogonal projection）指用平行于光軸的光將場(chǎng)景投射到圖像平面上,

38、 因此也稱為平行投影（parallel projection），如圖1．8所示．正交投影是透視投影的一個(gè)特例，當(dāng)透視投影模型的焦距很大且物體距投影中心很遠(yuǎn)時(shí)，透視投影就可以用正交投影來(lái)近似．此時(shí)，投影方程為： （1．4） 圖 1．8 正交投影幾何示意圖 1．6．3　視覺(jué)系統(tǒng)坐標(biāo)系 在計(jì)算機(jī)視覺(jué)系統(tǒng)中涉及到以下幾種坐標(biāo)： l 像素坐標(biāo)：表示圖像陣列中圖像像素的位置； l 圖像平面坐標(biāo)：表示場(chǎng)景點(diǎn)在圖像平面上的投影； l 攝象機(jī)坐標(biāo)：即以觀察者為中心的坐標(biāo)，將場(chǎng)景點(diǎn)表示成以觀察者為中心的數(shù)據(jù)形式．

39、 l 場(chǎng)景坐標(biāo)：也稱作絕對(duì)坐標(biāo)(或世界坐標(biāo))，用于表示場(chǎng)景點(diǎn)的絕對(duì)坐標(biāo)； 像素坐標(biāo)也稱為圖像陣列坐標(biāo)或網(wǎng)格坐標(biāo)．圖像處理通常是在圖像陣列的像素坐標(biāo)系中進(jìn)行，其中圖像的行數(shù)和列數(shù)對(duì)應(yīng)于圖像網(wǎng)格的整數(shù)坐標(biāo)，即像素的坐標(biāo)是整數(shù)值，像素位于圖像的左上角，指向下方，指向右方．這種圖像像素坐標(biāo)系，正好對(duì)應(yīng)計(jì)算機(jī)程序里的陣列語(yǔ)法．為了提高圖像處理的精度，需要引入子像素(sub-pixel)概念．所謂子像素是指像素與像素之間的點(diǎn)，其坐標(biāo)用小數(shù)表示．使用攝象機(jī)幾何假設(shè)條件可以將像素點(diǎn)坐標(biāo)轉(zhuǎn)化成圖像平面坐標(biāo)． 圖像平面坐標(biāo)定義如下：假定攝像機(jī)主點(diǎn)，即光軸與圖像平面的交點(diǎn)，位于圖像的中心點(diǎn)，若圖像陣列為，則

40、圖像平面坐標(biāo)的中心坐標(biāo)為： (1．5) 其中表示中心坐標(biāo)的估計(jì)值；圖像平面坐標(biāo)軸方向是列數(shù)標(biāo)號(hào)增加的方向，但軸方向指向行數(shù)標(biāo)號(hào)增加方向的反向．假定圖像陣列的行列間距是相等的，則像素坐標(biāo)到圖像坐標(biāo)的變換公式為： (1．6) 如果圖像陣列的行列間距不相等，并設(shè)列間距為，行間距為，則像素坐標(biāo)到圖像坐標(biāo)的變換式為： (1．7) 為了簡(jiǎn)化

41、運(yùn)算，在機(jī)器視覺(jué)應(yīng)用中普遍要求攝象機(jī)的像素為正方形像素．如果使用了非正方形像素?cái)z象機(jī)，則必須考慮非正方形像素對(duì)測(cè)量的影響．若有影響，則必須在測(cè)量之前將其坐標(biāo)轉(zhuǎn)化為標(biāo)準(zhǔn)的圖像平面坐標(biāo)．圖像坐標(biāo)可以是攝象機(jī)誤差(如透鏡畸變)修正之后或未修正的真實(shí)圖像坐標(biāo)。 在本書(shū)中，場(chǎng)景坐標(biāo)或絕對(duì)坐標(biāo)用表示，攝象機(jī)坐標(biāo)用表示。攝象機(jī)坐標(biāo)系也稱為以觀察者為中心的坐標(biāo)系．在場(chǎng)景中也許有多個(gè)攝象機(jī)，每個(gè)攝象機(jī)都有其自己的坐標(biāo)系．例如，在雙目立體系統(tǒng)中，就有左攝象機(jī)坐標(biāo)和右攝象機(jī)坐標(biāo)，以及表示深度測(cè)量的立體坐標(biāo)．這里請(qǐng)讀者注意，由于在許多情況下，圖像平面坐標(biāo)系是攝象機(jī)坐標(biāo)系的一部分，因此，為了書(shū)寫(xiě)簡(jiǎn)單，在不混淆

42、的情況下，通常使用攝象機(jī)平面坐標(biāo)代替圖像平面坐標(biāo)。 1．7本書(shū)內(nèi)容向?qū)? 本書(shū)各章內(nèi)容基本上是按照由低級(jí)到高級(jí)，由灰度到彩色，由二維到三維， 由分析到表示和理解這種順序安排的．大致說(shuō)來(lái)，除了第二章是有關(guān)生理視覺(jué)的介紹外，本書(shū)的前半部分基本上是限于二維空間，后半部分把范圍則擴(kuò)展到了三維空間．關(guān)于二值圖像的第三章介紹了機(jī)器視覺(jué)領(lǐng)域所用的基本術(shù)語(yǔ)和概念，那里所討論的技術(shù)可用于視覺(jué)系統(tǒng)的所有方面．第四章介紹了圖像區(qū)域檢測(cè)技術(shù)，同時(shí)也討論了區(qū)域表示方法．所有的視覺(jué)系統(tǒng)都離不開(kāi)區(qū)域檢測(cè)或分析技術(shù)，，因此這一章討論的內(nèi)容是視覺(jué)的基本內(nèi)容．第五章介紹了圖像濾波方法，論述了圖像增強(qiáng)技術(shù)和一些其它的濾波

43、技術(shù)．圖像濾波的主要目的是突顯用于視覺(jué)識(shí)別的特征，去除噪聲等，因此是實(shí)現(xiàn)機(jī)器視覺(jué)的基礎(chǔ)。邊緣檢測(cè)技術(shù)也是許多機(jī)器視覺(jué)系統(tǒng)中最重要、最基本的步驟，第六章介紹了幾種邊緣檢測(cè)技術(shù)并比較了它們的性能以及在應(yīng)用中注意的問(wèn)題。接下來(lái)一章介紹了輪廓表示方法，邊緣是局部的，只有把它們組成有意義的物體并表示出來(lái)才能使用它們．紋理在諸如表面檢測(cè)、場(chǎng)景分類、表面姿態(tài)和形狀分類等許多機(jī)器視覺(jué)的任務(wù)中起著重要作用，這些內(nèi)容將在第八章討論．輻射測(cè)量學(xué)將在第九章討論．在許多應(yīng)用中，色彩是圖像的重要組成部分，我們將在第十章討論．第十一章介紹主動(dòng)方法和被動(dòng)方法恢復(fù)圖像深度信息的技術(shù)．這種技術(shù)把我們從二維圖像帶到了三維圖像．第十

44、二章討論了攝像機(jī)標(biāo)定技術(shù)， 為了從圖像中獲取三維信息，必須知道攝像機(jī)的位置和姿態(tài)及其自身的一些參數(shù)．這一章討論了各種用于攝像機(jī)標(biāo)定的技術(shù)． 第十三章討論了空間中曲線和曲面的表示和它們的一些性質(zhì)，并討論了內(nèi)插和逼近技術(shù)．第十四章介紹了圖像二維運(yùn)動(dòng)估計(jì)，包括圖像變化檢測(cè)、基于運(yùn)動(dòng)特性的圖像分割和物體跟蹤技術(shù)。關(guān)于從運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)的方法等有關(guān)三維運(yùn)動(dòng)分析和估計(jì)是最近幾年的研究熱點(diǎn)，這一部分內(nèi)容在第十五章討論．物體識(shí)別是視覺(jué)系統(tǒng)的一個(gè)最普遍的應(yīng)用．我們將在第十六章討論一些物體識(shí)別的基本方面．還有一些最新的信息處理方法，如神經(jīng)元網(wǎng)絡(luò)、分?jǐn)?shù)維方法、子波方法，主要從應(yīng)用的角度進(jìn)行了討論，這些內(nèi)容分布在有關(guān)章節(jié)中。 我們認(rèn)為練習(xí)是課程中一個(gè)十分重要的環(huán)節(jié)．本書(shū)各章都給出了一些概念題和計(jì)算題來(lái)檢驗(yàn)讀者對(duì)書(shū)中內(nèi)容的理解，另外還有一定數(shù)量的計(jì)算機(jī)練習(xí)題，以增加讀者的實(shí)際．我們把這門課看成是一門理論與實(shí)驗(yàn)相結(jié)合的課程．請(qǐng)讀者注意，完成一個(gè)簡(jiǎn)單的視覺(jué)系統(tǒng)設(shè)計(jì)練習(xí)題對(duì)于真正理解機(jī)器視覺(jué)系統(tǒng)非常重要． 專心---專注---專業(yè)