计算机视觉知识要点总结终极

1、 1、 、。；视觉是人类观察世界、认知世界的重要功能手段。人类从外界获得信息约有 80%来 自视觉系统。 2、 计算机视觉是指用计算机实现人类的视觉功能，即对客观世界中三维场景的感知、加工 计算机视觉的研究方法只有有两种：一种是仿生学的方法，参照人类视觉系统的结构原 理，建立相应的处理模块完成类似的功能和工作； 另一种是工程的方法，即从分析人类视觉 过程的功能着手，并不刻意模拟人， 视觉系统内部结构，而仅考虑系统的输入和输出，并采 用任何现有的手段来实现系统的功能。 计算机视觉主要 研究目标 有两个：一是建立计算机视觉系统来完成各种视觉任务； 二是把该研究作为探索人脑视觉工作机理的手段，即生物

2、学机理。 3、 计算机视觉系统的 功能模块主要有以下几个模块：图像采集、预处理、基元检测、目标 分割、表达描述、形状分析等，参考下列图 1.4.1 f - - 舰察用户 图1.41计算机禅觉系统框笙和本领罹架 4、整个视觉过程是由 立学过程.化程过由和神经处理过程议3个顺序的子过程所构成。 光学过程：我们需要掌握的是人眼水平截面的示意图，见图 2.1.1。光学过程根本确定了 成像的尺寸。类似照相机。 图 2.1.1 人眼水平横截面的示意图现堂 基无检测- 8 昭状册析 U L 5H标分*49立伽I: II 也龄析 型 ItHWf军 系& 13)JL AI?L配 112 J 鼠灼 M别

3、47表达拱 if 化学过程：视网膜外表的光接收细胞可分为：锥细胞亮视觉和柱细胞暗视觉 。化 学过程，根本确定了成像的亮度或颜色。 神经处理过程：将对光的感觉转换为对景物的知觉。视觉处理过程流图 2.1,2如下： 5、 形状知觉是对景物各局部相对关系的知觉，也与视野中各种空间关系的知觉有关。 6、 轮廓封闭的边界是形状知觉中最根本的概念，人在知觉一个形状以前一定先看到轮 廓。轮廓的构成如果用数学语言来说就是轮廓对应亮度的二阶导数。轮廓与 轮廓不等于形状。轮廓在帮助构成形状时还有方向性 。轮廓通常倾向于对它所包围的空 间发生影响，即轮廓一般是向内部而不是向外部发挥构成形状的作用 。 7、 主观轮廓

4、：在没有直接刺激作用下产生的轮廓知觉。主观 的根底上进行知觉假设的结果 8、 空间知觉的问题本质是一个深度感知的问题。人对 觉实现。 9、 图像采集是获取图像的技术和过程。对应于视觉过程中的光学和化学过程。需要利用几 何学原理解决场景中目标的投影位置在图像中国的什么地方的问题和利用光度学原 或辐 射度学建立场景中的亮度与图像中对应位置灰度的联系。 10、 图像采集中主要的模型：几何成像模型和亮度成像模型 11、 世界坐标系：也称为真实或现实世界坐标系 XYZ ,是客观事件的绝对坐标也称为客 观坐标系统。一般的3-D场景都是用这个坐标系统来表示的。 摄像机坐标系：是以摄像机为中心指定的坐标系统

5、业，一般取摄像机的光学轴为 z轴。 图像平面坐标系：在摄像机内形成的图像平面的坐标系统 点。一般取图像平面与摄像 机坐标系统xy平面平行，且x轴与x 轴，y与y 轴分别重合，这样图像平面的原点就在摄 像机的光学轴上。 12、 固态阵列中最常用的主要元件是用电荷耦合器件 change-coupled device, CCD ,特点 是具有非常快的快门速度。 CMOS complementary metal oxide semiconductor摄像机基于互补型金属氧化物半导 体工艺，其传感器主要包括传感器核心、模 /数转换器、输出存放器、控制存放器、增益放 1. 存册参考国障 2. 信息灶理 3

6、. 特征提取 4. 决策 V _ _ . r大脑皮房处理 图2.12视觉过程流图 大器等。特点是低功耗、尺寸小，总体本钱低。但是噪声水平比 CCD高一个量级。 电荷注射器件charge-injection device , CID ,有一个和图像矩阵对应的电极矩阵，在 每一个像素位置有两个隔离绝缘的能产生电位阱的电极。 优点是，随机访问，不会产生图像 浮散。但是相对 CCD, CID对光电敏感度要低很多。 13、 采集装置根本性能指标：线* _ :快门谏度： 读取速率。 14、 图像采集的方式主要由光源、采集器和景物三者决定。 15、 空间分辨率即数字化的空间采样点数。幅度分辨率即采样点值的量

7、化级数。辐射 到图像采集矩阵中光电感受单元的信号在空间上被采样，而在强度上被量化 。 17、摄像机标定的一般程序和步骤: 1、 今=4 中 白勺元参包括摄使机平移 旋转 2-标定彖骤 第1步= 标定旋转矩阵灭和平簪矢量才 第2步=标定底距1 筑3步 标走危亲头彳至向 失点系级丘 第4*标定不确定性图像尺度因子 两极标定法：参考P53-例3.4.1-摄像机外部参数的标定例如 先夕卜音K参数， 即摄像相L姿卷多数?如I摄像打L的 位置、和方向或平移、扫视角禾口倾斜角 后内部参数，拒嵌枳L自身参数 :女口焦足巨、镜 德向夫其、不确定性图像尺度因子 女口果，标定时只需用一巾鬲含有一组共面 基准点的图像

8、即可 16、 成像方式成像方式 1 光源光源 采集器采集器 景物景物 单目成像单目成像 固定固定 固定固定 固定固定 双目立体成像双目立体成像 固定固定 两个位置两个位置 固定固定 多目立体成俄多目立体成俄 同定同定 多个位置多个位置 固定固定 光移光度立体成像光移光度立体成像 移动移动 固定固定 固定固定 主动现觉成保主动现觉成保 固定固定 运动运动 固定固定 主动视觉白运动成像主动视觉白运动成像 固定固定 运动运动 运动运动 视频，视频，序列成像序列成像 固定促动固定促动 固定，运动固定，运动 运动运动, ,固定固定 结构光成像结构光成像 固定固定f转动转动 固定固定/ /转动转动 转动淋

9、转动淋1定定 我3.3.1 常用成像方式的特点桐述 女口果sfc知， 标定时信用一Ite含有组不共面基 准点的国像 18、坐标的根本变换: I1 = imread(C:UsersacerDesktopcar.jpg); % I=rgb2gray(I1); BW1 = edge(I,roberts); %Roberts 算子 BW2 = edge(I,sobel); %Sobel 算子 BW3 = edge(I,prewitt); %Prewitt 算子 2,平移变换 3. 00 0 0 0 0 fSy 0 0 0 1 L旋转变换 ?。油 sinH wo网 in 6* 1 Q -v( Ci 1

10、1L 。 O LO 1 19、直方图均衡化:是一种典型的通过对图像的直方图进行修正来获得图像增强效果的自动 方法。根本思想是把原始图的直方图变换为在整个灰度范围内均匀分布的形式， 这样就增加 了像素灰度值的动态范围，从而到达增强图像整体比照度的效果。 直方图均衡化列表计算参 考 p65 例 4.3.1。 4 3.2 迥右园均衡化例如 20、直方图规定化:用户可指定规定化函数来得到特殊的增强功能。 3个步骤：(1)对原始 图的直方图进行灰度均衡化 (2)规定需要的直方图，并计算能使规定的直方图均衡化的变 换将第1步得到的变换反转过来，即将原始直方图对应映射到规定的直方图。 在上述步骤(3)中的对

11、应映射规那么有单映射规那么( SML )和组映射规那么(GML )。分别 如下所示： SML J J 成)- NP(J) J=0 ;=0 GML /(s) s Z P(O - S P0) T=0 j=0 s = 0, 1,，N 1 21、边缘检测：一阶导数算子 ：prewitt; sobel; 马尔；canny;编程实现上述算法的代码如下： %边缘检测 clear; roberts; kirsch;二阶导数算子：拉普拉斯; 0 尺反乂: 0 0 I 1 /f /a 0 0 - TnH 邮8 0 ES 血0 0 -siM ssH 0 n o i I 7 奸 O O 1 帜hl H 上打 BW4

12、= edge(I,log); %log 算子 BW5 = edge(I,canny); %CANNY 算子 h = fspecial(gaussian,5); BW6 = edge(I,zerocross,h); %zerocross 算子 subplot(2,4,1),imshow(I); title(原图像灰度图); subplot(2,4,2),imshow(BW1); title(Roberts edge check); subplot(2,4,3),imshow(BW2); title(sobel edge check); subplot(2,4,4),imshow(BW3); ti

13、tle(prewitt edge check); subplot(2,4,5),imshow(BW4); title(log edge check); subplot(2,4,6),imshow(BW5); title(canny edge check); subplot(2,4,7),imshow(BW6); title(zerocross edge check); 以上为计算机视觉?课本上的要点小结。 机器视觉?课本大家根本都有，那局部的知识要点各位就自己补充完善一下。 机器视觉偏重于计算机视觉技术工程化， 能够自动获取和分析特定的图像， 以控制相应的行 为。计算机视觉为机器视觉提供图像和

14、景物分析理论及算法根底， 机器视觉为计算机视觉的 实现提供传感器模型、系统构造和实现手段。 机器视觉系统： 视觉传感器 视频输入 a 高速图像采集系统 图像数据专用图像处理系统 视觉系统三个层次：计算理论、表达和算法、硬件实现 图像恢复形状信息 名称 目的 基元 图像 亮度表示 图像中每一点的亮度值 基兀图 表示二维图像中的亮度变化位置及其几何 分布和组织结构 零交叉、斑点、端点和不连续 点、边缘、有效线段、组合群、 曲线组织 2.5维基图 在以观测伯为中心的坐标系中，表刀、口 见 外表的方向、深度值和不连续的轮廓 局部外表朝向(针基兀)、 离观测者的距离、深度上的不 连续点、外表朝向的不连续

15、点 二维模型表刀、 在以物体为中心的坐标系中，用由体积基 元和面积基元构成的模块化多层次表示， 描述形状及其空间组织形式 分层次组成*三角模型，每 个三角模型都是在几个轴线 空间的根底上构成的，所有体 积基元或面积形状基元都附 着在轴线上 齐次坐标表示法，由 n+1维矢量表示一个n维矢量 边缘是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合 图像亮度的一阶导数的幅度在阶跃边缘上非常大而在非边缘上为零 边缘有方向和幅度两个特性， 通常沿边缘走向的幅度变化比拟平缓， 而垂直于边缘走向的幅 度变化比拟剧烈。 摄像机标定建立摄像机图像像素位置和场景位置的关系 R和T是旋转矩阵和平移矩阵，外部参

16、数 双目立体视觉基于视差原理，由三角法原理进行三维信息获取 信息融合：冗余性、互补性、时效性 融合方法：信号级融合方法(加权平均法属于信息级融合方法) 、像素级融合方法、特征级 融合方法、决策级融合方法。 变形轮廓线：主动轮廓线、动态轮廓线。 平移变换不能用矩阵形式来表示。 均衡化程序： Im=imread(region.jpg); J=histeq(Im); % 均衡化 subplot(2,2,1); imshow(Im); title(原图);%显示原图 subplot(2,2,2); imhist(Im); title(原图直方图);%显示原图的直方图 subplot(2,2,3); i

17、mshow(J); title(均衡化结果);%显示均衡化后的图像 subplot(2,2,4); imhist(J); title(均衡化结果的直方图);%显示均衡化后的直方图 原图直方图 规定化程序： I=imread(tire.tif); J=histeq(I,32); counts,x=imhist(J); Q=imread(1.jpg); figure;imshow(Q); title(原图像); A=rgb2gray(Q); figure;imhist(A); title(原图像直方图); M=histeq(A,counts); figure;imshow(M); title(直方

18、图规定化后的图像); figure;imhist(M); title(规定直方图);均衡化结果 均衡化结果的直方图 原图 小波变换及融合实验代码 桌面 1.jpg); X1=X;map1=map; subplot(2,2,1);image(X1); colormap(map1);title(可见光图像,); 桌面 2.jpg); X2=X;map2=map; subplot(2,2,2);image(X2);colormap(map2);title(红外光图像); c1 L1=wavedec2(X1,1,sym4); c2 L2=wavedec2(X2,1,sym4); c=0.5*(1.2*

19、c1+0.8*c2); XX=waverec2(c,L1,sym4); subplot(2,2,3);image(XX);title(融合结果一); Csize1=size(c1); for i=1:Csize1 c1(i)=0.8*c1(i); end; Csize2=size(c2); for j=1:Csize2 c2(j)=1.2*c2(j); end; C=0.6*(c1+c2); XXX=waverec2(c,L2,sym4); subplot(2,2,4); image(XXX); title(融合后结果二); 1.边缘检测实验代码 I = imread(1.jpg); %如果是

20、其他类型图像，请先转换为灰度图 BW_sobel = edge(I,sobel); BW_prewitt = edge(I,prewitt); BW_roberts = edge(I,roberts); BW_laplace = edge(I,log); BW_canny = edge(I,canny); figure(1); subplot(2,3,1),imshow(I),xlabel(原始图像); subplot(2,3,2),imshow(BW_sobel),xlabel(sobel 检测); subplot(2,3,3),imshow(BW_prewitt),xlabel(prewi

21、tt 检测); subplot(2,3,4),imshow(BW_roberts),xlabel(roberts 检测); subplot(2,3,5),imshow(BW_laplace),xlabel(laplace 检测); subplot(2,3,6),imshow(BW_canny),xlabel(canny 检测); %参加高斯噪声(=0 , b A2=0.01 )检测结果 I_g1 = imnoise(I,gaussian,0,0.01); BW_sobel = edge(I_g1,sobel); BW_prewitt = edge(I_g1,prewitt); BW_rober

22、ts = edge(I_g1,roberts); BW_laplace = edge(I_g1,log); BW_canny = edge(I_g1,canny); figure(2); subplot(2,3,1),imshow(I_g1),xlabel(参加高斯噪声 3 =0, r 人2=0.01)图像); subplot(2,3,2),imshow(BW_sobel),xlabel(sobel 检测); subplot(2,3,3),imshow(BW_prewitt),xlabel(prewitt 检测); subplot(2,3,4),imshow(BW_roberts),xlabel(roberts 检测