机器视觉测量技术3

1、 (7) 边界 S的边界(boundary)是S中与S中有4连通关系的像素集合边界通常记为 (8) 内部 内部(interior)是中不属于它的边界的像素集合的内部等于 (9) 包围如果从S中任意一点到图像边界的4路径必须与区域T相交，则区域T包围(surrounds)区域S（或S在T内）图39即为一幅简单二值图像和它的边界、内部、包围示意图图39 一幅二值图像与它的边界 ， 内部 和包围352连通成份标记 在一幅图像中找出连通成份是机器视觉中最常见的运算之一连通区域内的点构成表示物体的候选区域机器视觉中的大多数物体都有表面，显然，物体表面点投影到图像平面上会形成空间上密集的点集这里应该指出，

2、连通成份算法常常会在二值视觉系统中形成瓶颈效应，原因是连通成份运算是一个全局性的运算，这种算法在本质上是序贯的如果图像中仅有一个物体，那么找连通成份就没有必要；如果图像中有许多物体，且需要求出物体的特性与位置，则必须确定连通成份连通标记算法可以找到图像中的所有连通成份，并对同一连通成份中的所有点分配同一标记图310表示的是一幅图像和已标记的连通成份在很多应用中，要求在标记连通成份的同时算出连通成份的特征，如尺寸、位置、方向和外接矩形下面介绍两种连通成份标记算法：递归算法和序贯算法Jain 1995图3.10 一副图像及其连通成分图像（）递归算法 递归算法在串行处理器上的计算效率是很低的，因此，

3、这一算法主要用于并行机上 算法31连通成份递归算法 1 扫描图像，找到没有标记的1点，给它分配一个新的标记L 3 递归分配标记L给1点的邻点 3 如果不存在没标记的点，则停止 4 返回第一步 （）序贯算法 序贯算法通常要求对图像进行二次处理由于这一算法一次仅运算图像的两行，因此当图像以文件形式存贮且空间不允许把整幅图像载入内存时也能使用这一算法这一算法(见算法32)可以查看某一点的邻点，并且可以给像素值为1的邻点分配一个已经使用过的标记如果图像的邻点有两种不同的标记，则用一个等价表(equivalent table)来记录所有的等价标记在第二次处理过程中，使用这一等价表来给某一连通成份中所有像

4、素点分配唯一的标记 本算法在从左到右、从上到下扫描图像时，算法仅能查询到某一像素点的4近邻中的两个近邻点，即上点与左点设算法已经查到了该像素的这两个近邻点，此时出现三种情况：(1) 如果这两个近邻点中没有一点为1，则该像素点需要一个新的标记(2) 如果这两个近邻点中只有一点为1，且分配了标记L，那么该像素点的标记也为L(3) 如果这两个邻点都为1，且已分配了标记L，则该像素点的标记还是L；但是当近邻点被分配了不同标记M与N，则这两个标记被用于了同一组元，应该把它们合并在这种情况下，应把其中的一个标记（一般选用最小的那个标记）分配给该像素点，并在等价表中登记为等价标记 等价表包含了给每一连通成份

5、分配唯一标记的信息在第一次扫描中，所有属于同一连通成份的标记被视为是等价的在第二次扫描中，从一个等价集(equivalent set)中选择一个标记并分配给连通成份中所有像素点通常将最小的标记分配给一个连通成份第二次扫描将给每一连通成份分配唯一的标记 在找到所有的连通成份后，应该统计等价表，以便删除其中的空格；然后将等价表作为查找表对图像重新进行扫描，以便重新统计图像中的标记 计算每一连通成份的面积、一阶矩、二阶矩是序贯连通成份算法的一个部分当然，必须使用分离变量来累加每一区域的矩信息当区域合并后，每一区域的矩累计值也应加到一起 算法324连通序贯连通成份算法 1 从左至右、从上到下扫描图像

6、2 如果像素点为1，则：(a) 如果上面点和左面点有一个标记，则复制这一标记(b) 如果两点有相同的标记，复制这一标记(c) 如果两点有不同的标记，则复制上点的标记且将两个标记输入等价表中作为等价标记(d) 否则给这一个像素点分配一新的标记并将这一标记输入等价表 3 如果需考虑更多的点，则回到第二步 4 在等价表的每一等价集中找到最低的标记 5 扫描图像，用等价表中的最低标记取代每一标记 353 欧拉数在许多应用中，亏格数(genus)或欧拉数可作为识别物体的特征亏格数定义为连通成份数减去空洞数， (321)其中，和分别是欧拉数、连通成份数与空洞数这个式子给出了一个简单的拓朴特征，这种拓扑特征

7、具有平稳、旋转和比例不变特性图311给出了一些例子及其对应的欧拉数 图311 字母“A”、“B”、“”及它们的欧拉数注意前景用了8连通，而背景用了4连通354 区域边界 连通成份S的边界是那些属于S且与S邻接的点集使用简单的局部运算就可找到边界点在大多数应用中，我们都想用一特定的顺序跟踪边界点一般的算法是按顺时针方向跟踪区域的所有点此处讨论一个简单的边界跟踪算法假定物体边界不在图像的边界上（即物体完全在图像内部），边界跟踪算法先选择一起始点，然后跟踪边界直到回到起始点这种算法概括在算法33中这种算法对尺寸大于1个象素的所有区域都是有效的用这种算法求区域8邻点的边界如图312(a)所示为了得到平

8、滑的图像边界，可以在检测和跟踪图像边界后，利用边界点的方向信息来平滑边界。显然，图像边界噪声越大，图像边界点变化越剧烈，图像边界相邻点的方向变化数（与差分链码有一点区别，链码见第七章）也越大根据这一特点，设置一个边界点方向变化数阈值，把方向变化数大于这一阈值的图像边界点滤除，由此可得到平滑的图像边界。图（b）所示的是一个经过平滑过的区域边界示意图，其中的方向变化数阈值为1。注意，由于采用8邻点边界跟踪，因此方向变化数的最大值为4。如果阈值设成4，则对原始边界没有平滑。边界跟踪和平滑常常结合在一起使用，见计算机作业3.5。图312 边界跟踪算法结果，(a) 图像边界跟踪结果；（b）边界跟踪与平滑

9、结果算法33 边界跟踪算法 从左到右、从上到下扫描图像，求区域S的起始点. 用c表示当前边界上被跟踪的像素点置，记c左4邻点为b， 按逆时针方向从b开始将c的8个8邻点分别记为，, 从b开始，沿逆时针方向找到第一个， 置， 重复步骤、，直到。 355 距离测量 在许多应用中，找到一幅图像中两个像素点或两个连通成份之间的距离是很有必要的目前还没有定义数字图像距离的唯一方法，但对所有的像素点p、q和 r，任何距离度量都必须满足下列性质： 1 ，当且仅当时， 2 3 下面是一些常用的距离函数 欧几里德距离： ( 322) 街区距离： (323) 棋盘距离： (324)356 中轴 如果对中像素的所有

10、邻点有下式成立： (325)则中像素到的距离是局部最大值中所有到的距离是局部最大值的像素点集合称为对称轴或中轴，通常记为使用4近邻的中轴变换的一些例子见图313图313b表明少量噪声会使中轴变换结果产生显著的差异 由和中每一点到的距离能重构原始像素集是的简洁表示可用来表示一个区域的形状通过去除中与距离较小的像素点，可以生成一个简化的集 中轴可作为物体的一种简洁表示但是，二值图像中的区域也可用其边界来表示边界跟踪算法可用来获得表示边界的序列点在第七章还将讨论用链码来简洁地表示边界的方法对任意物体，边界将是区域的简洁表示但要明确给定像素点是否在某一区域内，中轴则是更好的表示，因为使用中轴上的像素点

11、和每一个给定像素点的最大距离圆盘（中轴距离变换），可以很容易地检测出给定像素是否在中轴定义的区域中图 313 中轴变换举例357 细化 细化(thinning)是一种图像处理运算，可以把二值图像区域缩成线条，以逼近区域的中心线，也称之为骨架或核线细化的目的是减少图像成份，直到只留下区域的最基本信息，以便进一步分析和识别虽然细化可以用在包含任何区域形状的二值图像，但它主要对细长形(而不是凸圆形或水滴状)区域有效细化一般用于文本分析预处理阶段，以便将文本图像中线条图画或字符笔画表示成单像素线条细化要求如下：(1) 连通图像区域必须细化成连通线结构(2) 细化结果最少应该是8连通（下面将要解释）(3

12、) 保留近似终止线的位置(4) 细化结果应该近似于中轴线(5) 由细化引起的附加突刺(短分支)应该是最小的细化结果应该保证第一条要求中所定义的连通性，这一点是最基本的要求，它保证了连通线结构的数量等于原始图像中连通区域的数量第二条要求保证所得到的线条总是含有8连通图像的最小数量第三条要求说明终止线位置应该保持不变细化可以通过迭代方式不断去除边界点来实现，重要的是在迭代过程中不要去除端点像素，因为这样不仅会缩短细化线，丢掉结构信息，而且不能保持其位置不变第四条要求说明所得线段应能最好地逼近原始区域的中线，如两个像素点宽的竖线或水平线的真正中线应该位于这两个像素之间半个像素间距的位置在数字图像中表

13、示半个像素间距是不可能的，因此得到的结果是一条位于原直线一侧的直线第五条要求没有明确指出噪声的影响控制到最低程度，因为判断噪声本身是一件很难的事一般不希望原始区域含有会引起突刺的隆起，但当某些较大隆起是区域特征时，却必须识别它们应该指出，某些细化算法有去除突刺的参数，不过最好将细化和去除噪声分开进行，这是由于某些情况下不需要的突刺，可能是另一些情况下所需要的短线因此，最好的办法是先进行细化，然后单独去除长度低于某一特定最小值的任何突刺一种常用的细化手段是在至少邻域内检查图像的每一点，剥去区域边界一次剥去一层图像，直至区域被细化成一条线这一过程是用迭代法实现的，如算法4在每次迭代时，每一个像素点

14、用窗函数检查，为了保持连通性或线末端位置，将单像素厚的边界擦除在图314中将会看到，在每次迭代中，值为1的外层区域就是用这种方式削掉的当迭代结果没有变化时，迭代过程结束，图像得到细化算法近邻细化迭代算法i 对于每一个像素，如果（） 没有上近邻（下近邻左近邻右近邻）（） 不是孤立点或终止线（） 去除该像素点不会断开区域 则去除该像素点i 重复这一步骤直到没有像素点可以去除图314 细化手写体“华”的迭代过程(a) 原图像，(b)(f)为五次迭代过程，每次迭代削去一层边界358 扩展与收缩 图像中的一个连通成份可以进行全方位的扩展(expanding)或收缩(shrinking)如果某一连通成份可

15、以变化，使得一些背景像素点变成1，这一运算就称为扩展如果物体像素点全方位地消减或变为0时，则称为收缩一种简单的扩展与收缩实现方法如下： 扩展：如果近邻点是1，则将该点从0变为1 收缩：如果近邻点是0，则将该点从1变为0这样，收缩可以看作是扩展背景这类运算的例子见图315 需要指出，扩展与收缩这样简单的运算可以完成非常有用而又貌似很复杂的运算下面引进符号 ： S扩展倍 ：S收缩倍 其中下列性质必须满足： 先扩展后收缩算法能补上不希望存在的洞，如图（b）（d）所示；先收缩后扩展算法则能去除孤立的噪声点，见图315（c）（e）请注意，扩展与收缩可用来确定孤立组元或簇注意，扩展后收缩有效地填满了空洞却

16、没有去除噪声；相反，收缩后扩展能去除噪声却没有填满空洞在地形图像处理和膨胀与腐蚀运算中，扩展与收缩算法的一般形式被广泛地用于许多任务中图315 对字母“h”收缩与扩展算法实验结果（a）原始噪声图像；(b) 扩展运算；（c）收缩运算；（d）扩展后收缩运算；（e）收缩后扩展运算第4章 光学图样的测量3.1 全息技术 使用相干光记录和再现的，通过二布操作完成的成像技术 记录 激光 曝光干板二光源有光程差x 角相位差延迟 在平板上产生了沿y方向延伸的等间距的平行干涉条纹条纹x方向周期2/2 ，对比度0（x，y），条纹横向位移（x，y）来自物体的光以干涉条纹的形式被记录下来振幅为条纹的对比度；相位为条纹

17、的横向间距； 再现再现全息图时，参考光要和记录时的条线相同，这时平板相当于具有正弦透过率的衍射光栅。再现光通过光栅后沿三个方向出射，形成0级，1级，1级衍射光，由于干涉条纹受到原来物光复振幅的调制。这时由衍射光形成再现象。 全息光的特征全息技术三个必备条件1. 物光与参考光必须是相干光2. 全息图为极细微的光强分布，需高分辨率记录介质3. 曝光时间内，物体阿和光学系统必须是静止的特点 1不借助透镜，可进行像的记录和再现。2像中保存着光波的相位信息。3可得到三维图像。4物光为漫反射，局部全息缺陷，不影响图像质量5全息图可高密度的存储信息。6可对再现图像进行各种处理缺点7成像面局限于被激光照明的范

18、围。8物体阴影会对成像产生影响。 9不适用于运动的物体10受相干照明散斑噪声的影响（表面粗糙） 全息干涉法： 全息只在玻璃和金属研磨面上，而全息干涉可以进行一般物体的测量。二次曝光法： 使物光和参考光相干，在全息板上做记录，稍微移动一下物体，再进行第二次曝光，则二次的虚像可同时再现。前后二次的光波形成干涉条纹在物体的像上，对应于1/2波可形成一条干涉条纹 得到对应于位移分布的等高线。频阀二次曝光法 测量震动的物体双重脉冲二次曝光法 测量运动的物体（大功率激光器二次照明）利用计算机全息图的干涉：在物体形状已知的情况下，用计算机计算其衍射光的复振幅，绘到成全息图。用计算机制作的标准光波面与被检物体

19、产生的光波面相干涉，就能精确的测量被检物体的形状。3.2 散斑测量技术 激光投射到使光散射的粗糙面的物体上，就呈现普通光见不到的斑点状的图样，每个斑点称为散斑（Speckle） 产生原因：各点上的散射光具有表面微观凹凸相对应于的不规则相位关系，它的相互干涉叠加而形成的散斑的微细程度取决于照射表面光点的形状和大小。 性质：1.在散射面的被照明范围内，其微观结构的统计性质相同。 2.散斑的明暗依赖于散射面上宏观的强度分布，大小与散射面和观察面间的距离成正比。电子散斑干涉测量（ESPI） 物光 exp（i） 参考光exp（i）合成像 +2cos(-)物体移位后参考光无变化，物光相位，则exp（i）这

20、时成像=+2cos(-+)当2n时，散斑干涉图不发生变化。当（2n1），变形前后合成光强度变化最大。这样物表面分布着与有关的条纹，这种条纹反映出两次散斑干涉光强之间的相干性，称为相关条纹。应用： 测量变形，位移，震动，运动（转速，速度，运动轨迹），表面粗糙度，透镜检查，视力检查。3.3 莫尔条纹测量技术 莫尔是指将直线组成曲线组相重叠产生另外一种条纹图样的现象。 设p q为参变量，则光栅间距为a和b的两个直线组，取直角坐标x,y时一组直线光栅xbp与之成角的另一组光栅为yxctg（agsin）联立上列二式求交，则有Yxctg（Nd/Sin）这里 dab/ Sin=bSin/这样间隔为d的莫尔条

21、纹会出现在图中的角方向上“和”型、“积”型莫尔条纹两个正弦形光栅（1Cos2x） （1+2Cos2x）“和”型为（1Cos2x）（1+2Cos2x）1Cos(+)xCos(+)x“积”型为（1Cos2x）×（1+2Cos2x） xx 总之，在产生的莫尔条纹中，总要出现两个给定的频率成分 具有较高的频率成分，形成精细的结构。具有较低频率成分，形成缓慢变化的强度分布。莫尔条纹的形成 光栅与光栅直接重叠（夹缝内取出一条莫尔条纹） 光栅与光栅像重叠（测量试中表面畸变） 光栅像与光栅像相重叠。光栅拓扑结特点1 不需要激光，利用非相干光的测量，容易使用。2 可对粗糙表面进行测量。3 可使三位物体

22、的形状图形化。4 较全息和散斑是灵敏度，能实现位移和震动测量的图样化。5 可进行运动物体三维形状的图形测量。3.4 微图像测量技术1显微镜2微小缺陷测量。（A）利用微小凹凸产生的散射光4.1 区域和边缘 区域: 相互连结的具有相似特性的一组像素 边缘：区域边界上的像素把所有对应于一个物体的像素组合到一起,并进行标记.基于区域的分割基于边缘检测的分割图像分割最简形式: 把灰度图转换成二值图 图像中的物体、背景各具有一灰度值,灰度分布曲线是由正态分布函数叠加而成图像直方图将会出现分离的峰值,阈值选波谷最佳. (2) 迭代式阈值选择迭代式阈值选择算法1. 选一初始阈值，如:灰度均值2. 利用阈值把图

23、像分割成两组，R1和R23. 计算区域R1和R2的均值v1、v24. 选择新的阈值 T=(v1+v2 ) / 25. 重复24步，直到v1和v2的均值不变为止阈值的改进策略是这一方法的关键(3) 自适应阈值化方法 场景照明不均匀时， 一个阈值？ 把图像分成N×N个子图像，求出子图像的阈值。 所有子图像分割的逻辑归并。（5） 双阈值方法数与物体的某些灰度值已知. 还有些灰度值可能属于物体,可能属于背景. 1)选择两个阈值T1和T22)把图像分割成三个区域,R1包含所有灰度值低于T1的像素；R2包含所有灰度值位于T1和T2之间的像素；R3包含所有灰度值高于T2的像素3)查看分配给区域R2

24、中的每一个像素如果某一像素邻接区域R1，把这一像素重新分配给R14)重复步骤3)直到没有像素被重新分配5)把区域R2剩下的所有像素重新分配给R3R1是区域核,R2是边缘区,R3是背景（5） 直方图方法的局限性 恒定灰度值 没有利用图像强度的空间信息 例如，用直方图无法区分黑白棋格图像具有不同灰度空间分布的图像可能具有类似的直方图用直方图无法区分随机分布的黑白点图像、黑白棋格图像和黑白各半的图像直方图的全局特性限制了其在复杂图像中的应用直方图完全没有考虑由于物体表面的连续性,而使得物体图像点常常在空间上非常密集这一特点线性变换：图像像素灰度值分布在a,b区间第5章 干涉条纹图像处理 光测条纹图像

25、处理的目的是精确地、自动地提取条纹图的相位场分布，从而得出待测的物理量分布。 随机噪声：由电子、热、光敏不均，光栅或物体不清造成条纹图噪声。 系统噪声：背景光强的变化和条纹幅值的变化使图像质量退化（对比度弱，背景太强、太弱，变化太大）。4.1 干涉条纹图数学形成与特征各种干涉条纹图的光强分布可用数学形式表达为：I（x,y）=IO(x,y)+I1(x,y)cos(x,y)+In(x,y) 其中，IO(x,y)为背景光强，I1(x,y)为条纹幅值 (x,y)为相位场In(x,y)为可加性随机噪声条纹图分布特征： I（x,y）是唯一可测的量，即已知量，(x,y)为有待测量求解的物理量 条纹图是对相位

26、场(x,y)的余弦调制结果，表现为条纹分布。 IO(x,y)为变化的背景光强场，它主要取决于环境光场及被测物体的表面光学特征 I1(x,y)是变化的条纹幅值，也称条纹对比度。主要取决于光源、环境等条件。 条纹间距、条纹密度或条纹的空间频率表示相位场的变化梯度，变化梯度越大，条纹越密。同时决定灰度分布的变化梯度。 条纹方位分布表示了相位变化的梯度方向 在条纹的切线方向, 即在切线上，相位场与灰度变化大约为零 所以 条纹等值线对应于相位等值线 在条纹的法线方向n 上： p为某行求导方向所以在法线上，相位场与灰度梯度变化最大 由于cos的周期性，只能测量出相位场的二阶主值 若只考虑cos的周期性的影

27、响，条纹的中心线点的相位为n阶 由于余弦的偶函数性cos=cos(-),若没有其它光验信息，则无法从图像灰度信息中确定相位的符号 相位场的物理意义取决于所用的实验技术。即是那种实验干涉条纹图（距离、位移、振幅、变形等） 4.2 图像预处理方法 均值滤波滤波： 带有阀值的均值滤波 高斯滤波 中值滤波增强 线形增强 去极值的线形增强 直方图均衡化增强4.3 条纹倍增法（数字条纹倍增法）双幅图条纹倍增法 在条纹等差线中，有明场和暗场等差线之分，互为相反 暗场I0=Id 明场 Il=Il 这里 IdIl 作如下运算可得： IR(x,y)= 相位实现了倍增，即条纹数增加了一倍 任意相移双图条纹倍增法 一

28、幅条纹图 I(x,y)= 使其相位场平移: 两幅图作如下运算： 其中 ， ， 为常量，用来保持条纹倍增后的图象范围在0，255中 单幅图条纹两倍倍增法 若将一幅条纹图背景和条纹振幅在全场常数化，这时体噢阿文图表示为：I(x,y)=I0+I1cos(x,y)做简单运算 就实现了条纹的二倍倍增 单幅图条纹三倍倍增法 对上述正则化条纹图（背景和条纹幅值，全场常数化） 利用下面的三角公式： 作变换： 就实现了三倍倍增 （附图）4.4 条纹图的旋滤波算法 普通滤波不能将条纹与噪声信号清楚地分开，在滤掉噪声的同时 使条纹模，使条纹特征畸变。旋滤波思想： 找出条纹的切线方向，只在切线方向上对条纹图进行低通滤

29、波。（找出条纹灰度的等值线，在灰度等值线上作低通滤波） 这样既滤掉噪声，又不对条纹产生模糊、畸变效应。 构造一个一维滤波窗口绕当前像素点旋转一周确定条纹切线方向在切线方向进行低通滤波。步骤：以当前点为中心的n×n像素点窗口内等角度间隔的方向滤波 （附图） 在每条方向滤波线上，计算其灰度平均值A： ij表示当前点的位置，k表示第k个方向， 计算每个方向线上各点灰度值与改线均值之差的绝对值之和，或均方差 即 或 表示了K方向上的灰度分布的变化 在条纹的切线方向 取极小值，并用kk表示 ，这样确定了切线的方向 沿条纹切线方向kk进行一维中值滤波或均值滤波 中值滤波：将该方向排序为中值得灰度

30、取代当前点的灰度。（可滤去鼓励的大噪声）均值滤波：将该方向灰度平均值取代当前点的灰度。（可滤去高斯分布的随机噪声） 对条纹图全场每个点重复上述步骤。（旋滤波可对一幅条纹图应用多次） 第6章 立体视觉被动测距传感:视觉系统接收来自场景发射或反射的光能量,形成有关场景光能量分布函数(灰度图象)。主动测距传感:视觉系统首先向场景发射能量,然后接收场景对所发射的能量的反射能量形成图象。5.1 立体成像共轭点：同一幅景点在两个不同图象中的投影点。视差：两幅图象重叠时，共轭点对之间的位置之差。外极平面：通过场景点和两个投影中心的平面外极线：外极平面与图像平面的郊县外极点：同一图像平面的所有外极线交于一点，

31、即外极点（附图）垂直视差，外极线假定与图像行重合，即假定垂直视差为零。两摄像机光轴不平行，在空间相交于一点。视差与光轴夹角有关，存在视差为零表面（附图） 5.2 基本约束 外极线约束步骤：一幅图中选一特征点另一幅中搜索对应特征点 二维搜索 一幅图中选一特征点求外极线另一幅图外极线上求特征点 以为搜索一致性约束 左右摄像机的光强可能差别较大，难以进行相似性质而已，需对图像进行规范化处理左图（i，j） 右图（i，j）这样在mn图像窗内规范化图像函数为： / /其中u是图像窗内光强的平均值，是光强分布函数 据此评价函数为差值绝对值之和 唯一性约束 一幅图像上每一特征点只能与另一幅图上唯一的一个特征对

32、应连续性约束 光滑物体 投影连续视差连续 近界处连续约束不成立5.3 边缘匹配边缘特征使用高斯函数的一阶导数获得，使用边缘匹配的步骤如下：使用高斯滤波器对立体图像进行四次滤波，前一次滤波的宽度是下一次滤波器宽度的两倍。（高斯滤波：去处高频噪声，不破坏边缘特性）在某一列上计算各个边缘的位置。计算比较边缘的方向和强度粗略地进行边缘匹配 （水平边缘是无法进行匹配的）通过精细计算得到更准确的匹配，得到精细的视差估计。5.4 匹域相关性边缘匹配计算比较成熟，但边缘一般对应物体的边界，而边界的深度值大部分情况下是不确定的。在图像对中识别无趣点，匹配两图像对中的相对应的无趣点。 无趣点：尽可能容易地被识别和

33、匹配。（均匀区域不合适）具有有限大变化的区域：有足够多相互分离的区域。在以某一点为中心的窗函数中，计算在不同方向上象素的变化量。方向的变化量： s:窗函数中的所有象素，一般为5×5范围，取其方向变量最小值为中心象素点的无趣值 匹配方法：一幅图像中的特征点为中心的一个小窗函数内的象素与另幅图中各潜在对应点为中心的同样窗函数内的象素进行相关值计算。具有最大相关值的特点就是匹配特征（只有满足外极线约束的点才能是匹配点）相关系数：（图像）特征点对的视差为 ，被匹配的两个区域中所有象素灰度平均值。5.5 从x恢复形状的方法1光度立体： 摄像机和目标静止不动，使用不同方位的三个光源来得到同一场景

34、的三幅图像。确定物体表面的反射特性。计算三个光源照明的所有点的局部表面方位。（间接深度计算）2从明暗恢复形状使用图像明暗变化来恢复物体形状信息。表面方向的变化可转化为图像强度的相应变化，由图像强度的变化可以恢复表面形状。（间接深度计算）3从纹理恢复形状 从图像的纹理特性变化，如方向、密度、方位（间接深度计算）4从运动恢复形状使用运动摄像机获取静止图像，场景点的视差取决于场景是否到摄像机的距离。静止摄像机获取运动图像，在图像序列中产生运动视差取决于物体表面点位置和速度。5.6 测距成像结构光测距结构光测距时的场景是由已知几何模式的照射光源照明的。在一个简单的点投影系统中，投影光源和摄像机之间相距

35、一个基线距离b，如图所示。物体坐标（x，y，z）与被测量的图像坐标(x,y)和投影角之间的关系如下： 其中，f为摄像机的光学焦距。这样一个三角测量系统的距离分辨力可由投影角和图像点x水平位置的测量精度决定。结构光测距法典型的结构光照明系统是将光平面或者二维网格模式投影到场景中,与光源相隔一定距离的摄像机获取投影到场景中物体表面的含有变形的光照模式。该变形由光照模式和物体表面的形状和方向决定。对应于图像平面中的任意点的三维物体坐标可以通过计算摄像机视线和光照平面的交点来决定。结构光测距系统的优点是可以很容易地控制场景照明。该系统一个典型的应用是放在传送带上的运动物体经过一个光束平面，在光带图像中产生变形，然后计算光束平面上物体的轮廓。以规则间隔重复上述过程即可恢复物体的形状。结构光照明系统的主要缺点是无法获取摄像机或光源看不到的物体点的数据。激光雷达测距在生物界，蝙蝠和海豚是通过接受自己发出的超声波来确定周围物体的存在。根据生物这种感知距离的能力，人类发明了激光雷达测距系统，即向空间发射信号，然后接收反射信号并与发射信号进行比较，以确定目标的距离和方位。常用的激光雷达测距工作体制有：脉冲飞行时间测距、相位差测距和差频测距。其中以相位差测距应用最广。相位差测距原理如图所示。图相位差测距法以相