《计算机视觉》教学大纲

1、 计算机视觉教学大纲前言计算机视觉课程是信息与计算科学专业的选修课程计算机视觉以视觉技术为逻辑起点，以信息与计算科学专业的学生为讲授对象计算机视觉（Machine Vision）是基于视觉技术的一门边缘科学，其核心技术是视觉处理，并通过对视觉处理来执行进一步的检测与控制等它的研究内容非常广泛，涉及计算机、图像处理、模式识别、人工智能、信号处理、光学、机械等多个领域用简单的一句话来概括就是用机器代替人眼来做各种测量和判断本课程有助于开阔学生视野、使学生了解本专业的发展前沿，是集理论性与应用性为一体的学科设置本课程的目的是：使学习者在全面了解视觉技术的历史、现状与发展趋势的基础上，系统掌握计算机视

2、觉图像基本处理的理论、方法、技术，运用计算机视觉基本理论、实验装置和图像处理软件，加深理解计算机视觉的基本概念，具备在计算机上利用图像处理软件进行相关操作的实际技能，培养学生的动手能力和分析问题解决问题的能力，把学生培养成面向二十一世纪的复合型人才学习本课程的要求是：学习者应掌握计算机视觉的基础理论、基本方法和实用算法，如：二值图像分析、图像预处理、图像增强、边缘检测、图像分割、纹理分析、明暗分析、深度图与立体视觉并掌握一定的科学研究方法与技能，为有潜力成为研究型人才的学生打下一定基础先修课程要求：MATLAB编程，空间解析几何，数学分析，高等代数本课程计划72学时课堂教学+36学时实验，3学

3、分，每周4+2个课时选用教材：(美)杰恩(Jain.R)等著，计算机视觉(英文版)，机械工业出版社，2003年教学手段：课堂讲授为主，习题课，试验为辅考核方法：闭卷书面考试教学进程安排表周次学时数教学主要内容教学方法备注13计算机视觉的定义，视觉系统所包含的部分，视觉所面临的问题；计算机视觉的应用；对图像的简单处理，与其它学科的关系讲课23成像和图像表示介绍成像原理，成像过程产生的变形和各种感应器，特别是CCD摄像机；目前流行的图像表示技术讨论图像与空间的关系讲课33二值图像处理（一）二值图像中的拓扑定义，图像的基本算法的表示，标志算法，物体的性质提取讲课与习题课相结合43二值图像处理（二）形

4、态学，物体的性质提取；阀值化方法讲课53模式识别（一）基本概念，类别的表示，分类器，决策树讲课63模式识别（二）Bayes分类和人工神经网络讲课与习题课相结合73滤波和图像增强（一）滤波和图像增强的原因，灰度值的映射（含直方图的均衡化），小块噪声去除讲课83滤波和图像增强（二）平滑处理，中值滤波器，边缘检测讲课93滤波和图像增强（三）Canny边缘检测，卷积，矩阵空间的基，Fouier变换讲课与习题课相结合103彩色和阴影色彩的物理性质，彩色的RGB基和其它基表示，彩色直方图，彩色图像分割讲课113纹理分析纹理分析和纹理分割讲课123基于图像内容的图像恢复图像库，图像查询，图像距离和图像数据库

5、的结构讲课与习题课相结合133基于2D图像序列的运动分析（一）运动现象和应用，运动向量的计算讲课143基于2D图像序列的运动分析（二）运动点的路径计算，检测视频中的显著变化讲课153图像分割（一）区域的确定和表示，轮廓的确定讲课与习题课相结合163图像分割（二）对分割的拟合，确定高层次的结构，基于运动关联性的分割讲课1732D图像匹配（一）2D数据的配准，点的表示，仿射映射讲课1832D图像匹配（二）最好二维仿射变换，基于仿射变换的2D物体识别，基于关系匹配的2D物体识别，非线性变形讲课与习题课相结合193基于2D图像的3D理解（一）特征图像，基于方块的直线标记，2D图像中的三维线索讲课203

6、基于2D图像的3D理解（二）透视成像模型，基于立体图像的深度感知，薄棱镜方程讲课与习题课相结合第一章绪论一、学习目的通过本章的学习，熟练掌握计算机视觉的定义，视觉系统所包含的部分，视觉所面临的问题；计算机视觉的应用；对图像的简单处理，与其它学科的关系绪论计划6学时二、课程内容1.1Marr的视觉计算理论简要地介绍Marr的视觉理论的基本思想及其理论框架1.2计算机视觉的应用计算机视觉技术正广泛地应用于各个方面，从医学图像到遥感图像，从工业检测到文件处理，从毫微米技术到多媒体数据库，不一而足可以说，需要人类视觉的场合几乎都需要计算机视觉应该指出的是，许多人类视觉无法感知的场合，如精确定量感知、危

7、险场景感知、不可见物体感知等，计算机视觉更突显其优越性1.3计算机视觉研究内容与面临的困难计算机视觉研究可以分为如下五大研究内容：输入设备、低层视觉、中层视觉、高层视觉、体系结构识别和理解周围场景是一件非常容易的事，但对于机器来说，却是一件很困难的事1.4计算机视觉与其它学科领域的关系与计算机视觉有关的学科有许多本节主要讨论一些与计算机视觉密切相关的领域关于计算机视觉与其它学科的关系，我们不作详尽的讨论1.5成像几何基础这里我们只考虑三维空间到二维空间的两种常用映射：透视投影变换和正交投影变换三、重点、难点提示和教学手段（一）重点、难点1、计算机视觉研究内容与面临的困难；2、计算机视觉与其它学

8、科领域的关系；3、成像几何基础（二）教学手段课堂讲授与习题课相结合四、思考与练习（注：思考与练习的形式有教师自行确定）第二章二值图像分析一、学习目的二值视觉系统的输入一般是灰度图像，通常使用阈值法首先将图像变成二值图像，以便把物体从背景中分离出来，其中的阈值取决于照明条件和物体的反射特性二值图像可用来计算特定任务中物体的几何和拓扑特性，在许多应用中，这种特性对识别物体来说是足够的二值视觉系统已经在光学字符识别、染色体分析和工业零件的识别中得到了广泛应用通过本章的学习，熟练掌握二值图像中的拓扑定义，图像的基本算法的表示，标志算法，物体的性质提取形态学，物体的性质提取；阀值化方法本章计划6学时二、

9、课程内容2.1阈值从图像中识别代表物体的区域（或子图像），这种对人来说是件非常容易的事，对计算机来说却是令人吃惊的困难为了将物体区域同图像其它区域分离出来，需要首先对图像进行分割把图像划分成区域的过程称为分割2.2几何特性通过阈值化方法从图像中检测出物体后，下一步就要对物体进行识别和定位在大多数工业应用中，摄像机的位置和环境是已知的，因此通过简单的几何知识就可以从物体的二维图像确定出物体的三维位置在大多数应用中，物体的数量不是很多，如果物体的尺寸和形状完全不同，则可以利用尺度和形状特征来识别这些物体实际上在许多工业应用中，经常使用区域的一些简单特征，如大小、位置和方向，来确定物体的位置并识别它

10、们2.3投影给定一条直线，用垂直该直线的一簇等间距直线将一幅二值图像分割成若干条，每一条内像素值为1的像素个数为该条二值图像在给定直线上的投影（projection）2.4游程长度编码游程长度编码(run-length encoding)是另一种二值图像的简洁表示方法，它是用图像像素值连续为1的个数（像素1的长度）来描述图像这种编码已被用于图像传输另外，图像的某些性质，如物体区域面积，也可以从游程长度编码直接计算出来三、重点、难点提示和教学手段（一）重点、难点1、阈值；2、几何特性；3、投影；4、游程长度编码（二）教学手段课堂讲授与习题课相结合四、思考与练习（注：思考与练习的形式有教师自行确定

11、）第三章区域分析一、学习目的图像中的区域是指相互连结的具有相似特性的一组像素由于区域可能对应场景中的物体，因此，区域的检测对于图像解释十分重要一幅图像可能包含若干个物体，而每一个物体又可能包含对应于物体不同部位的若干个区域为了精确解释一幅图像，首先要把一幅图像划分成对应于不同物体或物体不同部位的区域本章计划6学时二、课程内容3.1区域和边缘图像区域划分有两种方法：一种是基于区域的方法，另一种是使用边缘检测的轮廓预估方法3.2分割把一幅灰度图像转换成二值图像是图像分割的最简单形式用于求取二值图像的阈值算法可以推广到求取多值图像，其中的阈值算法已经在第三章中讨论过了为了在各种变化的场景中都能得到鲁

12、棒的图像分割，阈值分割算法应能根据图像强度取样来自动选取合适的阈值阈值分割法不要过分依赖于物体的灰度知识，且使用有关灰度值的相对特性来选取合适的阈值3.3区域表示区域有许多应用，也有许多种表示方法不同的表示方法有着不同的应用一些应用只需计算单个区域，而另一些则需要计算图像各区域的关系本节将讨论几种区域表示方法并研究它们的特性大多数区域表示方法可以归纳为下面三种类型：阵列表示，层级表示，基于特征的区域表示3.4分裂和合并使用分裂和合并的组合算法可以实现自动细化分割运算分裂和合并运算是通过合并属于同一物体的邻接区域来消除错误的边界和虚假的区域，同时可以通过分裂属于不同物体的区域来增添丢失的边界3.

13、5区域增长寻找初始区域核，并从区域核开始，逐渐增长核区域，形成满足一定约束的较大的区域例如，一致性谓词是基于区域灰度的平面或二次曲面函数拟合然而，在一般情况下，一致性谓词是基于图像区域的特征，如，平均强度、方差、纹理和颜色等三、重点、难点提示和教学手段（一）重点、难点1、分割；2、区域表示；3、分裂和合并；4、区域增长（二）教学手段课堂讲授与习题课相结合四、思考与练习（注：思考与练习的形式有教师自行确定）第四章图像预处理一、学习目的通过本章的学习，熟练掌握图像增强技术的两种方法：空间域法和频率域法空间域方法主要是在空间域内对图像像素直接运算处理频率域方法就是在图像的某种变换域，对图像的变换值进

14、行运算，如先对图像进行傅立叶变换，再对图像的频谱进行某种计算(如滤波等)，最后将计算后的图像逆变换到空间域本章计划9学时二、课程内容4.1直方图修正直方图均衡化是一种通过重新均匀地分布各灰度值来增强图像对比度的方法经过直方图均衡化的图像对二值化阈值选取十分有利一般来说，直方图修正能提高图像的主观质量，因此在处理艺术图像时非常有用4.2图像线性运算熟练掌握线性系统和傅立叶变换4.3线性滤波器熟练掌握均值滤波器，高斯平滑滤波4.4非线性滤波熟练掌握中值滤波，边缘保持滤波器三、重点、难点提示和教学手段（一）重点、难点1、直方图修正2、图像线性运算，线性系统和傅立叶变换3、线性滤波器，均值滤波器，高斯

15、平滑滤波4、非线性滤波，中值滤波，边缘保持滤波器（二）教学手段课堂讲授与习题课相结合，计算机试验四、思考与练习（注：思考与练习的形式有教师自行确定）第五章边缘检测一、学习目的边缘(edge)是指图像局部强度变化最显著的部分边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征和形状特征等图像分析的重要基础图像分析和理解的第一步常常是边缘检测(edge detection)本章计划9学时二、课程内容5.1梯度边缘检测是检测图像局部显著变化的最基本运算在一维情况下，阶跃边缘同图像的一阶导数局部峰值有关梯度是函数变化的一种度量，而一幅图像可以看作是图像强度连续函数

16、的取样点阵列因此，同一维情况类似，图像灰度值的显著变化可用梯度的离散逼近函数来检测5.2边缘检测算法熟练掌握边缘检测算法有如下四个步骤：滤波，增强，检测，定位熟练掌握Roberts算子、Sobel算子、Prewitt算子5.3二阶微分算子熟练掌握二阶导数有两种算子：拉普拉斯算子和二阶方向导数5.4LOG算法将高斯滤波和拉普拉斯边缘检测结合在一起，形成LOG（Laplacian of Gaussian, LOG）算法，也称之为拉普拉斯高斯算法了解LOG边缘检测器的基本特征5.5图像逼近理解图像逼近5.6Canny边缘检测器Canny边缘检测器是高斯函数的一阶导数，是对信噪比与定位之乘积的最优化逼

17、近算子5.7边缘检测器性能理解评价边缘检测器性能的测度公式三、重点、难点提示和教学手段（一）重点、难点1、梯度；2、边缘检测算法，Roberts算子、Sobel算子、Prewitt算子；3、二阶微分算子，拉普拉斯算子和二阶方向导数；4、LOG算法；5、Canny边缘检测器；（二）教学手段课堂讲授与习题课相结合四、思考与练习（注：思考与练习的形式有教师自行确定）第六章纹理分析一、学习目的通过本章的学习，掌握纹理分析和纹理分割二、课程内容6.1纹理分析统计方法熟练掌握纹理分析统计方法，灰度级同现矩阵，自相关法6.2纹理分析理解有序纹理的结构分析，基于模型的纹理分析，用分形理论分析纹理6.3从纹理恢复形状了解纹理基元的尺寸、形状、和密度等变化为表面形状和姿态估计提供了依据从纹理恢复形状算法正是利用了这些纹理基元的变