《计算机视觉》教学大纲

《计算机视觉》教学大纲

前B

《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(MachineVision)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.

学习木课程的要求是：学习者应掌握计算机视觉的基础理论、基木方

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

计算机视觉的定义，视觉系统所包含的部分，视觉

13所面临的问题；计算机视觉的应用：对图像的简单讲课

处理，与其它学科的关系.

成像和图像表示.介绍成像原理，成像过程产生的

23变形和各种感应器,特别是CCD摄像机；目前流行讲课

的图像表示技术.讨论图像与空间的关系.

二值图像处理（一）.二值图像中的拓扑定义，图像讲课与习题

33

的基本算法的表示，标志算法，物体的性质提取.课相结合

二值图像处理（二）.形态学，物体的性质提取；阀

43讲课

值化方法.

模式识别（一）.基本概念，类别的表示，分类器，

53讲课

决策树.

讲课与习题

63模式识别（二）.Bayes分类和人工神经网络.

课相结合

滤波和图像增强（一）.滤波和图像增强的原因，灰

73讲课

度值的映射（含直方图的均衡化），小块噪声去除.

滤波和图像增强（二）.平滑处理，中值滤波器，边

83讲课

缘检测.

滤波和图像增强（三）.Canny边缘检测，卷积，矩讲课与习题

93

阵空间的基,Fouier变换.课相结合

彩色和阴影.色彩的物理性质，彩色的RGB基和其

103讲课

它基表示，彩色直方图，彩色图像分割.

113纹理分析.纹理分析和纹理分割.讲课

基于图像内容的图像恢复.图像库，图像查询，图讲课与习题

123

像距离和图像数据库的结构.课相结合

基于2D图像序列的运动分析（一）.运动现象和应

133讲课

用，运动向量的计算.

143基于2D图像序列的运动分析（二）.运动点的路径讲课

2

计算，检测视频中的显著变化.

讲课与习题

153图像分割（一）.区域的确定和表示，轮廓的确定.

课相结合

图像分割（二）.对分割的拟合，确定高层次的结构，

163讲课

基于运动关联性的分割.

2D图像匹配（一）.2D数据的配准，点的表示，仿

173讲课

射映射.

2D图像匹配（二）.最好二维仿射变换，基于仿射

讲课与习题

183变换的2D物体识别，基于关系匹配的2D物体识别，

课相结合

非线性变形.

基于2D图像的3D理解（一）.特征图像，基于方

193讲课

块的直线标记，2D图像中的三维线索.

基于2D图像的3D理解（二）.透视成像模型，基讲课与习题

203

于立体图像的深度感知，薄棱镜方程.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儿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.

3

§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.

§15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

（―）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科领域的关系；

3、成像几何基础.

（-）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

4

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、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休的三维位

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们.

5

§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-lengthencoding）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）

第三章区域分析

一、学习目的

6

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.

7

§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.

§3.5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

8

通过本章的学习，熟练掌握图像增强技术的两种方法：空间域法云口频

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，高斯平滑滤波.

9

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（edgedetection）.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

10

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（Laplacianof

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.

§