《计算机视觉》教学大纲

《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投对象，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，窗等代数本课程计划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:课常讲授为主，习题课，试验为辅

考核方法:闭卷书面考试

教学进程安排表

学时教学方

周次教学主要内容备注

数法

计算机视觉的定文,视觉系统所包含的部分,视觉所面临的问题:计算机

13讲课

视觉的应用:对图像的简单处理，与其它学科的关系。

成像和图像表示，介绍成像原理，成像过程产生的变形和各种感应器,特

23讲课

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。

讲课与

二值图像处理（二）、二值图像的拓扑定义.图像的基本算法表示,标志

33习题课

算法，物体的性质提取。

结合

43二色图像处理（二）.形态学，物体的性质提取；阀色化方法.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

讲课与

63模式识别（二）.3ayes分类和人工神经网络习题课

结合

灌波和图像增强（一）.波和图像增强的原因，灰度值的映射C含直方图的均衡化），

73讲课

小块噪声去除

83灌波和图像增强（二）.平滑处理，中值泄波器，边缘检测.讲课

讲课与

93渔波和图像增强（三）.Canny边缘检测，卷积，矩阵空间的基.Fouier变换.习题课

靖合

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.

103讲课

彩色图像分割.

113纹理分析分析和纹理切割讲课

讲课与

123基于图像内容的图像恢复，图像阵，图像直询，图像距禺和图像数据怖的结构.习题课

结介

133基于2D图像序列的运动分析（一）运动现象和应用，运动向信的计算讲课

143基于2D图像序列的运动分析（二运动点的路径计算，监测初软中的显著变化.讲课

讲课与

153图像分割（一）.区域的确定和表示，轮廊的确定习胭课

雄合

1G3图像分割（二）.对分制的拟合，确定高层次的结构，基于运动大联性的分割.讲课

1732D图像匹配（一）.2D数据的配准，点的表示,仿射映射.讲课

讲课与

2D图像匹配（二好二维仿射变换，基于仿射变换的2D物体识别，基于关系匹

183习题课

配的2D物体识别非线性变形

结合

基于2D图像的3D解（一）特征图像，基于方块的直线标记，2D图像中的三

193讲课

维线索

讲课与

域于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

203习题课

方程.

结介

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的视觉理论计算

简要地介绍Marr的视觉理论的基本思想及其理论架

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，从亳微米技术到多媒体数据库，不一而足。可以说，需婴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，

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，识别和理解周国场景是•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城的关系

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成像的几何基础

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科领域的关系：

3.成像几基础

（二）教学手段

课堂讲授与习题课相结合

四、思考与联系

（注:恩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，通常使用阔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，其中的阀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阀值

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

通过阀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，营合在文档多工业应用中，经常

使用区域的一些简单特征，如大小、CA来确定物体的位置并识别它们。

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

内像系值为1的像案个数为该条二值图像在给定自线上的投影（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《像案1的长度）来播图像，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.阀值；

2.儿何特性：

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）

第三章区城分析

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.由于区城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

体又可能包含对了物体不同部位的若干个区域。为了精确解释一幅图像，首先要把它分成对

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阅值算

法可以推广到求取多值图像，其中的阀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，阀值分割算法应能根据图像强度取样来自动选取合适的阙

值。阀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

的阀值.

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城的关系。木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

「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「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•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

(-)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阅值选取十分有利.•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

（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。

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。边缘主要存在于口标与目标、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，阶跃边综同图像的一

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边缘监测算法

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(LaplacianofGaussian.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