计算机视觉基础复习

第一章 PPT

P11 什么是计算机视觉

采用计算机实现人类视觉功能，让计算机理解图像和视频 。

P12 计算机视觉与图像处理的区别

 数字图像处理

图像/视频 -> 图像/视频 （图像变换、图像滤波、图像复原、图像压缩、…）  计算机视觉

图像/视频 -> 模型 （二维基素图 -> 2.5维要素图 -> 三维模型表征）

P14-20 计算机视觉中存在哪些难点和挑战

挑战：外观、大小和形状；复杂姿态/运动；复杂和不可预测的行为；噪声和遮挡；外观变化；上下文间依赖性；视点变化 P23-28 图像中存在哪些计算机视觉线索

深度线索：直线透视；空间透视 远近顺序线索：遮挡 形状线索：纹理梯度 形状和光照线索：阴影 位置和光照线索：投影

P30-46 计算机视觉有哪些典型应用

OCR（光学字符识别）、智能交通、人脸检测、表情识别、多视点三维重建、基于视觉的生物识别、辅助驾驶、无人驾驶汽车、基于视觉的人机交互、智能机器人、工业机器人 P48 CCD/CMOS传感器的成像原理：光电转换 P49-54 采样与量化影响图像的哪些属性

采样影响图像空间分辨率；量化影响图像幅度分辨率（灰度） P61 图像坐标系

左上角为坐标原点

P75-78 像素距离与邻域关系

习题1.2 P19 计算机视觉要达到的目的有哪些？ 答：计算机通过图像和视频对客观世界的感知、识别和理解；对场景进行解释和描述 ；根据对场景的解释和描述制定行为规划。 第三章 PPT

P11 薄透镜成像模型

。

1欢迎下载

精品文档

P17-21 射影几何中哪些物理信息丢失和保留了？ 丢失信息：长度、角度

保留信息：直线特性、交比不变性 P22-24 灭点和灭线的概念

场景中的平行线投影到图像平面后，会聚于“灭点” 灭线：灭点的集合

P46-49 像机成像过程中包含了哪些内参和外参？

。

2欢迎下载

精品文档

P51 像机标定的目的，思路和基本方法

 目的：确定像机的内参和外参。

X ufu0x0R33T31Y zpv0fyv00T0311 Z10010 1 思路：通过一组已知世界坐标的图像特征点，建立超定方程求解。  方法：最小二乘求解超定方程，寻找最优估计。 P63 径向畸变和切向畸变的概念

习题

第四章 PPT

P4-7 图像平移、尺度、旋转和级联变换

 用矩阵乘实现级联变换

 如图像依次进行平移、尺度和旋转变换，有 uuuvRSTvAv111。

3欢迎下载

精品文档

P14 最近邻插值 P16-18 双线性插值 P20-31 图像灰度映射

灰度映射原理

 基于图像像素的点操作

 映射函数

 灰度映射的关键是根据增强要求设计映射函数

灰度映射：图像二值化、图像反色、动态范围压缩、对比度增强 P31-32 直方图的概念和意义，用已学过的数学原理进行解释 P40 直方图均衡计算

表4.3.1 L为灰度级数（本例为8） -------------------------

原始图灰度级 0 1 2 3 4 5 6 7 原始直方图 0.02 0.05 0.09 0.12 0.14 0.2 0.22 0.16 累积直方图gf 0.02 0.07 0.16 0.28 0.42 0.62 0.84 1.0

四舍五入取整 0 0 1 2 3 4 6 7 注：int((L-1)*gf+0.5)

确定映射关系 0,1->0 2->1 3->2 4->3 5->4 6->6 7->7 新直方图 0.07 0.09 0.12 0.14 0.2 0 0.22 0.16 直方图均衡过程示例

P52-66 模板滤波的概念和理解

 概念：利用像素本身以及其邻域像素的灰度关系进行图像增强的方法。

 理解：1.滤波取自信号处理中的概念；2.滤波是在图像空间通过邻域操作完成的；

3.邻域操作通常借助模板运算来实现

P69 中值滤波概念和基本步骤

 概念：选择局部窗口中亮度的中间值代替窗口中心像素

。

4欢迎下载

精品文档

 步骤：

◦ 将模板中心与图像中某像素位置重合 ◦ 读取模板下各对应像素的灰度值 ◦ 将这些灰度值从小到大排成一列 ◦ 找出这些灰度值里排在中间的一个

◦ 将这个中间值赋给对应模板中心位置像素 ◦ 遍历图像中所有像素

P71 中值滤波与均值滤波的比较

 中值滤波和线性滤波的区别：

1、中值滤波可有效消除突变，线性滤波总是响应所有的变化

2、中值滤波具有部分不连续保持特性，线性滤波会产生平滑过渡的效果  中值滤波和均值滤波的区别：

中值滤波器比均值滤波器更适合去除加性椒盐噪声 习题4.3 P75

 设用三角形代替下图中的四边形，建立与下式相对应的校正几何形变的空间变换式。

 解: 以顶点为对应点，一个对应点可列出2个公式，因此三角形的三个顶点可列出

6个公式，最多求解6个几何形变参数，因此空间变换式为： xk1xk2yk3

习题4.11 P76

 将M幅图像相加求平均可以获得消除噪声的效果，用一个n×n的模板进行平滑滤波

也可获得消除噪声的效果, 试比较两种方法的消噪效果  M幅图像相加求平均 时间轴上的平均

容易产生运动模糊(重影)

 n×n模板的平滑滤波 空间上的平均

容易产生空间模糊(边缘模糊) 习题4.12 P76

 讨论用于空间滤波的平滑滤波和锐化滤波的相同点、不同点以及联系

 相同点：都能减弱或消除频域空间中的某些分量，而不影响或较少影响其它分量，

从而达到增强效果。

 不同点：平滑滤波减弱或消除高频分量，增强低频分量，平滑图像中的细节信息。

yk4xk5yk6。

5欢迎下载

精品文档

锐化滤波减弱或消除低频分量，增强高频分量，锐化图像中细节信息。

 联系：两者效果相反，互为补充；从原始图像中减去平滑滤波结果可得到锐化滤波

效果；而原始图像中减去锐化滤波结果可得到平滑滤波效果。

第五章 PPT

P4 为什么要边缘检测和边缘的成因

为什么要边缘检测：

 提取信息，识别目标  恢复几何和视点 边缘的成因：

曲面法线不连续、深度不连续、表面颜色不连续、亮度不连续 P10-21 用已学过的数学原理解释边缘检测的原理

 一阶导数极值点对应的

是边缘位置，极值的正 或负表示边缘处是由暗 变亮还是由亮变暗。

 二阶导数过零点来检测

图像中边缘的存在。

P15 有哪些一阶导数算子？试写出其模板形式

Roberts梯度算子

Prewitt梯度算子（平均差分）

Sobel算子（加权平均差分）

各向同性Sobel算子：

将模板中的权值2改为√2，以使水平、垂直和对角边缘的梯度值相同。

P21 有哪些二阶导数算子？二阶导数算子会对噪声敏感，试解释原因

拉普拉斯算子、马尔算子

对噪声敏感原因：二阶导数在边缘处出现零交叉，即边缘点两边导数取异号，据此来检测边缘点。但很容易被噪声覆盖。 P28 Canny算子的最优检测准则

 最优边缘检测的含义是：

。

6欢迎下载

精品文档

◦ ◦ ◦ 好的检测 -- 算法能标识图像中的实际边缘，避免噪声和虚假边缘干扰。 好的定位 -- 标识出的边缘与实际图像中的实际边缘尽可能接近。 最小响应 -- 对图像中的每个真实边缘点只有一个像素响应。

P41 什么是角点？角点有什么特性？

 可重复性／可再现性

同一角点应能在不同图像中检测出，不受几何和亮度等变化的影响

 显著性

每个角点都是独特的

 局部性

特征描述的是图像中的一个局部小区域

P43 SUSAN角点检测的基本原理

◦ 采用圆形模板

◦ 统计模板中与模板核具有相同值的像素个数 ◦ USAN面积随模板在图像中的位置变化 ◦ 利用USAN面积变化可检测边缘或角点。

◦ USAN面积在图像角点处具有最小值，故称为SUSAN。

P51 Hough变换的基本思想（投票）以及为什么要进行Hough变换

基本思想：

 通常用在边缘检测或特征点检测后。

 每个边缘点根据其可能的几何特征，投影到参数空间，通过投票方式确定参数值。

即票数最多的参数获胜。 为什么要进行Hough变换：

 视觉场景中许多目标都可通过直线、圆弧等规则几何特征来表述。Hough变换是获

取规则几何特征的常用方法。

P55 Hough变换中参数空间的概念，试写出直线检测以及圆检测的参数空间

采用(ρ, θ)表示图像空间中任意直线。

图像空间中一条直线在参数空间(ρ, θ)中为一个点。 参数空间(ρ, θ)也称为Hough空间

P68 Hough变换的优点

 对边缘不连续具有较好的容忍性  对噪声干扰具有较好的鲁棒性  对目标遮挡具有较好的抗干扰性 习题 第六章 PPT

P2 目标分割的概念、目的、意义

 概念：将图像划分成若干具有特征一致性且互不重叠的图像区域的过程。  目的：有选择性地定位感兴趣对象在图像中的位置和范围。  意义：

1.区域对于图像理解和识别非常重要，往往表征场景中的目标，或部分目标。 2.一幅图像可以包含多个目标，每个目标包含多个区域，每个区域对应目标的不同部分。

3.图像分割是将图像划分为一组有意义的区域。

。

7欢迎下载

精品文档

P14 图像分割有哪些方法？基于哪些特征

 基于边缘的分割方法：

◦ 先提取区域边界，再确定边界限定的区域；  基于区域的分割方法：

◦ 确定每个像素的归属区域，从而完成分割  图像分割方法分类：

a）自动分割算法

– 聚类方法

– 基于边缘的方法 – 区域融合和区域增长 – 混合优化方法 b）交互式图像分割算法

– “Snake” 或 “主动轮廓法” – “魔棒” 或 “魔笔”

 图像分割通常基于亮度、颜色、纹理、深度或运动。 P27 图搜索有哪些策略，以及各自特点

广度优先搜索特点：完备、可获得最优解，效率低

深度优先搜索特点：难以获得最优解、效率高、不易跳出无限深分支 P40 试用直方图的概念解释直方图分割的思想

 基本思想：根据图像数据的特征将图像空间划分为互不重叠的区域，从而达到分割

的目的。

P45 最优阈值的分割思想

。

8欢迎下载

精品文档

P52 最大类间方差(OTSU)的分割思想

寻找使得类间方差最大的阈值 习题6.10 P115

习题6.11 P115

 一幅图像背景部分均值为20，方差为400，在背景上分布着一些互不重叠的均值为200，

方差为400的小目标。设所有目标合起来约占图像总面积的30%，提出一个基于取阈值的分割算法将这些目标分割出。

根据最优阈值计算公式，并假设背景和目标的概率密度函数为高斯模型，且背景和目标的方差相等：

objbg21zkln

2objbg

202004000.3

ln11021082200200.7 第九章 PPT

P3-9 图像中包含了哪些深度线索？

阴影 纹理 遮挡 运动 模糊等。

P26-27 平行光轴立体视觉系统的感知深度的原理和基本公式

。

9欢迎下载

精品文档

P32-35 75-83 立体视觉系统中有哪些约束

立体匹配的约束： 极线约束：匹配点必须在极线上

相似性约束：左、右图像的匹配点应具有相似的亮度或颜色。即，假定目标表面符合朗伯漫反射表面。

◦ 视差范围约束：仅在视差搜索内搜索。

◦ 唯一性约束：一幅图像中的一个像素，在另一幅图像中最多只有一个对应点像素。 ◦ 顺序约束：若参考图中A点在B点的左边，则另一幅图像中A点匹 配点也在B

点匹配点的左边。

◦ 平滑性约束：除了遮挡或视差本身不连续区域外，小邻域范围内视差值变化量应很

小或相似。换言之视差曲面应是分段连续的。 ◦ 互对应约束： 又称左右一致性，若以左图为基准图，左图上一像素点 pl 的搜索到

右图上对应点像素为 pr ；那么若以右图为基准图，像素 pr 的对应点也应该是左图上的像素点 pl 。该约束常用于遮挡区的检测。

P41 立体视觉标定校正的目的 校正的目的：

◦ ◦

。

10欢迎下载

精品文档

◦ 输入图像通过透视变换使得外极线水平，且共线。 ◦ 畸变校正，使得成像过程符合小孔成像模型。 P52 立体匹配的概念及分类

 立体匹配的过程：为左图像的每个像素点(xl, yl)，在右图像中搜索对应点。  根据立体匹配过程中涉及的像素范围，可分为：

局部立体匹配

通常以基于局部窗口的立体匹配方法为主。 匹配基元：局部窗口 全局立体匹配

匹配过程中，求解一行或整幅图像中所有像素的相似测度和最大/最小。 匹配基元：像素

 根据立体匹配过程中采用的匹配基元，可分为：

致密匹配

搜索每个像素的对应点，构建致密视差图 匹配基元为像素 稀疏匹配

仅为特征搜索对应点，构建稀疏的视差图. 匹配基元为特征。

P58 有哪些局部立体匹配方法和优缺点

方法：对应性测度、相似性测度、距离测度、相关系数测度、非参数化测度  优点：

◦ 容易实现，只需要考虑局部窗口区域 ◦ 对纹理丰富的区域具有较好匹配性能 ◦ 速度快，只需考虑有限像素 ◦ 易于硬件实现，易于流水线实现  缺点：

◦ 视差不连续、遮挡或边缘区域无法正确估计视差 ◦ 对重复性纹理、无/弱纹理区域无法准确估计视差 P84 全局立体匹配的思想和优缺点

思想：基于动态规划的立体匹配方法

 基于动态规划的匹配算法并不是孤立地寻找每个像素点的匹配值。

 优化整条扫描线，使得该扫描线上所有像素的匹配代价和最小，并满足顺序和平滑

约束。

 不同扫描线独立完成优化。 优缺点：  优点：

◦ 保证了一条扫描线上各像素点的优化匹配。  缺点：

◦ 缺少扫描线间的强制约束

◦ 无法将水平方向和垂直方向的连续性约束有效融合。 ◦ 局部误差会着扫描线传播。

◦ 视差结果图中有着很明显的横纹效应。

。

11欢迎下载

精品文档

欢迎您的下载， 资料仅供参考！

致力为企业和个人提供合同协议，策划案计划书，学习资料等等

打造全网一站式需求

◦

。

12欢迎下载