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

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

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？

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。

❝ 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

033310310001100101x p y T

X u f u Y z v f v Z γ⨯⨯⨯⎡⎤⎡⎤⎡⎤⎢⎥

⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦

R T 0

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

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

111u u u v v v '⎡⎤⎡⎤⎡⎤

⎢⎥⎢⎥⎢⎥'=⋅⋅⋅=⎢⎥⎢⎥⎢⎥

⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦

R S T A

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

❝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：

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。

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。

123456

x k x k y k y k x k y k '=++⎧⎨

'=++⎩