机器视觉算法笔记

1、相机的信噪比、SNR=1时（光强可探测到的最小光强，绝对灵敏度），动态增益为光强.sat/光强.min（dB/位），量子效率是波长的函数：η=η（λ）--CCD比CMOS灵敏，动态范围大。

2、数据结构：图像、区域和亚像素轮廓

图像：彩色摄像机采集的是每个像素对应的三个采样结果（RGB三通道图像）、图像通道可被看作一个二维数组，设计语言中的表示图像的数据结构；两种约定：离散函数（点对点）R→R n、连续函数：R2→R n。

区域：可以表示一幅图像中一个任意的像素子集，区域定义为离散平面的一个任意子集：R ∈Z2，将图像处理闲置在某一特定的感兴趣区域（一幅图像可被看作图像所有像素点的矩形感兴趣区域）。二值图像特征区域：用1表示在区域内的点，用0表示不在区域内的点；行程表示法：每次行程的最小量的数据表示行程的纵坐标、行程开始和行程结束对应横坐标值。行程编码较二值图像节省存储空间（行程编码保存在16位整数，须要24个字节，而采用二值图像描述区域，每个像素点占1个字节，则有35个字节）。行程编码保存的只是区域的边界。为描述多个区域，采用链表或数组来保存采用形成编码描述的多个区域，每个区域的信息是被独立保存和处理的。

亚像素轮廓：比像素分辨率更高的精度（亚像素阈值分割或亚像素边缘提取）。轮廓基本上可被描述成多表型，然后用排序来说明哪些控制点是彼此相连的，在计算机里，轮廓只是用浮点数表示的横和纵坐标所构成的数组来表示。

3、图像增强：硬件采集的图像质量不好，可应用软件进行增强。

灰度值变换：由于光源照明的影响，局部的图像会产生对比度与设定值不一致，需要局部的去增强对比度。为提高变换速度，灰度值变换通常通过查找表（LUT）来进行（将灰度输入值变换后输出保存到查找表中），最重要的灰度值变换是线性灰度值比例缩放：f(g)=ag+b（ag 表示对比度，b表示亮度）。为了自动获取图像灰度值变换参数a、b的值，通过图像感兴趣区域的最大与最小灰度值设置出a、b的值（灰度值归一化处理）。灰度直方图表示某一灰度值i出现的概率。对于存在很亮和很暗的区域，图像归一化时需要去除一小部分最暗、最亮的灰度值（用2个水平线截取区域），再进行图像归一化处理，将对比度提高（鲁棒的灰度归一化处理）。

辐射标定：传感器收集的能量与图像实际灰度值的关系是非线性时候（一般需要是线性的，提高某些处理算法的精确度），对非线性相应求其逆响应的过程就是辐射标定。取q=？对响应函数求逆运算得到线性响应，求q的过程既是标定。

图像平滑：抑制由于多种原因产生的图像噪声（随即灰度值）。干扰后灰度值=图像灰度值+噪声信号（将噪声看作是针对每个像素平均值为0且方差是б2的随机变量），降噪方法之一、时域平均法，采集多幅图像进行平均，标准偏差将为原来的1/根号n，求的平均值后，将任意一幅图像减去平均，即为该幅图像的噪声；方法之二、空间平均操作法，通过像素数(2n+1)*(2m+1)的一个窗口进行平均操作，会使边缘模糊（计算量非常大，进行(2n+1)*(2m+1)次操作）；方法之三、递归滤波器，在前一个计算出的值的基础上计算出新的值，较方法一速度快了30倍；满足所有准则（平滑程度准则t，以及XXs滤波）的高斯滤波器：高斯滤波器是可分的，所以可以非常高效率的被计算出来，能够更好地抑制高频部分。若更关注质量，则应采用高斯滤波器；若关注执行速度，首选使用均值滤波器。

傅里叶变换：将图像函数从空间域转变到频率域，可以再进行频率高低的滤波操作平滑。

4、插值算法：图像被放大不清晰时，通过插值增加放大的增多的像素

最近像素插值算法：最近像素插值算法(Nearest Neighbour Interpolation)是最简单的一种插值算法，当图片放大时，缺少的像素通过直接使用与之最接近的原有像素的颜色生成，也就是说照搬旁边的像素，这样做的结果是产生了明显可见的锯齿；

双线性插值算法：双线性插值算法(Bilinear Interpolation)输出的图像的每个像素都是原图中四个像素(2×2)运算的结果，这种算法极大程度上消除了锯齿现象；

双三次插值算法：双三次插值算法(Bicubic Interpolation)是上一种算法的改进算法，它输出图像的每个像素都是原图16个像素(4×4)运算的结果，这种算法是一种很常见的算法，普遍用在图像编辑软件、打印机驱动和数码相机上。

分形算法：分形算法(Fractal Interpolation)是Altamira Group 提出的一种算法，这种算法得到的图像跟其他算法相比更清晰、更锐利。

这些算法主要应用在图像变换操作中。

5、特征提取：区域的矩作为特征量，要对分割出来的区域进行操作，需要确定一个或多个特征量（特征），区域特征是能够从区域自身提取出来的特征；灰度值特征还需要图像中区域内的灰度值；轮廓特征是基于轮廓坐标的。

区域特征：区域的面积就是区域内所有点的总和，对于二值图像累加项较行程要多得多 ,1,00,1(,)1,)p q p q r c R u r c n n a ∈=-->∑求出重心（归一化的矩推导出重心

（p+q ≥2）时，有：,1,00,1(,)1

()(-)p q p q r c R u r n c n a ∈=-∑（二阶中心距）

通过计算椭圆的长轴、短轴与水平夹角或者矩形的长宽和方位为确定区域大小和方位。 在一定区域内，一个点集的凸包就是包含了区域内所有点的最小凸集（如果任意两点练成的直线上的所有点都在点集中，这个点集就是凸集），所以可以利用凸包来确定某区域（面积与该区域凸包比值为凸性）；然后再跟踪区域边界获取一个轮廓，获取到轮廓线段的欧几里得距离，进行求和就得到轮廓长度L,加上面积a 引出紧性概念2/(4)c L a π=。

灰度值特征：先引出区域内最大最小灰度值，在两个不同参考区域内计算平均灰度值可测量出线性亮度变化，从而计算一个线性灰度值变换（平均灰度值是一个统计特征，另一个统计特征是灰度值的方差和标准偏差。（基于矩的灰度值特征与相应的局域矩的区域特性非常相似）使用区域的特征函数作为灰度值时，灰度值矩就被简化为区域矩（特征函数被用来解释1为像素在区域内，0为像素在区域外，在处理小物体上，灰度值矩能得到准确度更好地处理结果）；定义一个模糊隶属关系：灰度值低于北京灰度值最小值的每个像素，其隶属关系值为0，高于前景灰度值最大值的每个像素，关系为1，灰度值落在此范围内，其隶属关系通过线性插值得到，而这一计算过程需要使用浮点图像，所以将隶属关系值按比例放大到一个b 位整数图像上（一般8位），再通过计算灰度值矩和中心灰度矩判断区域特征。 轮廓特征：亚像素精度轮廓长度的计算容易些，因为轮廓已经用于控制点(,)i i r c ，假设一个闭合轮廓通过11(,)(,)n n r c r c =来表示，R 表示轮廓围绕的亚像素精度区域，则（p,q ）阶矩被定义为：,(,)p q p q r c R m r c d rd c ∈=

⎰⎰，与区域矩类似，可定义归一化的矩和中心距。轮