计算机视觉期末复习.docxVIP

.

一、

1.什么是计算机视觉？理解计算机视觉问题的产生原理。

研究用计算机来模拟生物视觉功能的技术学科。具体来说，就是让计算机具有对周围世界的空间物体进行传感、抽象、分析判断、决策的能力，从而达到识别、理解的目的。

2.直方图的均衡化

处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方

图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是

把给定图像的直方图分布改变成“均匀”分布直方图分布。

是将原图像通过某种变换，得到一幅灰度直方图更为均匀分布的新图像的方法。设图像均衡化处理后，图像的直方图

是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。

二、

[x

1

y

1

0

1]?[x

0

y

0

?1

?

1]?0

?T? x

0

0?

?

0?

1??

1

1.常见的几何变换：平移Tx为点（x，y）在x方向要平移的量。

旋转 [x 1 y 1 1]?[x 0 y 0 1]?sin? ?cos?

?

?sin?

cos? 0? 0??

变尺度：x轴变大a倍，y轴变大b倍。[x ? ? 0 0 1??

1 y 1 1]?[x 0 y 0 1]?0 ?a ?

f(i,j)? ?? h(i?m,j?n)g(m,n) ?0?2.卷积掩膜技术： (m,n) 对应相乘再相加

T

y

0?

?

0?

ab??

b

0

掩膜的有效应用——去噪问题

3.均值滤波器（低通）：抑制噪声

?

f[k,l]

主要用于抑制噪声，对每一个目标像素值用其局部邻域内所有像素值的加权均值置换。con命令 h[i,j]?1

M

高斯滤波器：一个朴素的道理，距离目标像素越近的点，往往相关性越大，越远则越不相干。所以，高斯

(k,l)?N

滤波器根据高斯函数选择邻域内各像素的权值medfilt1。

区别方法是：高通滤波器模板的和为0，低通滤波器模板的和为1

常用的非线性滤波器：中值滤波；双边滤波；非局部滤波

4.边缘检测算子：通过一组定义好的函数，定位图像中局部变换剧烈的部分（寻找图像边缘）。主要方法有：Robert交叉梯度，Sobel梯度，拉普拉斯算子，高提升滤波，高斯-拉普拉斯变换（都是高通滤波器）

Canny边缘检测算法步骤：1.用高斯滤波器平滑图像．

2.用一阶偏导有限差分计算梯度幅值和方向.

3.对梯度幅值进行非极大值抑制．

4.用双阈值算法检测和连接边缘．

5.分割（大题伪码？）

（1）经典方法是基于灰度阈值的分割方法 ?1 如果f(x,y)?T 如果f(x,y)?T*介绍单值阈值，它把一幅灰度图像转换成二值图像 g(x,y)?? ?0

*求T的常用的方法是求解灰度直方图中的双峰或者多峰，并以两峰之间的谷底作为阈值。

*全局阈值是指整幅图像使用同一个阈值做分割处理，并产生一个二值图，区分出前景对象和背景。适用于背景和前景对比度大的图像

算法实现：--选取一个合适的阈值T，逐行扫描图像

– 凡灰度级大于T的，颜色置为255；凡灰度级小于T的，颜色置为0

（2）自适应阈值：解决单值阈值无法工作的一个方法是将图像分割为子图像，并分别进行阈值化处理6.Hough变换：可用于将边缘像素连接起来得到边界曲线，主要优点在于受噪声和曲线间断的影响较小(鲁棒性好)

精品

.

这意味着：原图像空间中的每条直线在参数空间中都对应一个点。

如果一幅图像中存在某一条直线，那么对应参数空间中，某个点一定被击中较多次。但是如果采用表示直线，不能表示水平和竖直的情况。

将其转换为s

?

x

cos

?

?

y

si

n?Hough变换就没有了限制。直线还会变成单个点。参数空间的坐标变成了s，?

7.拓扑描述（应用？）

区域的拓扑描述用于描述物体平面区域结果形状的整体性。也就是说，只要图形不撕裂或者折叠，拓扑描述的性质就不会受到图形变形的影响。常用的特性有：

（1）孔：如果一个封闭的区域内，其不包含我们感兴趣的像素，则成为此区域为图像的孔洞，用H表示。

（2）欧拉数EUL：在图像中，图像中所有对象的总数C与孔洞数相减，为欧拉数。EUL=C-H 在Matlab中，采用bweuler计算二值图像的欧拉数。

三、

1．角点:是景物轮廓线上曲率的局部极大点，是物体边缘拐角所在的位置点,对掌握景物的轮廓特征具有决定作

用。一旦找到了景物的轮廓特征点也