1 图像
在机器视觉里,图像是基本的数据结构,它所包含的数据通常是由图像采集设备传送到计算机的内存中的。
为处理所以可能的应用,图像可以视为一组任意多的通道组成的。
一般将图像通道看做是一个二维数组,在像素(r, c)处的灰度值可以被解释为矩阵 中的一个元素。
在几乎所有的情况下,图像采集设备不但在空间上把图像离散化,同时也会把灰度值离散化到某一固定的灰度级范围内。
2 区域
对任意一副图像,可以用一个包含该图像所有像素点的矩形感兴趣区域来表示此幅图像。
3 亚像素精度
亚像素数据可以通过亚像素阈值分割或亚像素边缘提取来获得。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的。
4 灰度值变换
最重要的灰度值变换是灰度值线性比例缩放, 。
当 时转换后的输出灰度可以图像灰度值的最大的取值范围。这种变换可以理解为图像的归一化处理。
5 辐射标定
如果对非线性响应的图像使用了逆响应,那么结果图像就是线性响应的。确定逆响应函数的过程被称作辐射标定。
5 图像平滑
在大多数情况下,图像中的噪声必须通过图像平滑处理进行抑制。
只要一个滤波器在运算时允许分别在行和列上求和,那么此滤波器就被称为可分滤波器。线性滤波器可以通过卷积来计算。
噪声主要以图像中灰度值高频波动的方式暴露出来。
高斯滤波器是唯一的各向同性的可分平滑滤波器。与均值滤波器相比高斯滤波器更好的抑制了高频部分。
在更关注结果的质量时,高斯滤波器是首选的平滑滤波器,而在更关注执行速度时,首选使用均值滤波器。