计算机视觉应用期末试卷,计算机视觉期末复习

.

精品 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、 1.常见的几何变换：平移T x 为点(x ，y )在x 方向要平移的量。 旋转 变尺度：x 轴变大a 倍，y 轴变大b 倍。 2.卷积掩膜技术：(,)(,)(,)(,)m n f i j h i m j n g m n =--∑∑ 对应相乘再相加 掩膜的有效应用——去噪问题

3. 均值滤波器(低通)：抑制噪声 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

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

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 *介绍单值阈值，它把一幅灰度图像转换成二值图像 *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)

⎩⎨⎧≤>=T

y x f T y x f y x g ),( 0),( 1),(如果如果1100cos sin 0[1][1]sin cos 0001x y x y θθθθ-⎛⎫ ⎪

= ⎪ ⎪⎝⎭110000[1][1]0000a x y x y b ab ⎛⎫ ⎪= ⎪ ⎪⎝⎭(,)1

[,][,]k l N h i j f k l M ∈=∑⎪

⎪⎪⎭⎫ ⎝⎛=1010001]1[]1[0011y x T T y x y x