第一章 PPT
P11 什么是计算机视觉
采用计算机实现人类视觉的功能
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
图像处理侧重在“处理”图像:如增强,还原,去噪,分割,等等;而计算机视觉在于使用计算机(也许是可移动式的)来模拟人的视觉,因此模拟才是计算机视觉领域的最终目标。要实现这个目标,至少有两件事要做,第一是图像处理,第二是图像理解。比如一个机器人眼睛读入的数据可能是模糊的,可能是有噪声的,那么首先要进行去噪和还原。之后机器人要能理解这个图像意味着什么,比如特定的军事目标,那么它可能要进行分割,然后用统计学的方式进行模式识别。显然识别这个部分就属于图像理解,而非单纯的图像处理了。
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:长度,角度
保留: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”
场景中无尽远处的天与地连接成线,灭线。
P46-49 像机成像过程中包含了哪些内参和外参?
像机内参
fx : u轴尺度因子,或称u轴归一化焦距
fy : v轴尺度因子,或称v轴归一化焦距
γ : u轴和v轴的不垂直因子,通常为0
u0, v0 : 光学中心
像机外参
R: 像机旋转矩阵
T : 像机平移矩阵
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
dr为极坐标的幅度变化量,表现为径向畸变。
dt为极坐标的角度变化量,表现为切向畸变。
习题
第四章 PPT
P4-7 图像平移、尺度、旋转和级联变换
P14 最近邻插值
P16-18 双线性插值
第一步:水平方向线性插值
第二步:垂直方向线性插值
P20-31 图像灰度映射
P31-32 直方图的概念和意义,用已学过的数学原理进行解释
概念:图像中各灰度级出现频数分布的统计图表
意义:反映各灰度级出现频数的分布情况,进而反映图像对比(清晰)度,但不反映各灰度级的空间位置分布
P40 直方图均衡计算
书本p66例子,g=int[(L-1)*gf+0.5] L代表8 表示灰度级
P52-66 模板滤波的概念和理解
P69 中值滤波概念和基本步骤
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
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
习题
第五章 PPT
P4 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
P15 有哪些一阶导数算子?试写出其模板形式
P21 有哪些一阶导数算子?二阶导数算子会对噪声敏感,试解释原因
P28 Canny算子的最优检测0.准则
P41 什么是角点?角点有什么特性?
可重复性/可再现性
同一角点应能在不同图像中检测出,不受几何和亮度等变化的影响
显著性
每个角点都是独特的
局部性
特征描述的是图像中的一个局部小区域
P43 SUSAN角点检测的基本原理
P51 Hough变换的基本思想(投票)以及为什么要进行Hough变换
边缘点或特征点检测基于单个像素。
边缘跟踪无法得到完整轮廓,存在弱边缘或边缘不连续 。
如何将离散的边缘点表示为更复杂的特征?
P55 Hough变换中参数空间的概念,试写出直线检测以及圆检测的参数空间
设已知一黑白图像上画了一条直线,要求出这条直线所在的位置。我们知道,直线的方程可以用y=k*x+b 来表示,其中k和b是参数,分别是斜率和截距。过某一点(x0,y0)的所有直线的参数都会满足方程y0=kx0+b。即点(x0,y0)确定了一族直线。方程y0=kx0+b在参数k--b平面上是一条直线,(你也可以是方程b=-x0*k+y0对应的直线)。这样,图像x--y平面上的一个前景像素点就对应到参数平面上的一条直线。我们举个例子说明解决前面那个问题的原理。设图像上的直线是y=x, 我们先取上面的三个点:A(0,0), B(1,1), C(22)。可以求出,