简述计算机视觉极限约束的原理,计算机视觉基础复习汇总解析.doc

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，