計(jì)算機(jī)視覺基礎(chǔ)復(fù)習(xí)資料匯總

1、第一章 PPT P11 什么是計(jì)算機(jī)視覺1. 采用計(jì)算機(jī)實(shí)現(xiàn)人類視覺的功能2. 讓計(jì)算機(jī)理解圖像和視頻 P12 計(jì)算機(jī)視覺與圖像處理的區(qū)別圖像處理側(cè)重在“處理”圖像：如增強(qiáng)，還原，去噪，分割，等等；而計(jì)算機(jī)視覺在于使用計(jì)算機(jī)（也許是可移動(dòng)式的）來模擬人的視覺，因此模擬才是計(jì)算機(jī)視覺領(lǐng)域的最終目標(biāo)。要實(shí)現(xiàn)這個(gè)目標(biāo)，至少有兩件事要做，第一是圖像處理，第二是圖像理解。比如一個(gè)機(jī)器人眼睛讀入的數(shù)據(jù)可能是模糊的，可能是有噪聲的，那么首先要進(jìn)行去噪和還原。之后機(jī)器人要能理解這個(gè)圖像意味著什么，比如特定的軍事目標(biāo)，那么它可能要進(jìn)行分割，然后用統(tǒng)計(jì)學(xué)的方式進(jìn)行模式識(shí)別。顯然識(shí)別這個(gè)部分就屬于圖像理解，而非單純

2、的圖像處理了。 P14-20 計(jì)算機(jī)視覺中存在哪些難點(diǎn)和挑戰(zhàn)外觀，大小形狀，運(yùn)動(dòng)，復(fù)雜的姿態(tài)，外觀變化，視點(diǎn)變化 P23-28 圖像中存在哪些計(jì)算機(jī)視覺線索深度線索：直線透視，空間透視遠(yuǎn)近順序線索：遮擋形狀線索：紋理梯度形狀和光照線索：陰影位置和光照線索：投影 P30-46 計(jì)算機(jī)視覺有哪些典型應(yīng)用智能汽車，無人駕駛車人臉識(shí)別，表情識(shí)別，機(jī)器人 P48 CCD/CMOS傳感器的成像原理：光電轉(zhuǎn)換 P49-54 采樣與量化影響圖像的哪些屬性 采樣：采樣的頻率量化：灰度級(jí) P61 圖像坐標(biāo)系圖像左上角為圖像坐標(biāo)系原點(diǎn)，即(0,0)點(diǎn) P75-78 像素距離與鄰域關(guān)系歐式距離：城區(qū)距離：棋盤距離：4

3、鄰域，對(duì)角鄰域，8鄰域 習(xí)題第三章 PPT P11 薄透鏡成像模型 P17-21 射影幾何中哪些物理信息丟失和保留了？丟失：長度，角度保留:直線特性，交比不變性 P22-24 滅點(diǎn)和滅線的概念場景中的平行線投影到圖像平面后，會(huì)聚于“滅點(diǎn)”場景中無盡遠(yuǎn)處的天與地連接成線，滅線。 P46-49 像機(jī)成像過程中包含了哪些內(nèi)參和外參？像機(jī)內(nèi)參fx ： u軸尺度因子，或稱u軸歸一化焦距fy ： v軸尺度因子，或稱v軸歸一化焦距 ： u軸和v軸的不垂直因子，通常為0u0, v0 ： 光學(xué)中心像機(jī)外參R： 像機(jī)旋轉(zhuǎn)矩陣T ： 像機(jī)平移矩陣 P51 像機(jī)標(biāo)定的目的，思路和基本方法目的：確定像機(jī)的內(nèi)參和外參。思

4、路：通過一組已知世界坐標(biāo)的圖像特征點(diǎn)，建立超定方程求解。方法：最小二乘求解超定方程，尋找最優(yōu)估計(jì)。 P63 徑向畸變和切向畸變的概念dr為極坐標(biāo)的幅度變化量，表現(xiàn)為徑向畸變。dt為極坐標(biāo)的角度變化量，表現(xiàn)為切向畸變。 習(xí)題第四章 PPT P4-7 圖像平移、尺度、旋轉(zhuǎn)和級(jí)聯(lián)變換 P14 最近鄰插值 P16-18 雙線性插值第一步：水平方向線性插值第二步：垂直方向線性插值 P20-31 圖像灰度映射 P31-32 直方圖的概念和意義，用已學(xué)過的數(shù)學(xué)原理進(jìn)行解釋概念：圖像中各灰度級(jí)出現(xiàn)頻數(shù)分布的統(tǒng)計(jì)圖表意義：反映各灰度級(jí)出現(xiàn)頻數(shù)的分布情況，進(jìn)而反映圖像對(duì)比(清晰)度，但不反映各灰度級(jí)的空間位置分布

5、 P40 直方圖均衡計(jì)算書本p66例子，g=int（L-1）*gf+0.5 L代表8 表示灰度級(jí) P52-66 模板濾波的概念和理解 P69 中值濾波概念和基本步驟選擇局部窗口中亮度的中間值代替窗口中心像素步驟：將模板中心與圖像中某像素位置重合讀取模板下各對(duì)應(yīng)像素的灰度值將這些灰度值從小到大排成一列找出這些灰度值里排在中間的一個(gè)將這個(gè)中間值賦給對(duì)應(yīng)模板中心位置像素遍歷圖像中所有像素 P71 中值濾波與均值濾波的比較1、中值濾波可有效消除突變 線性濾波總是響應(yīng)所有的變化2、中值濾波具有部分不連續(xù)保持特性 線性濾波會(huì)產(chǎn)生平滑過渡的效果 習(xí)題第五章 PPT P4 為什么要邊緣檢測提取信息，識(shí)別目標(biāo)恢

6、復(fù)幾何和視點(diǎn)邊緣的成因曲面法線不連續(xù)深度不連續(xù)表面顏色不連續(xù)亮度不連續(xù) P10-21 用已學(xué)過的數(shù)學(xué)原理解釋邊緣檢測的原理 P15 有哪些一階導(dǎo)數(shù)算子？試寫出其模板形式 P21 有哪些一階導(dǎo)數(shù)算子？二階導(dǎo)數(shù)算子會(huì)對(duì)噪聲敏感，試解釋原因 P28 Canny算子的最優(yōu)檢測0.準(zhǔn)則 P41 什么是角點(diǎn)？角點(diǎn)有什么特性？可重復(fù)性可再現(xiàn)性同一角點(diǎn)應(yīng)能在不同圖像中檢測出，不受幾何和亮度等變化的影響顯著性每個(gè)角點(diǎn)都是獨(dú)特的局部性特征描述的是圖像中的一個(gè)局部小區(qū)域 P43 SUSAN角點(diǎn)檢測的基本原理 P51 Hough變換的基本思想（投票）以及為什么要進(jìn)行Hough變換邊緣點(diǎn)或特征點(diǎn)檢測基于單個(gè)像素。邊緣跟

7、蹤無法得到完整輪廓，存在弱邊緣或邊緣不連續(xù) 。如何將離散的邊緣點(diǎn)表示為更復(fù)雜的特征？ P55 Hough變換中參數(shù)空間的概念，試寫出直線檢測以及圓檢測的參數(shù)空間設(shè)已知一黑白圖像上畫了一條直線，要求出這條直線所在的位置。我們知道，直線的方程可以用y=k*x+b 來表示，其中k和b是參數(shù)，分別是斜率和截距。過某一點(diǎn)(x0,y0)的所有直線的參數(shù)都會(huì)滿足方程y0=kx0+b。即點(diǎn)(x0,y0)確定了一族直線。方程y0=kx0+b在參數(shù)k-b平面上是一條直線，(你也可以是方程b=-x0*k+y0對(duì)應(yīng)的直線)。這樣，圖像x-y平面上的一個(gè)前景像素點(diǎn)就對(duì)應(yīng)到參數(shù)平面上的一條直線。我們舉個(gè)例子說明解決前面那

8、個(gè)問題的原理。設(shè)圖像上的直線是y=x, 我們先取上面的三個(gè)點(diǎn)：A(0,0), B(1,1), C(22)?？梢郧蟪觯^A點(diǎn)的直線的參數(shù)要滿足方程b=0, 過B點(diǎn)的直線的參數(shù)要滿足方程1=k+b, 過C點(diǎn)的直線的參數(shù)要滿足方程2=2k+b, 這三個(gè)方程就對(duì)應(yīng)著參數(shù)平面上的三條直線，而這三條直線會(huì)相交于一點(diǎn)(k=1,b=0)。同理，原圖像上直線y=x上的其它點(diǎn)(如(3,3),(4,4)等)對(duì)應(yīng)參數(shù)平面上的直線也會(huì)通過點(diǎn)(k=1,b=0)。 P68 Hough變換的優(yōu)點(diǎn)對(duì)邊緣不連續(xù)具有較好的容忍性對(duì)噪聲干擾具有較好的魯棒性對(duì)目標(biāo)遮擋具有較好的抗干擾性 習(xí)題第六章 PPT P2 目標(biāo)分割的概念、目的、

9、意義概念：將圖像劃分成若干具有特征一致性且互不重疊的圖像區(qū)域的過程目的：有選擇性地定位感興趣對(duì)象在圖像中的位置和范圍意義：區(qū)域?qū)τ趫D像理解和識(shí)別非常重要，往往表征場景中的目標(biāo)，或部分目標(biāo)。一幅圖像可以包含多個(gè)目標(biāo)，每個(gè)目標(biāo)包含多個(gè)區(qū)域，每個(gè)區(qū)域?qū)?yīng)目標(biāo)的不同部分。圖像分割是將圖像劃分為一組有意義的區(qū)域。 P14 圖像分割有哪些方法？基于哪些特征基于輪廓的 確定目標(biāo)輪廓基于區(qū)域的 確定屬于目標(biāo)的像素。 P27 圖搜索有哪些策略，以及各自特點(diǎn)廣度優(yōu)先搜索特點(diǎn)？深度優(yōu)先搜索特點(diǎn)？啟發(fā)式：啟發(fā)函數(shù)，代價(jià)函數(shù)特點(diǎn)？與廣度和深度優(yōu)先搜索的聯(lián)系？算法和A*算法特點(diǎn)？ P40 試用直方圖的概念解釋直方圖分割的

10、思想 P45 最優(yōu)閾值的分割思想閾值分割實(shí)質(zhì)：灰度映射中的二值化方法，將圖像像素分為兩類：前景目標(biāo)和背景思路：使圖像中目標(biāo)物和背景分割錯(cuò)誤最小的閾值。 P52 最大類間方差(OTSU)的分割思想它是按圖像的灰度特性,將圖像分成背景和目標(biāo)2部分。背景和目標(biāo)之間的類間方差越大,說明構(gòu)成圖像的2部分的差別越大,當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致2部分差別變小。因此,使類間方差最大的分割意味著錯(cuò)分概率最小 習(xí)題第九章 PPT P3-9 圖像中包含了哪些深度線索？陰影紋理遮擋運(yùn)動(dòng)模糊 P26-27 平行光軸立體視覺系統(tǒng)的感知深度的原理和基本公式三角形相似定理 P32-35 75-83 立體視覺系統(tǒng)中有哪些約束極線約束立體匹配約束 P41 立體視覺標(biāo)定校正的目的輸入圖像通過透視變換使得外極線水平，且共線?；冃Ｕ?，使得成像過程符合小孔成像模型。 P52 立體匹配的概念及分類立體匹配的過程：為左圖像的每個(gè)像素點(diǎn)(xl, yl)，在右圖像中搜索對(duì)應(yīng)點(diǎn)。局部立體匹配通常以基于局部窗口的立體匹配方法為主。匹配基元：局部窗口全局立體匹配匹配過程中，求解一行或整幅圖像中所有像素的相似測度和最大/最小。匹配基元：像素致密匹配搜索每個(gè)像素的對(duì)應(yīng)點(diǎn)，構(gòu)建致密視差圖匹配基元為像素稀疏匹配僅為特征