《計算機視覺》教學大綱

《計算機視覺》教學大綱

前言

《計算機視覺》課程是信息與計算科學專業(yè)的選修課程.《計算機視覺》以視覺技術為

邏輯起點，以信息與計算科學專業(yè)的學生為講投對象，計算機視覺（MachineVision）是基于視

覺技術的一門邊緣科學其核心技術是視覺處理，并通過對視覺處理來執(zhí)行進一步的檢測與控

制等。它的研究內(nèi)容非常廣泛，涉及計算機、圖像處理、模式識別、人工智能、信號處理、

光學、機械等多個領域。用簡單的一句話來概括就是用機器代替人眼來做各種測量和判斷。

本課程有助于開闊學生視野、使學生了解本專業(yè)的發(fā)展前沿，是集理論性與應用性為一體的

學科。

設置本課程的目的是使學習者在全面了解視覺技術的歷史、現(xiàn)狀與發(fā)展趨勢的基礎上，

系統(tǒng)掌握計算機視覺圖像基本處理的理論、方法、技術，運用計算機視覺基本理論、實驗裝

置和圖像處理軟件，加深理解計算機視覺的基本概念，具備在計算機上利用圖像處理軟件進

行相關操作的實際技能，培養(yǎng)學生的動手能力和分析問題解決問題的能力，把學生培養(yǎng)成面

向二十一世紀的復合型人才。

學習本課程的要求是:學習者應掌握計算機視覺的基礎理論、基本方法和實用算法，如

二值圖像分析、圖像預處理、圖像增強、邊緣檢測、圖像分割、紋理分析、明暗分析、深度

圖與立體視覺。并掌握一定的科學研究方法與技能，為有潛力成為研究型人才的學生打下一

定基礎。

先修課程要求MATLAB編程，空間解析幾何，數(shù)學分析，窗等代數(shù)本課程計劃72學

時課堂教學+36學時實驗3學分，每周4+2個課時選用教材:（美）杰恩（Jain.R）等著，計算機

視覺（英文版），機械工業(yè)出版社，2003年

教學手段:課常講授為主，習題課，試驗為輔

考核方法:閉卷書面考試

教學進程安排表

學時教學方

周次教學主要內(nèi)容備注

數(shù)法

計算機視覺的定文,視覺系統(tǒng)所包含的部分,視覺所面臨的問題:計算機

13講課

視覺的應用:對圖像的簡單處理，與其它學科的關系。

成像和圖像表示，介紹成像原理，成像過程產(chǎn)生的變形和各種感應器,特

23講課

別是CCD攝像機:目前流行的圖像表示技術.討論圖像與空間的關系。

講課與

二值圖像處理（二）、二值圖像的拓撲定義.圖像的基本算法表示,標志

33習題課

算法，物體的性質(zhì)提取。

結(jié)合

43二色圖像處理（二）.形態(tài)學，物體的性質(zhì)提??；閥色化方法.講課

53模式識別（一）.基本概念，類別的表示，分類器，決策樹.講課

講課與

63模式識別（二）.3ayes分類和人工神經(jīng)網(wǎng)絡習題課

結(jié)合

灌波和圖像增強（一）.波和圖像增強的原因，灰度值的映射C含直方圖的均衡化），

73講課

小塊噪聲去除

83灌波和圖像增強（二）.平滑處理，中值泄波器，邊緣檢測.講課

講課與

93漁波和圖像增強（三）.Canny邊緣檢測，卷積，矩陣空間的基.Fouier變換.習題課

靖合

彩色和陰影。色彩的物理性質(zhì)，彩色的RGB基和其它基表示，彩色直方圖.

103講課

彩色圖像分割.

113紋理分析分析和紋理切割講課

講課與

123基于圖像內(nèi)容的圖像恢復，圖像陣，圖像直詢，圖像距禺和圖像數(shù)據(jù)怖的結(jié)構(gòu).習題課

結(jié)介

133基于2D圖像序列的運動分析（一）運動現(xiàn)象和應用，運動向信的計算講課

143基于2D圖像序列的運動分析（二運動點的路徑計算，監(jiān)測初軟中的顯著變化.講課

講課與

153圖像分割（一）.區(qū)域的確定和表示，輪廊的確定習胭課

雄合

1G3圖像分割（二）.對分制的擬合，確定高層次的結(jié)構(gòu)，基于運動大聯(lián)性的分割.講課

1732D圖像匹配（一）.2D數(shù)據(jù)的配準，點的表示,仿射映射.講課

講課與

2D圖像匹配（二好二維仿射變換，基于仿射變換的2D物體識別，基于關系匹

183習題課

配的2D物體識別非線性變形

結(jié)合

基于2D圖像的3D解（一）特征圖像，基于方塊的直線標記，2D圖像中的三

193講課

維線索

講課與

域于2D圖像的3D理解（二透視成像模型，基于立體圖像的深度感知，薄棱鏡

203習題課

方程.

結(jié)介

第一章緒論

一、學習目的

通過本章的學習，熟練掌握計算機視覺的定義，視覺系統(tǒng)所包含的部分，視覺所面臨

的問題，計算機視覺的應用;對圖像的簡單處理，與其它學科的關系。緒論計劃6學時

二、課程內(nèi)容

1.1Marr的視覺理論計算

簡要地介紹Marr的視覺理論的基本思想及其理論架

1.2計算機視覺的應用

計算機視覺技術正廣泛地應用于各個方面，從醫(yī)學圖像到遙感圖像從工業(yè)檢測到文件

處理，從亳微米技術到多媒體數(shù)據(jù)庫，不一而足?？梢哉f，需嬰人類視覺的場合兒乎都需

要計算機視覺。應該指出的是，許多人類視覺無法感知的場合，如精確定量感知、危險場

景感知、不可見物體感知等，計算機視覺更突顯其優(yōu)越性，

1.3計算機視覺研究內(nèi)容與面臨的困難

計算機視覺研究可以分為如下五大研究內(nèi)容:輸入設備、低層視覺中層視覺、高層視覺、

體系結(jié)構(gòu)，識別和理解周國場景是?件非常容易的事，但對于機器來說，卻是一件很困難

的事.

1.4計算機視覺與其它學科領城的關系

與計算機視覺有關的學科有許多。本節(jié)主要討論一些與計算機視覺密切相關的領域。

關于計算機視覺與其它學科的關系，我們不作詳盡的討論。

1.5成像的幾何基礎

這里我們只考慮三維空間到二維空間的兩種常用映射：透視投影變換和正交投影變換.

三、重點、難點提示和教學手段

（一）重點、難點

1.計算機視覺研究內(nèi)容與面臨的困難：

2.計算機視覺與其它學科領域的關系：

3.成像幾基礎

（二）教學手段

課堂講授與習題課相結(jié)合

四、思考與聯(lián)系

（注:恩考與練習的形式有教師自行確定）

第二章二值圖像分析

一、學習目的

二值視覺系統(tǒng)的輸入一般是灰度圖像，通常使用闊值法首先將圖像變成二值圖像，以

便把物體從背景中分離出來，其中的閥值取決于照明條件和物體的反射特性。二值圖像可

用來計算特定任務中物體的幾何和拓撲特性，在許多應用中，這種特性對識別物體來說是

足夠的。二值視覺系統(tǒng)已經(jīng)在光學字符識別、染色體分析和工業(yè)零件的識別中得到了廣泛

應用，通過本章的學習，熟練掌握二值圖像中的拓撲定義圖像的基本算法的表示，標志算

法，物體的性質(zhì)提取，形態(tài)學，物體的性質(zhì)提?。洪y值化方法，本章計劃6學時

二、課程內(nèi)容

2.1閥值

從圖像中識別代表物體的區(qū)域《或子圖像），這種對人來說是件非常容易的事，對計算

機來說卻是令人吃驚的困難，為了將物體區(qū)域同圖像其它區(qū)域分離出來，需要首先對圖像進

行分割，把圖像劃分成區(qū)域的過程稱為分割

2.2幾何特性

通過閥值化方法從圖像中檢測出物體后，下一步就要對物體進行識別和定位。在大多數(shù)

工業(yè)應用中，攝像機的位置和環(huán)境是已知的，因此通過簡單的幾何知識就可以從物體的二維

圖像確定出物體的三維位置，在大多數(shù)應用中，物體的數(shù)量不是很多，如果物體的尺寸和形

狀完全不同，則可以利用尺度和形狀特征來識別這些物體，營合在文檔多工業(yè)應用中，經(jīng)常

使用區(qū)域的一些簡單特征，如大小、CA來確定物體的位置并識別它們。

2.3投影

給定一條直線，用垂直該直線的一簇等間距直線將一幅二值圖像分割成若干條，每一條

內(nèi)像系值為1的像案個數(shù)為該條二值圖像在給定自線上的投影（projection）.

2.4游程長度編碼

游程長度編碼（run-lengthencoding）是另一種二值圖像的簡潔表示方法它是用圖像像素

值連續(xù)為1的個數(shù)《像案1的長度）來播圖像，這種編碼已被用于圖像傳輸，另外，圖像的

某些性質(zhì)，如物體區(qū)域面積也可以從游程長度編碼直接計算出來

三、重點、難點提示和教學手段

（一）重點、難點

1.閥值；

2.兒何特性：

3.投影

4.游程長度編碼

（二）教學手段

課堂講授與習題課相結(jié)合

四、思考與練習

（注:思考與練習的形式有教師自行確定）

第三章區(qū)城分析

一、學習目的

圖像中的區(qū)域是指相互連結(jié)的具有相似特性的一組像素.由于區(qū)城可能對應場景中的物

體，因此，區(qū)域的檢測對于圖像解釋十分重要。一幅圖像可能包含若干個物體，而每一個物

體又可能包含對了物體不同部位的若干個區(qū)域。為了精確解釋一幅圖像，首先要把它分成對

應于不同物體或物體不同部位的區(qū)域，本章計劃6學時，

二、課程內(nèi)容

3.1區(qū)域和邊緣

圖像區(qū)域劃分有兩種方法一種是基于區(qū)域的方法，另一種是使用邊緣檢測的輪廓預估

方法.

3.2分割

把一幅灰度圖像轉(zhuǎn)換成二值圖像是圖像分割的最簡單形式。用于求取二值圖像的閱值算

法可以推廣到求取多值圖像，其中的閥值算法已經(jīng)在第三章中討論過了.為了在各種變化的

場景中都能得到魯棒的圖像分割，閥值分割算法應能根據(jù)圖像強度取樣來自動選取合適的闕

值。閥值分割法不要過分依賴于物體的灰度知識，且使用有關灰度值的相對特性來選取合適

的閥值.

3.3區(qū)域表示

區(qū)域有許多應用，也有許多種表示方法。不同的表示方法有著不同的應用，一些應用只

需計算單個區(qū)域，而另一些則需要計算圖像各區(qū)城的關系。木節(jié)將討論幾種區(qū)域表示方法并

研究它們的特性。大多數(shù)區(qū)域表示方法可以歸納為下面三種類型陣列表示，層級表示，基于

特征的區(qū)域表示，

3.4分裂和合并

使用分裂和合并的組合算法可以實現(xiàn)自動細化分割運算.分裂和合并運算是通過合并屬

「同一物體的鄰接區(qū)域來消除錯誤的邊界和虛假的區(qū)域，同時可以通過分裂屬「不同物體的

區(qū)域來增添丟失的邊界

3.5區(qū)域增長

尋找初始區(qū)域核，并從區(qū)域核開始，逐漸增長核區(qū)域，形成滿足?定約束的較大的區(qū)域，

例如，一致性謂詞是基于區(qū)域灰度的平面或二次曲面函數(shù)擬合，然而，在一般情況下，一致

性謂詞是基于圖像區(qū)域的特征，如，平均強度、方差、紋理和顏色等

三、重點、難點提示和教學手

(-)重點、難點

1.分割

2.區(qū)域表示：

3.分裂和合并

4、區(qū)域增長

(二)教學手段

課堂講授與習題課相結(jié)合

四、思考與練習

（注:思考與練習的形式有教師自行確定）

第四章圖預處理

一、學習目的

通過本章的學習，熟練掌握圖像增強技術的兩種方法空間域法和頻率域法。空間域方

法主要是在空間域內(nèi)對圖像像素直接運算處理。頻率域方法就是在圖像的某種變換域，對圖

像的變換值進行運算，如先對圖像進行傅立葉變換，再對圖像的頻譜進行某種計算（如濾波

等），最后將計算后的圖像逆變換到空間域，本章計劃9學時

二、課程內(nèi)容

4.1直方圖修正

直方圖均衡化是一種通過重新均勻地分布各灰度值來增強圖像對比度的方法，經(jīng)過直方

圖均衡化的圖像對二值化閱值選取十分有利.?般來說，直方圖修正能提高圖像的主觀質(zhì)量,

因此在處理藝術圖像時非常有用.

4.2圖像線性運算

熟練掌握線性系統(tǒng)和傅立葉變換.

4.3線性濾波器

熟練掌握均值濾波器，高斯平滑濾波

4.4非線性濾波

熟練掌握中值濾波，邊緣保持濾波器

三、重點難點提示和教學手

（一）重點、難點

1.直方圖修正.

2.圖像線性運算，線性系統(tǒng)和傅立葉變換

3.線性濾波器，均值濾波器，高斯平滑濾波。

4.非線性濾波，中值濾波，邊緣保持濾波器

（二）教學手段

課堂講授與習題課相結(jié)合，計算機試驗.

四、思考與練習

（注:思考與練習的形式有教師自行確定）

第五章邊緣檢測

一、學習目的

邊緣(edge)是指圖像局部強度變化最顯著的部分。邊緣主要存在于口標與目標、目標與

背景、區(qū)域與區(qū)域(包括不同色彩)之間，是圖像分割、紋理特征和形狀特征等圖像分析的重

要基礎。圖像分析和理解的第一步常常是邊緣檢測(edgedetection),本章計劃9學時

二、課程內(nèi)容

5.1梯度

邊緣檢測是檢測圖像局部顯著變化的最基本運算，在一維情況下，階躍邊綜同圖像的一

階導數(shù)局部峰值有關.梯度是函數(shù)變化的一種度量而一幅圖像可以看作是圖像強度連續(xù)函數(shù)

的取樣點陣列，因此，同一維情況類似，圖像灰度值的顯著變化可用梯度的離散逼近函數(shù)來

檢測

5.2邊緣監(jiān)測算法

熟練掌握邊緣檢測算法有如下四個步驟濾波，增強，檢測，定位。熟練掌握Roberts算

子、Sobel算子、Prewitt算子

5.3二階微分算子

熟練掌握二階導數(shù)有兩種算子:拉普拉斯算子和二階方向?qū)?shù)

5.4LOG算法

將高斯濾波和拉普拉斯邊緣檢測結(jié)合在一起，形成LOG(LaplacianofGaussian.LOG)算法,

也稱之為拉普拉斯高斯算法。了解LOG邊緣檢測器的基本特