计算机视觉基础复习计算机视觉基础复习.docx

第一章 PPT P11 什么是计算机视觉采用计算机实现人类视觉功能，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数字图像处理 图像/视频 -> 图像/视频 （图像变换、图像滤波、图像复原、图像压缩、…）计算机视觉 图像/视频 -> 模型 （二维基素图 -> 2.5维要素图 -> 三维模型表征） P14-20 计算机视觉中存在哪些难点和挑战挑战：外观、大小和形状；复杂姿态/运动；复杂和不可预测的行为；噪声和遮挡；外观变化；上下文间依赖性；视点变化 P23-28 图像中存在哪些计算机视觉线索深度线索：直线透视 计算机视觉是人工智能领域的一个重要分支，它旨在模拟和实现人类视觉功能，使计算机能够理解和解析图像及视频数据。计算机视觉不仅关注图像的表面特征，更深入到图像背后的模型构建，例如将二维图像转化为2.5维或三维模型的表示。 与数字图像处理不同，计算机视觉的目标是从图像中提取更高层次的信息，比如物体识别、行为分析等。图像处理主要侧重于图像的变换、滤波、复原、压缩等操作，而计算机视觉则更注重从这些处理结果中构建和理解世界模型。 计算机视觉面临的挑战包括外观、大小和形状的变化，物体的复杂姿态和运动，以及环境中的噪声和遮挡等因素。此外，上下文间的关系、视点变化也给计算机视觉带来了困难。例如，同一物体在不同角度、光照条件下的表现差异，以及复杂背景下的目标识别问题，都需要算法具备强大的适应性和理解能力。 图像中的视觉线索对于计算机视觉至关重要，例如深度线索，包括直线透视、空间透视、遮挡、形状、纹理梯度、阴影和投影等，这些都是推断物体三维结构和场景布局的关键依据。 计算机视觉的应用广泛，包括光学字符识别(OCR)、智能交通监控、人脸识别、表情识别、三维重建、生物识别技术、自动驾驶等。这些应用需要处理从图像采集、特征提取、模式识别到决策制定的全过程。 图像传感器，如CCD/CMOS，通过光电转换将光信号转化为电信号，然后经过采样和量化，形成数字图像。采样决定了图像的空间分辨率，量化则影响图像的灰度层次。图像坐标系通常以左上角为原点，像素之间的距离和邻域关系是进行图像处理的基础。 在图像处理中，变换操作如平移、缩放、旋转可以通过矩阵运算实现。插值方法，如最近邻插值和双线性插值，用于在处理中填补空缺像素。灰度映射则是改变图像亮度和对比度的技术，通过设计映射函数来实现特定效果，如二值化、反色、动态范围压缩等。直方图是表示图像像素灰度分布的统计图形，直方图均衡化可以增强图像的对比度。 滤波技术在图像处理中扮演着重要角色，模板滤波是一种利用邻域像素关系进行图像增强的方法。中值滤波尤其适用于去除椒盐噪声，它选取邻域像素的中值而非平均值，能更好地保护边缘信息，而均值滤波则适用于平滑图像，减少噪声影响。 计算机视觉是一个跨学科的领域，融合了图像处理、机器学习、几何学和心理学等多个领域的知识，旨在通过复杂的算法和模型解析图像，理解世界，并应用于实际的智能系统中。随着技术的发展，计算机视觉在解决实际问题上的能力将持续增强，为我们的生活带来更多的便利和创新。