《计算机视觉基础复习》由会员分享，可在线阅读，更多相关《计算机视觉基础复习（12页珍藏版）》请在金锄头文库上搜索。
1、计算机视觉基础复习第一章PPTP11 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；复杂姿态观变化；上下文间依赖性；视点变化/ 运动；复杂和不可预测的行为；噪声和遮挡；外P23-28图像中存在哪些计算机视觉线索深度线索：直线透视；空间透视远近顺序线索：遮挡形状线索：纹理梯度形状和光照线索：阴影位置和光照线索：投
2、影P30-46 计算机视觉有哪些典型应用OCR（光学字符识别） 、智能交通、人脸检测、表情识别、多视点三维重建、基于视觉的生物识别、辅助驾驶、无人驾驶汽车、基于视觉的人机交互、智能机器人、工业机器人P48CCD/CMOS传感器的成像原理：光电转换P49-54 采样与量化影响图像的哪些属性采样影响图像空间分辨率；量化影响图像幅度分辨率（灰度）P61图像坐标系左上角为坐标原点P75-78 像素距离与邻域关系习题 1.2P19 计算机视觉要达到的目的有哪些？答：计算机通过图像和视频对客观世界的感知、 识别和理解；对场景进行解释和描述 ；根据对场景的解释和描述制定行为规划。第三章PPTP11 薄透镜成
3、像模型计算机视觉基础复习P17-21 射影几何中哪些物理信息丢失和保留了？丢失信息： 长度、角度保留信息： 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”灭线：灭点的集合P46-49 像机成像过程中包含了哪些内参和外参？计算机视觉基础复习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。X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。uf xu00T3 1YR 3 3方法：最小二乘求解超定方程，寻找最优估计。P63zp v0f yv001Z径向畸变和切向畸变的概念03T 1100101计算机视觉基础复习习题第四章PPT
4、P4-7 图像平移、尺度、旋转和级联变换用矩阵乘实现级联变换如图像依次进行平移、尺度和旋转变换，有P14 最近邻插值uuuP16-18 双线性插值vAvvR S TP20-31 图像灰度映射111灰度映射原理基于图像像素的点操作映射函数灰度映射的关键是根据增强要求设计映射函数灰度映射：图像二值化、图像反色、动态范围压缩、对比度增强P31-32 直方图的概念和意义，用已学过的数学原理进行解释P40 直方图均衡计算表 4.3.1L 为灰度级数（本例为 8）-原始图灰度级01234567原始直方图0.020.050.090.120.140.20.220.16累积直方图 gf0.020.070.160
5、.280.420.620.841.0四舍五入取整00123467注： int(L-1)*gf+0.5)确定映射关系0,1-02-13-2 4-3 5-4 6-67-7新直方图0.070.090.120.140.200.220.16直方图均衡过程示例计算机视觉基础复习P52-66 模板滤波的概念和理解概念：利用像素本身以及其邻域像素的灰度关系进行图像增强的方法。理解： 1.滤波取自信号处理中的概念；2.滤波是在图像空间通过邻域操作 完成的； 3.邻域操作通常借助模板运算 来实现P69 中值滤波概念和基本步骤概念：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
6、? 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? 中值滤波和线性滤波的区别：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? 中值滤波和均值滤波的区别：中值滤波器比均值滤波器更适合去除加性椒盐噪声习题 4.3P75设用三角形代替下图中的四边形，建立与下式相对应的校正几何形变的空间变换式。计算机视觉基础复习解: 以顶点为对应点， 一个对应点可列出 2 个公式， 因此三角形的三个顶点
7、可列出 6 个公式，最多求解 6 个几何形变参数，因此空间变换式为：习题 4.11P76xk1 xk2 yk3yk4 xk5 yk6用一个 nn的模板进行平滑滤波将 M 幅图像相加求平均可以获得消除噪声的效果，也可获得消除噪声的效果, 试比较两种方法的消噪效果M 幅图像相加求平均时间轴上的平均容易产生运动模糊(重影 )nn模板的平滑滤波空间上的平均容易产生空间模糊(边缘模糊 )习题 4.12P76讨论用于空间滤波的平滑滤波和锐化滤波的相同点、不同点以及联系相同点： 都能减弱或消除频域空间中的某些分量，而不影响或较少影响其它分量，从而达到增强效果。不同点： 平滑滤波减弱或消除高频分量，增强低频分
8、量，平滑图像中的细节信息。锐化滤波减弱或消除低频分量，增强高频分量，锐化图像中细节信息。联系： 两者效果相反，互为补充；从原始图像中减去平滑滤波结果可得到锐化滤波效果；而原始图像中减去锐化滤波结果可得到平滑滤波效果。第五章PPTP4 为什么要边缘检测和边缘的成因为什么要边缘检测：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一阶导数极值点对应的是边缘位置，极值的正或负表示边缘处是由暗变亮还是由亮变暗。二阶导数过零点来检测图像中边缘的存在。P15 有哪些一阶导数算子？试写出其 模板形式 Rob
9、erts 梯度算子Prewitt 梯度算子 （平均差分）计算机视觉基础复习Sobel 算子 （加权平均差分）各向同性Sobel 算子 ：将模板中的权值2 改为 2，以使水平、垂直和对角边缘的梯度值相同。P21 有哪些二阶导数算子？二阶导数算子会对噪声敏感，试解释原因拉普拉斯算子、马尔算子对噪声敏感原因 ：二阶导数在边缘处出现零交叉，即边缘点两边导数取异号，据此来检测边缘点。但很容易被噪声覆盖。P28 Canny 算子的最优检测准则最优边缘检测的含义是：? 好的检测 - 算法能标识图像中的实际边缘，避免噪声和虚假边缘干扰。? 好的定位 - 标识出的边缘与实际图像中的实际边缘尽可能接近。? 最小响
10、应 - 对图像中的每个真实边缘点只有一个像素响应。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? 采用圆形模板? 统计模板中与模板核具有相同值的像素个数? USAN 面积随模板在图像中的位置变化? 利用 USAN面积变化可检测边缘或角点。? USAN 面积在图像角点处具有最小值，故称为SUSAN。P51 Hough 变换的基本思想（投票 ）以及为什么要进行Hough 变换基本思想：通常用在边缘检测或特征点检测后。每个边缘点根据其可能的几何特征，投影到参数空间，通过投票方式 确定参数值。即票数最多的参数获胜。为什么要进行Hough 变换：视觉场景中许多目标都可通过直线、圆弧等规则几何特征来表述。Hough变换是获取规则几何特征的常用方法。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采用 (, )表示图像空间中任意直线。图像空间中一条直线在参数空间(, )中为 一个点 。参数空间 (, )也称为 Hough 空间P68 Hough 变换的优点计算机视觉基础复习对边缘不连续具有较好的容忍性对噪声干扰具有较好的鲁棒性对目标遮挡具有较好的抗干扰性
