《数字图像处理期末考试总结.doc》由会员分享，可在线阅读，更多相关《数字图像处理期末考试总结.doc（5页珍藏版）》请在金锄头文库上搜索。
1、第三章：图像处理与分析图像分割点检测算子：线检测算子：一阶导数算子：幅值和方向角：常用的梯度算子：Roberts算子：Roberts结果：Prewitt算子：Prewitt 结果：Sobel算子：Sobel结果：拉普拉斯算子：不同算子的比较：Roberts算子：Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备抑制噪声的能力。该算子对具有陡峭边缘且含噪声少的图像效果较好Sobel算子和Prewitt算子：都是对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全
2、排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度Laplacian算子：是不依赖于边缘方向的二阶微分算子算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差LOG算子：该算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplacian算子检测边缘，因此克服了Laplacian算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法检被测到。应用LOG算子，高斯函数中方差
3、参数的选择很关键，对图像边缘检测效果有很大的影响。高斯滤波器为低通滤波器，越大，通频带越窄，对较高频率的噪声的抑制作用越大，避免了虚假边缘的检出，同时信号的边缘也被平滑了，造成某些边缘点的丢失。反之，越小，通频带越宽，可以检测到的图像更高频率的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘。因此，应用LOG算子，为取得更佳的效果，对于不同图像应选择不同参数。边缘连接和边界检测边缘连接的条件：Hough变换的步奏：1)在参数空间建立一个二维数组A,数组的第一维的范围为图像空间中直线斜率的可能范围(amin, amax),第二维为图像空间中直线截距的可能范围(bmin, bmax),且开始时把
4、数组初始化为零. 2)然后对图像空间中的点用Hough变换计算出所有的a,b值,每计算出一对a,b 值,就对数组中对应的元素A(a,b)加1.计算结束后, A(a,b)的值就是图像空间中落在以a为斜率,b为截距的直线上点的数目.门限处理（阈值分割）基本原理：自动阈值步骤：(1) 选择图像灰度的中值作为初始阈值Ti=T0。(2) 利用阈值Ti把图像分割成两部分区域，R1和R2，并计算其灰度均值(3) 计算新的阈值Ti+1 (4) 重复步骤2、3，直到Ti+1和Ti的值差别小于某个给定值区域生长法的步骤：开始时确定一个或多个象素点作为种子，然后按某种相似性准则增长区域，逐步生成具有某种均匀性的空间
5、区域，将相邻的具有相似性质的象素或区域归并从而逐步增长区域，直至没有可以归并的点或其它小区域为止。区域合并的算法：1 使用某种方法进行图像的初始区域分割。2 对于图像中相邻的区域，计算是否满足一致性谓词,若满足则合并为一个区域。3 重复步骤2，直到没有区域可以合并，算法结束区域分裂合并算法：1 设整幅图像为初始区域2 对每一区域R，如果P(R)=FLASE，则把该区域分裂成四个子区域3 重复上一步，直到没有区域可以分裂 4 对图像中任意两个相邻的R1和R2，如果P(R1UR2)=TRUE，则把这两个区域合并成一个区域。 5 重复上一步，直到没有相邻区域可以合并，算法结束 3.2 特征表示与描述
6、四链码：八链码：链码改进的常用方法：1）由于起点的不同，造成编码的不同从固定位置作为起点(最左最上)开始编码2）由于角度的不同，造成编码的不同通过使用链码的首差代替码子本身的方式循环首差链码例子：过程：多边形逼近的方法：用最少的多边形线段，获取边界形状的本质。常用方法有 点合成法 边分裂法点合成法1）沿着边界选两个相邻的点对，计算首尾连接直线段与原始折线段的误差R。2）如果误差R小于预先设置的阈值T。去掉中间点，选新点对与下一相邻点对，重复1）；否则，存储线段的参数，置误差为0，选被存储线段的终点为起点，重复1）2）。3）当程序的第一个起点被遇到，程序结束。变分裂法：1）连接边界线段的两个端点
7、（如果是封闭边界，连接最远点）；（2）如果最大正交距离大于阈值，将边界分为两段，最大值点定位一个顶点。重复（1）；（3）如果没有超过阈值的正交距离，结束。图形的外形特征：外形特征是一种用一维函数表达边界的方法。基本思想是把边界的表示降到一维函数常用的外形表示函数：质心角函数：边上的点到质心的距离r，作为夹角的q的函数r(q)(2)y - s曲线 沿边界围绕目标一周，在每个位置作出该点切线与一个参考方向（如横轴）的角度值 3 斜率密度函数 将y -s曲线沿 y 轴投影 基于区域的表示法设计1.空间占有数组2.四叉树3.围绕区域4. 骨架区域估计算法的步骤：傅里叶算子：系数a(u)被称为边界的傅立
8、叶描述子边界描述子：简单描述子 形状数 .边界矩简单描述子：边界的长度 边界的直径 斜率、曲率、角点形状数 最小循环首差链码边界矩 将描述形状的任务减少至描述一个一维函数，边界段和特征的形状可以用矩量来量化地描述分类器的描述方法：1 分类器对每一模式类，给出一个典型模板2 对每一个遇到的待分类对象,计算该对象与个典型模板之间的相似程度3 相似值是对象的函数4 函数取值的不同，决定对象属于那一模式类最小距离分类器的思想：1 对于M个模式类 wi i = 1,2,.,M为每一个模式类确定一个原形模式特征向量mi2 对于一个未知模式特征向量x，如果x与mi的距离最小，就称，x属于wi相关匹配分类器的
9、思想：A 用样板子图像直接作为模式特征（不是用描述子）b. 通过子图像与原图像直接进行相关计算，把相关计算作为决策函数c. 相关计算获得最大值的位置，就被认为匹配成功第四章：透视几何学 平移变换：旋转变换：X轴 Y轴 Z轴 成像几何：三个坐标系统：世界坐标系统 XYZ 摄象机坐标系统 xyz图象平面 xy从 XYZ 到 xyz，从 xyz 到 xy摄像机透视投影模型 将象平面原点按D移出世界坐标系统的原点 以某个g 角（绕z轴）扫视x轴 以某个a角对z轴倾斜（绕z轴旋转） 第五章 摄像机标定摄像机标定的目的：三维重建第6章双目立体视觉双目立体视觉原理：1.摄象机标定2.图象获取3.特征提取4.
10、立体匹配5.3-D信息恢复6.后处理 双目横向模式 ：运动目标检测的方法：1 背景消减法：采用图像序列中的当前帧和背景参考模型进行比较来进行运动目标的检测,背景模型反映了背景环境的信息,背景差法比较适合环境变化较小的情况2 帧间差分法：基于目标的运动会体现在图像序列的变化上,以直接比较图像序列相邻帧对应象素点发生的相对变化为基础进行运动目标检测的方法3光流场方法：基于对光流场的估算进行检测分割的方法光流是图像亮度模式的表观运动，光流中既包括被观察物体的运动信息,也包括了有关的结构信息光流场的不连续性可以用来将图像分割成对应于不同运动物体的区域解释为什么利用链码旋转归一化方法可使所得链码与边界的旋转无关？数字图像一般是按固定间距的网格采集的，所以最简单的链码是顺时针跟踪边界并赋给每两个相邻像素的连线一个方向值。问题的关键是要认识到,在一个链码中每个元素值是相对于它的前身的值。这个代码的边界,追踪在一个一致的方式(例如,顺时针)，是一种独特的循环组编号。在不同的地点开始在这个设定不改变循环序列的结构。选择的最小整数的函数为出发点仅仅识别中同一点序列。即使出发点并非是独一无二的,该方法仍然会给一个独特的序列。区域生长算法与步骤：
