计算机视觉基础复习汇总解析.docVIP

第一章 PPT P11 什么是计算机视觉 采用计算机实现人类视觉的功能 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 图像处理侧重在“处理”图像：如增强，还原，去噪，分割，等等；而计算机视觉在于使用计算机（也许是可移动式的）来模拟人的视觉，因此模拟才是计算机视觉领域的最终目标。要实现这个目标，至少有两件事要做，第一是图像处理，第二是图像理解。比如一个机器人眼睛读入的数据可能是模糊的，可能是有噪声的，那么首先要进行去噪和还原。之后机器人要能理解这个图像意味着什么，比如特定的军事目标，那么它可能要进行分割，然后用统计学的方式进行模式识别。显然识别这个部分就属于图像理解，而非单纯的图像处理了。 第三章 PPT P11 薄透镜成像模型 P17-21 射影几何中哪些物理信息丢失和保留了？ 丢失：长度，角度 保留: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” 场景中无尽远处的天与地连接成线，灭线。 P46-49 像机成像过程中包含了哪些内参和外参？ 像机内参 fx ： u轴尺度因子，或称u轴归一化焦距 fy ： v轴尺度因子，或称v轴归一化焦距 γ ： u轴和v轴的不垂直因子，通常为0 u0, v0 ： 光学中心 像机外参 R： 像机旋转矩阵 T ： 像机平移矩阵 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。 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。 方法：最小二乘求解超定方程，寻找最优估计。 P63 径向畸变和切向畸变的概念 dr为极坐标的幅度变化量，表现为径向畸变。 dt为极坐标的角度变化量，表现为切向畸变。 习题 第四章 PPT P4-7 图像平移、尺度、旋转和级联变换 P14 最近邻插值 P16-18 双线性插值 第一步：水平方向线性插值 第二步：垂直方向线性插值 P20-31 图像灰度映射 P31-32 直方图的概念和意义，用已学过的数学原理进行解释 概念：图像中各灰度级出现频数分布的统计图表 意义：反映各灰度级出现频数的分布情况，进而反映图像对比(清晰)度，但不反映各灰度级的空间位置分布 P40 直方图均衡计算 书本p66例子，g=int[（L-1）*gf+0.5] L代表8 表示灰度级 P52-66 模板滤波的概念和理解 P69 中值滤波概念和基本步骤 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 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 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 习题 第五章 PPT P4 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 P15 有哪些一阶导数算子？试写出其模板形式 P21 有哪些一阶导数算子？二阶导数算子会对噪声敏感，试解释原因 P28 Canny算子的最优检测0.准则 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 P51 Hough变换的基本思想（投票）以及为什么要进行Hough变换 边缘点或特征点检测基于单个像素。 边缘跟踪无法得到完整轮廓，存在弱边缘或边缘不连续 。 如何将离散的边缘点表示为更复杂的特征？ 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 设已知一黑白图像上画了一条直线，要求出这条直线所在的位置。我们知道，直线的方程可以用y=k*x+b 来表示，其中k和b是参数，分别是斜率和截距。过某一点(x0,y0)的所有直线的参数都会满足方程y0=kx0+b。即点(x0,y0)确定了一族直线。方程y0=kx0+b在参数k--b平面上是一条直线，(你也可以是方程b=-x0*k+y0对应的直线)。这样，图像x--y平面上的一个前景像素点就对应到参数平面上的一条直线。我们举个例子说明解决前面那个问题的原理。设图像上的直线是y=x, 我们先取上面的三个点：A(0,0), B(1,1), C(22)。可以求出，