机器视觉机器视觉入门必读.pdf

《机器视觉》机器视觉入门必读 作为机器视觉的研究者与项目开发者，最近有人问我如果想要涉水这个领域，该如何下水， 总是担心自己被 “淹死”在这个领域，又担心自己不试试水不甘心。回顾了一下一年来自 己差点被 “淹死”的经历，总结了一下计算机视觉入门应该掌握的图像处理方面的知识点。 顺便给大家一个鼓励，小编意外涉水这个领域，在这之前，小编极讨厌编程，打心底里认 为 “图像处理”纯属 “陶冶情操”的玩意儿，一个不幸的经历，小编深陷其中不能自拔， 在痛苦中挣扎，挣扎过后，硬着头皮算是有了一小点点进步。所以如果你感觉痛苦，或许 就对了，那就在痛苦中前进吧。在此送大家一句话 “专业的人做专业的事”，为什么呢？ 一定要明白自己想做什么，是研究算法，还是乐意编程实现算法，还是只是想做应用。这 三个意图是不同的，要知道自己想要什么。比如：如果是做应用的，就不要过度在于算法 的深层原理，你会用就好了。否则你会一篇混乱把自己搞的一团糟，先把算法用起来能为 我们做事情，然后心有余力再去研究为什么。下面做了一个小小的梳理，跟大家分享一下， 以助快速脱离痛苦。 数学基础知识 1、矩阵的四则运算及其物理意义 2、逻辑运算 3、旋转矩阵与旋转向量 4、SVD分解 5、卷积的定义及运算 图像格式的基础 1、图像的存储方式及图像格式 2、图像的读取与现实 3、图像存储 4、图像像素与图像 图像像素运算 1、四则运算 2、逻辑运算 3、像素提取 4、通道分离与混合 5、像素的意义与对比度 图像几何运算 1、图像放缩 2、图像旋转 3、仿射变换 4、透视变换 5、翻转变换 6、图像错切 图像直方图 1、像素的均值与方差 2、直方图统计 3、像素内方差 4、插值算法 色彩空间 1、RGB 2、HSL 3、YUV 4、图像灰度化 （多种方法） 5、色彩空间转换 6、图像饱和度 7、主色彩分析 图像滤波 1、均值滤波 2、中值滤波 3、高斯滤波 4、双边滤波 5、椒盐噪声 6、高斯噪声 7、低通滤波 8、高通滤波 9、图像锐化 图像形态学处理 1、腐蚀 2、膨胀 3、开闭操作 4、形态学梯度 5、顶帽 6、黑帽 7、分水岭 8、内梯度与外梯度 边缘检测 1、canny边缘检测 2、Sobel 边缘检测 3、Prewitt边缘检测 4、LOG边缘检测 5、Hough 圆与直线检测 6、阈值分割 图像二值化 1.全局阈值法 2.局部阈值法 3.OSTU二值化 4.得到 5.Ed 目标识别与匹配 1、模板匹配 2、直方图匹配 3、相关性匹配 4、KNN 5、SVM 6、PCA 7、LBP 摄像机模型与标定 1、针孔模型 2、图像校正 3、棋盘格标定板 （或其他类型标定板） 4、镜头畸变 5、MATLAB工具箱标定 6、手眼标定 7、误差分析 经典学习案例 1、车牌识别 2、手写体识别 3、人脸识别 4、OCR 常用的视觉库 1、Opencv 2、Halcon 3、VISIONPRO 4、Cimg 以上都是计算机视觉工程师需要掌握的基础算法，除此之外还有很多。建议初学者如果决 心投身这个行业，从已开始准备要写自己的一个适合自己风格的图像预处理软件，这个软 件积累所有自己学会的算法，这样一是做自己的一个积累，二是便于自己管理所学的算法， 三是提高自己的速度，避免大量的重复性的工作，四是自己更有成就感，用自己的软件做 图像处理更舒心，也便于开发自己想要的项目。总之，要有自己的积累，不断的构建自己 的知识体系。