2021年机器视觉算法与应用笔记.docVIP

2021年机器视觉算法与应用笔记 2021年机器视觉算法与应用笔记 PAGE / NUMPAGES 2021年机器视觉算法与应用笔记 1、相机信噪比、SNR=1时（光强可探测到最小光强，绝对敏捷度），动态增益为光强.sat/光强.min（dB/位），量子效率是波长函数：η=η（λ）--CCD比CMOS敏捷，动态范畴大。 2、数据构造：图像、区域和亚像素轮廓 图像：彩色摄像机采集是每个像素相应三个采样成果（RGB三通道图像）、图像通道可被看作一种二维数组，设计语言中表达图像数据构造；两种商定：离散函数（点对点）R?Rn、持续函数：R2?Rn。 区域：可以表达一幅图像中一种任意像素子集，区域定义为离散平面一种任意子集：R∈Z2 ，将图像解决闲置在某一特定感兴趣区域（一幅图像可被看作图像所有像素点矩形感兴趣区域）。二值图像特性区域：用1表达在区域内点，用0表达不在区域内点；行程表达法：每次行程最小量数据表达行程纵坐标、行程开始和行程结束相应横坐标值。行程编码较二值图像节约存储空间（行程编码保存在16位整数，须要24个字节，而采用二值图像描述区域，每个像素点占1个字节，则有35个字节）。行程编码保存只是区域边界。为描述各种区域，采用链表或数组来保存采用形成编码描述各种区域，每个区域信息是被独立保存和解决。 亚像素轮廓：比像素辨别率更高精度（亚像素阈值分割或亚像素边沿提取）。 轮廓基本上可被描述成多表型，然后用排序来阐明哪些控制点是彼此相连，在计算机里，轮廓只是用浮点数表达横和纵坐标所构成数组来表达。 3、图像增强：硬件采集图像质量不好，可应用软件进行增强。 灰度值变换：由于光源照明影响，局部图像会产生对比度与设定值不一致，需要局部去增强对比度。为提高变换速度，灰度值变换普通通过查找表（LUT）来进行（将灰度输入值变换后输出保存到查找表中），最重要灰度值变换是线性灰度值比例缩放：f(g)=ag+b（ag表达对比度，b表达亮度）。为了自动获取图像灰度值变换参数a、b值，通过图像感兴趣区域最大与最小灰度值设立出a、b值（灰度值归一化解决）。灰度直方图表达某一灰度值i浮现概率。对于存在很亮和很暗区域，图像归一化时需要去除一小某些最暗、最亮灰度值（用2个水平线截取区域），再进行图像归一化解决，将对比度提高（鲁棒灰度归一化解决）。 辐射标定：传感器收集能量与图像实际灰度值关系是非线性时候（普通需要是线性，提高某些解决算法精准度），对非线性相应求其逆响应过程就是辐射标定。取q=？对响应函数求逆运算得到线性响应，求q过程既是标定。 图像平滑：抑制由于各种因素产生图像噪声（随后灰度值）。干扰后灰度值=图像灰度值+噪声信号（将噪声看作是针对每个像素平均值为0且方差是б2随机变量），降噪办法之一、时域平均法，采集多幅图像进行平均，原则偏差将为本来1/根号n，求平均值后，将任意一幅图像减去平均，即为该幅图像噪声；办法之二、空间平均操作法，通过像素数(2n+1)*(2m+1)一种窗口进行平均操作，会使边沿模糊（计算量非常大，进行(2n+1)*(2m+1)次操作）；办法之三、递归滤波器，在前一种计算出值基本上计算出新值，较办法一速度快了30倍；满足所有准则（平滑限度准则t，以及XXs滤波）高斯滤波器：高斯滤波器是可分，因此可以非常高效率被计算出来，可以更好地抑制高频某些。若更关注质量，则应采用高斯滤波器；若关注执行速度，首选使用均值滤波器。 傅里叶变换：将图像函数从空间域转变到频率域，可以再进行频率高低滤波操作平滑。 4、插值算法：图像被放大不清晰时，通过插值增长放大增多像素 近来像素插值算法：近来像素插值算法(Nearest Neighbour Interpolation)是最简朴一种插值算法，当图片放大时，缺少像素通过直接使用与之最接近原有像素颜色生成，也就是说照搬旁边像素，这样做成果是产生了明显可见锯齿； 双线性插值算法：双线性插值算法(Bilinear Interpolation)输出图像每个像素都是原图中四个像素(2×2)运算成果，这种算法极大限度上消除了锯齿现象； 双三次插值算法：双三次插值算法(Bicubic Interpolation)是上一种算法改进算法，它输出图像每个像素都是原图16个像素(4×4)运算成果，这种算法是一种很常用算法，普遍用在图像编辑软件、打印机驱动和数码相机上。 分形算法：分形算法(Fractal Interpolation)是Altamira Group提出一种算法，这种算法得到图像跟其她算法相比更清晰、更锐利。 这些算法重要应用在图像变换操作中。 5、特性提取：区域矩作为特性量，要对分割出来区域进行操作，需要拟定一种或各种特性量（特性），区域特性是可以从区域自身提取出来特性；灰度值特性还需要图像中区