图像处理分类、一般流程与算法.pdfVIP

图像处理分类、⼀般流程与算法

按照应⽤⽬的分类(物体识别、数据挖掘、恢复、分割)、按图像种类分类(普通图像、遥感图像)

常⽤的图像处理算法：数字图像处理基础、遥感数字图像处理、机器视觉、计算机视觉

图像处理程序：C++OpenCV、Matlab与图像处理

1.数字图像处理-概述

其实，造成“不可能图形”三⾓形的三个⾓都是90°）的并不是图形本⾝，⽽是你对图形的三维知觉系统，这⼀系列在你知觉图形的⽴

体⼼理模型时强制作⽤。在把⼆维平⾯图形知觉为你三维⽴体⼼理图形时，执⾏这⼀过程的机制会极⼤地影响你的视觉系统。

正是在这⼀强制执⾏的机制的影响下，你的视觉系统对图形中的每⼀个点都赋予了深度。换句话说，⼀幅图像的某些⼆维结构元素和你三维

知觉解释系统的某些结构元素相对应。⼆维直线被解释成三维直线。⼆维的平⾯被解释为三维的平⾯。在透视图像中，锐⾓和钝⾓都被解释

为90°⾓。外⾯的线段被看作是外形轮廓的分界线。这⼀外形分界线在你定义整个⼼理图像的外形轮廓时起着及其重要的作⽤。这说明，

在没有相反信息的影响下，你的视觉系统总是假定你从⼀个主要视⾓观看事物。

三⾓形的每⼀个顶⾓都产⽣透视，三个90°的⾓，⽽且，每条边的距离变化不同。把三个顶⾓合成⼀个整体，就产⽣了⼀个空间不可能图

形。

相对性：环境对⽐的影响

计算机视觉的发展历史：

1950s：⼆维图像分析和识别，如光学字符识别，⼯件表⾯、显微图⽚和航空图⽚的分析和解释等。是模式识别的重要内容。

1960s：MIT的Roberts通过计算机程序从数字图像中提取出诸如⽴⽅体、楔形体、棱柱体等多⾯体的三维结构，并对物体形状及物体的空

间关系进⾏描述．这项研究开创了以理解三维场景为⽬的的三维计算机视觉的研究．Roberts对积⽊世界的创造性研究给⼈们以极⼤的启

发，许多⼈相信，⼀旦由⽩⾊积⽊玩具组成的三维世界可以被理解，则可以推⼴到理解更复杂的三维场景．

1970s：出现了⼀些视觉应⽤系统．

-70年代中期，⿇省理⼯学院(MIT)⼈⼯智能(AI)实验室正式开设“计算机视觉”(MachineVision)课程，由B．K．P．Horn教授讲

授．

-DavidMarr教授于1973年应邀在MITAI实验室领导⼀个以博⼠⽣为主体的研究⼩组，1977年提出了不同于“积⽊世界”分析⽅法的

计算视觉理论.

1980s：Marr理论成为计算机视觉研究领域中的⼀个⼗分重要的理论框架．(ICCV,Marr奖)

计算机视觉获得蓬勃发展，新概念、新⽅法、新理论、新应⽤不断涌现，⽐如，基于感知特征群的物体识别理论框架，主动视觉理论框

架，视觉集成理论框架等．

Marr模型

80年代初，Marr⾸次从信息处理的⾓度综合了图像处理、⼼理物理学、神经⽣理学及临床神经病理学的研究成果，提出了第⼀个较完备的

视觉系统框架。

Marr将系统分为基元图、2.5维图部分的、不完整的三维信息，缺少深度信息）和三维模型三个层次来表达视觉信息的处理过程，⽽每层

的表达将适当的信息明朗化。

基元图：使亮度变化边沿）的信息明朗化，如⾓点、边缘、纹理、线条、边界等基本特征。

2.5维图：使表⾯朝向的信息明朗化，如场景可见部分的深度、法线⽅向、轮廓等。

三维模型：物体的形状与空间位置信息明朗化。

优点：系统地阐述了⽤⼆维图像恢复三维物体的可能性和⼀般性⽅法。

缺点：没有考虑视觉本⾝具有的反馈机制和不同层次的处理⼒度。

计算机视觉(ComputerVision)与相关学科的关系

-图像处理(ImageProcessing)图像处理通常是把⼀幅图像变换成另外⼀幅图像，也就是说，图像处理系统的输⼊是图像，输出仍然是图

像，信息恢复任务则留给⼈来完成。

-计算机图形学(ComputerGraphics)通过⼏何基元，如线、圆和⾃由曲⾯等，来⽣成图像，属于图像综合，它在可视化

Visualization）和虚拟现实(VirtualReality）中起着很重要的作⽤．计算机视觉正好是解决相反的问题，即从图像中估计⼏何基元和其

它特征，属于图像分析．

-模式识别(PatternRecognition)研究分类问题，确定符号、图画、物体等输⼊对象的类别．强调⼀类事物区别于其它事物所具有的共同

特征。⼀般不关⼼三维世界的恢复问题。

-⼈⼯智能(ArtificialIntelligence)涉及到智能系统的设计和智能计算的研究．在经过图像处理和图像特征提取过程后，接下来要⽤⼈⼯智

能⽅法对场景特征进⾏表⽰，并分析和理解场景．

-媒体计算(Mult