计算机视觉技术与产业发展手册（执行版）.docxVIP

计算机视觉技术与产业发展手册（执行版）

第1章计算机视觉基础理论与算法原理

1.1图像采集与预处理技术

图像采集是计算机视觉的起点，核心在于传感器对光信号的数字化转换。以工业级CMOS相机为例，其传感器阵列由数百万个光电二极管组成，每个像素点接收特定波长的光子后产生电荷量，该电荷量与入射光强呈线性正比关系。在实际操作中，需确保相机镜头的焦距与镜头光圈（F值）匹配，例如在拍摄模糊物体时，应选用f/2.8大光圈以获得更浅的景深，从而突出主体细节。原始图像数据往往存在噪声干扰，如高斯噪声和椒盐噪声，这些噪声会掩盖真实纹理信息。预处理的第一步是去噪，可通过高斯滤波（GaussianFilter）平滑图像，利用卷积核在局部区域平均像素值来抑制随机噪声，同时保留边缘特征；对于突发性强的高斯噪声，则需采用中值滤波（MedianFilter）代替，以阻断噪声峰值而保留连续纹理。

图像几何畸变会导致成像平面与理论成像平面不一致，产生桶形畸变（内圈放大）和枕形畸变（外圈放大）。在工业质检场景下，若未进行校正，测量尺寸将产生系统性误差。因此，必须利用针孔相机模型或针孔畸变校正算法，通过标定板提取内参矩阵（如主点坐标、焦距）和外参矩阵，对图像进行透视变换校正。光照不均匀和阴影是预处理中的关键挑战，直接导致像素值分布不均。在室内监控中，若未做曝光补偿，阴影区域像素值会显著低于亮