機器視覺思考題及其答案綜述

1、1. 什么是機器視覺技術？試論述其基本概念和目的。答：機器視覺技術是是一門涉及人工智能、神經(jīng)生物學、心理物 理學、計算機科學、圖像處理、模式識別等諸多領域的交叉學科。機 器視覺主要用計算機來模擬人的視覺功能, 從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。機器 視覺技術最大的特點是速度快、信息量大、功能多.機器視覺是用機器代替人眼來完成觀測和判斷，常用于大批量生 產過程匯總的產品質量檢測， 不適合人的危險環(huán)境和人眼視覺難以滿足的場合 . 機器視覺可以大大提高檢測精度和速度，從而提高生產效率, 并且可以避免人眼視覺檢測所帶來的偏差和誤差。2. 機器視覺系統(tǒng)一般由哪

2、幾部分組成？試詳細論述之。答： 機器視覺系統(tǒng)主要包括三大部分：圖像獲取、圖像處理和識別、輸出顯示或控制。圖像獲?。菏菍⒈粰z測物體的可視化圖像和內在特征轉換成能被計算機處理的一系列數(shù)據(jù) . 該部分主要包括，照明系統(tǒng)、圖像聚焦光學系統(tǒng)、圖像敏感元件（主要是 ccd和 cmo）s 采集物體影像。圖像處理和識別：視覺信息的處理主要包括濾波去噪、圖像增強、平 滑、邊緣銳化、分割、圖像識別與理解等內容. 經(jīng)過圖像處理后，圖像的質量得到提高， 既改善了圖像的視覺效果又便于計算機對圖像進行分析、處理和識別 .輸出顯示或控制： 主要是將分析結果輸出到顯示器或控制機構等輸出設備。3. 試論述機器視覺技術的現(xiàn)狀和發(fā)

3、展前景。答：. 機器視覺技術的現(xiàn)狀：機器視覺是近 20 30年出現(xiàn)的新技術， 由于其固有的柔性好、非接觸、快速等特點，在各個領域得到很廣泛 的應用, 如航空航天、工業(yè)、軍事、民用等等領域。發(fā)展前景：隨著光學傳感器、信息技術、信號處理、人工智能、模式識別研究的不斷深入和計算機性價比的不斷提高, 機器視覺技術越來越成熟，特別是市面上已經(jīng)有針對機器視覺系統(tǒng)開發(fā)的企業(yè)提供配套 的軟硬件服務， 相信越來越多的客戶會選擇機器視覺系統(tǒng)代替人力進行工作，既便于管理又節(jié)省了成本。價格持續(xù)下降、功能逐漸增多、 成品小型化、集成產品增多。4. 機器視覺技術在很多領域已得到廣泛的應用。 請給出機器視覺技術應用的三個實

4、例并敘述之。答: 一、在激光焊接中的應用 . 通過機器視覺系統(tǒng) , 實時跟蹤焊縫位置， 實現(xiàn)實時控制，防止偏離焊縫，造成產品報廢.二、在火車輪對檢測中的應用 ，通過機器視覺系統(tǒng)抓拍輪對圖像 ,找出輪對中有缺陷的輪對，提高檢測精度和速度, 提高效率 .三、大批量生產過程中的質量檢查 ，通過機器視覺系統(tǒng)，對生產過程中的產品進行質量檢查跟蹤，提高生產效率和準確度。5. 什么是傅里葉變換 , 分別繪出一維和二維的連續(xù)及離散傅里葉變換的數(shù)學表達式。論述圖像傅立葉變換的基本概念、作用和目的。答： 傅里葉變換是將時域信號分解為不同頻率的正弦信ffxf ufx ej 2 uxdx 號或余弦函數(shù)疊加之和。一維連

5、續(xù)函數(shù)的傅里葉變換為：1 n 1j 2 u x一維離散傅里葉變換為 :fufx en , u0,1, 2,n1n x 01m1 n1j 2uxvy二維連續(xù)函數(shù)的傅里葉變換fu , vfx, yemn為: ffx, yfu, vfx, y ej 2m(unx vy) xdx0dyy0二維離散傅里葉變換為： u0,1, 2,m1; v0,1, 2,n1圖像傅立葉變換的基本概念 : 傅立葉變換是數(shù)字圖像處理技術的基礎，其通過在時空域和頻率域來回切換圖像， 對圖像的信息特征進行提取和分析，簡化了計算工作量 , 被喻為描述圖像信息的第二種語言，廣泛應用于圖像變換， 圖像編碼與壓縮，圖像分割 , 圖像重建

6、等。作用和目的：圖像的頻率是表征圖像中灰度變化劇烈程度的指標， 是灰度在平面空間上的梯度。 傅立葉變換的物理意義是將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)， 傅立葉逆變換是將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)。6. 圖像灰度變換主要有哪幾種形式？各自的特點和作用是什么？ 答：灰度變換：基于點操作，將每一個像素的灰度值按照一定的數(shù)學變換公式轉換為一個新的灰度值。 灰度變換是圖像增強的一種重要手段，它可以使圖像動態(tài)范圍加大，使圖像的對比度擴展，圖像更加清晰, 特征更加明顯?；叶茸儞Q分為線性變換和非線性變換。線性變換的灰度區(qū)變換時線性拉伸或壓縮的. 非線性變換的灰度區(qū)變換時非線性的 .常用的灰

7、度變換形式有： 一、全域線性變換 , 在曝光不足或過度的情況下, 圖像灰度可能局限在一個很小的范圍內。這時在顯示器上看到的將是一個模糊不清、 似乎沒有灰度層次的圖像。 用一個線性單值函數(shù)，對幀內的每一個像素做線性擴展, 將有效的改善圖像的視覺效果。二、分段線性變換：將灰度區(qū)間分成兩段乃至多段分別做線性變換. 分段線性變換的優(yōu)點是可以根據(jù)用戶的需要，拉伸特征物體的灰度細節(jié)，相對抑制不感興趣的灰度級。三、非線性變換： 可以實現(xiàn)圖像灰度的非線性變換， 例如，對數(shù)變換， 當希望對圖像的低灰度區(qū)有較大的擴展而高灰度區(qū)壓縮時，可以采用此變換。它能使圖像灰度的分布均勻 , 與人的視覺特性相匹配 .7. 什么

8、是圖像直方圖？直方圖均衡化有什么用？答：圖像直方圖描述圖像中各灰度級出現(xiàn)的相對頻率。其橫坐標是灰度值、縱坐標是概率密度（連續(xù)圖像）或概率值（離散圖像) ?；叶戎狈綀D可以得到諸如總體明亮程度、 對比度、對象可分性等與圖像質量有關的灰度分布概貌。例如 , 一些圖象由于其灰度分布集中在較窄的區(qū)間，對比度很弱，圖象細節(jié)看不清楚. 此時，可采用圖像灰度直方圖均衡化處理。直方圖均衡化就是通過變換函數(shù)將原圖的直方圖調整為平坦的直方圖，然后用此直方圖校正圖像，通過均衡化是圖像灰度間隔拉大， 加大了圖像反差，改善視覺效果，達到增強目的。從而有利于圖像的分析和識別，并且每個灰度級有大致相同的像素點。8. 什么是圖

9、像濾波 ?圖像濾波有何用？答：圖像濾波， 即在盡量保留圖像細節(jié)特征的條件下對目標像的噪聲進行抑制。通過圖像濾波抑制噪聲除， 可以得到比較干凈清晰的圖像， 但會使得邊緣模糊 .圖像濾波，即在盡量保留圖像細節(jié)特征的條件下對目標像的噪聲進行抑制 , 是圖像預處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性. 圖像濾波的作用在于：一是抽出對象的特征作為圖像識別的特征模式；二是為適應圖像處理的要求，消除圖像數(shù)字化時混入的噪聲.9. 圖像空間域低通濾波有何作用？答：直觀上看，它會使圖像變的模糊 ,平滑。使不同顏色或灰度間有一定的過度 ,棱角分明的圖像模糊化由于圖像噪聲空間

10、相關性弱 , 他們的頻譜一般是位于空間頻率較高的區(qū)域， 而圖像本身的頻率分量則處于較低的空間頻率區(qū)域內，因此可以用低通濾波的方法來實現(xiàn)圖像的平滑，去除噪聲干擾。圖像空間域低通濾波可以消除噪聲，減小“抖動”現(xiàn)象, 提高信噪比, 增加圖象的清晰度， 并能提取圖象的特征作用為識別目標的模式。10. 空間域圖像銳化有哪些方法？論述其特點。答：邊緣模糊是圖像常見的質量問題，由此造成圖像輪廓不清晰，線 條不鮮明，使圖像特征提取、識別和理解難以進行. 增強圖像輪廓和線條使圖像邊緣變得清晰的處理稱為圖像銳化. 常見的圖像銳化有 , 梯度法、空域高通濾波法 , 微分法，反銳化掩模法等。梯度法：最簡單的方法是令

11、(x ， y）點銳化后圖像函數(shù) g（x， y）值等于原始圖像 f （x,y ）在該點的梯度值，進而使圖像輪廓突出.高通濾波法：圖像邊緣與高頻分量相對應, 高通濾波器讓高頻分量暢通無阻，而對低頻分量則充分限制 , 從而達到銳化的目的 .微分法有 ： 一階微分處理處理 , 這種方法一般對灰度階梯有較強的響應，會產生較寬的邊緣。二階微分處理對細節(jié)有較強的響應，如細線 和孤立點 , 對灰度階梯變化產生雙響應。 在圖像中灰度值變化相似時 , 對線的相應比對階梯強， 且點比線響應強。 總的來說二階微分處理比一階微分好一些，因為形成增強細節(jié)的能力好一些。11. 簡述頻域圖像的平滑和銳化方法。答：圖像的 平滑

12、方法：頻域低通濾波法，在頻域中，圖像的 噪聲和邊緣在傅里葉變換中對應高頻分量， 我們可以移植或衰減它們以達到圖像平滑的作用。圖像的銳化方法：頻域高通濾波法 , 因為邊緣及灰度級中其他的急劇變化都與高頻分量有關, 在頻域中用高通濾波器處理，能夠獲得圖像尖銳化 . 高通濾波器衰減傅立葉變換中的低頻分量，而無損傅立葉變換中的高頻信息。12. 什么是圖像分割 ?答：在圖像分析中 , 通常需要將所關心的目標物從圖像中提取出來，這種從圖像中將某個特定區(qū)域與其它部分進行分離并提取出來的處理, 就是圖像分割。圖像分割就是依據(jù)圖像的灰度、顏色、紋理、邊緣等特征，把圖像分成各自滿足某種相似性準則或具有某種同質特征

13、的連通區(qū)域的集合的過程 .圖像分割 就是把圖像分成若干個特定的、具有獨特性質的區(qū)域并提出感興趣目標的技術和過程.它是由圖像處理到圖像分析 的關鍵步驟。 現(xiàn)有的圖像分割方法主要分以下幾類:基于 閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。13. 圖像灰度閾值分割常見的方法是哪些？分別論述起其特點.答: 圖像閾值化處理其實質是一種圖像灰度級的非線性運算，閾值處理可用方程加以描述， 并且隨閾值的取值不同， 可以得到具有不同特征的二值圖像。圖像灰度閾值分割常見的方法有：固定閾值法 ，固定閾值僅在物體的灰度值和背景的灰度值不變時效果很好，但這種情況很少存在。自動閾

14、值法 ，要注意到是動態(tài)閾值分割的結果不僅包括畢局部背景更亮或更暗的物體 , 也包括亮區(qū)域或暗區(qū)域的邊緣。雙峰法, 圖像灰度直方圖呈雙峰狀且有明顯的谷 , 選擇谷底的灰度值作為閾值就可以把目標從背景中分割出來， 該方法對于目標和背景有很大灰度差異的圖像能實現(xiàn)簡單而有效地分割。14. 試論述圖像灰度最大方差自動閾值求取方法。答： 圖像灰度最大方差自動閾值求取方法是基于信息論中最大方差準則的圖像閾值自動選取方法， 是單閾值和多閾值選取的一種重要方法, 這種方法的基本思想是尋找的最佳閾值要使分割后的目標和背景的方差總值最大，或是使分割前后圖像的信息量差異最小.15. 試論述圖像恢復的基本概念 .答:

15、圖像恢復是將退化了的或者模糊了的圖像的原有信息進行恢復, 以達到清晰化的目的 . 是一種從圖像退化的數(shù)學或概率模型出發(fā),研究改進圖像外觀， 從而使恢復以后的圖像盡可能地反映原始圖像的本來面目的一種技術 , 其目的是獲得與景物真實面貌相像的圖像。圖像恢復，是在研究圖像退化原因的基礎上，以被退化的圖像為依據(jù)，根據(jù)某些先驗知識， 設計一種數(shù)學模型，從而估算出理想像場的一類操作。所以又可以說圖像恢復是恢復圖像的“真" 面目.16. 論述圖像識別的基本概念。常見的判別函數(shù)有哪些?答： 指通過對圖像中各種不同的物體特征進行定量化描述 之后， 將所期望獲得的目標物進行提取，并且對所提取的目標物進行

16、一定的定量分析。圖像識別是 人工智能 的一個重要領域 . 利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術。常見的判別函數(shù)有： 線性判別函數(shù)、最小距離判別函數(shù)、最近領域判別函數(shù)、非線性判別函數(shù)。17. 論述貝葉斯分類器的基本概念.答：分類器是對每一個輸入模式賦予一個類別名稱的軟件或硬件裝 置，而貝葉斯分類器是各種分類器中分類錯誤概率最小或者在預先給 定代價的情況下平均風險最小的分類器。 貝葉斯分類器的分類原理是通過某對象的先驗概率 , 利用貝葉斯公式計算出其后驗概率，即該對象屬于某一類的概率， 選擇具有最大后驗概率的類作為該對象所屬的類。18。論述神經(jīng)網(wǎng)絡識別方法的基

17、本概念 .答: 形象的說 , 神經(jīng)網(wǎng)絡是由大量處理單元（神經(jīng)元neurons) 廣泛連接而成的網(wǎng)絡 , 是對人腦的抽象、 簡化和模擬， 反映人腦的基本特性。它以使用樣本模式來估計每個模式類的統(tǒng)計參數(shù)為基礎，用于估計這些參數(shù)的模式（已知其所屬的類）稱為訓練模式, 從每個類中得到的一系列此類模式稱為一個訓練集合。 使用訓練集合得到判別函數(shù)的過程稱為學習或訓練。 神經(jīng)網(wǎng)絡識別方法能夠通過學習過程從外部環(huán)境中獲取知識， 并且它內部的很多的神經(jīng)元可以用來存儲這些已經(jīng)學到的知識。并由來識別不同的物體及其特征。 人工神經(jīng)網(wǎng)絡區(qū)別于其他識別方法的最大特點是它對待識別的對象不要求有太多的分析與了解，具有一定的智

18、能化處理的特點。19。圖像特征提取的原則是什么？答：圖像特征提取原則：圖像特征提取原則：可靠性，同類的圖 像其特征值比較接近； 各異性： 不同類別的圖像其特征提取應具有明顯的差異；獨立性 : 各個特征量之間應該彼此不相關；精簡性: 應該具有量少的特征量。20. 圖像灰度插值的作用是什么？常見的灰度插值有哪三種方法？分別論述其特點。答：由于輸入圖像一般為數(shù)字圖像，其上的像素僅在整數(shù)坐標處 有灰度值 , 經(jīng)由輸入圖像到輸出圖像的空間變換后，這些在整數(shù)坐標處取值的像素一般被變換到輸出圖像的非整數(shù)坐標處。反過來也是一樣，由于輸出圖像一般也為數(shù)字圖像， 其上的像素也僅在整數(shù)坐標處有灰度值， 經(jīng)由輸出圖像到輸入圖像的空間變換后， 這些在整數(shù)坐標處取值的像素一般被變換到輸入圖像的非整數(shù)坐標處。為了獲得滿意的空間變換圖像，需要對相應的圖像進行灰度級插值。常見的灰度插值有以下三種方法:1. 最近鄰插值法 , 最近鄰插值又稱為零階插值，是最簡單的插值方法。在向前映射情況下, 生成輸出圖像零階插值的具體做法是令輸出像素的灰度級等于在規(guī)定的空間變換下所有輸入像素映射到的位置中距