機(jī)器視覺思考題及其答案綜述

1、1. 什么是機(jī)器視覺技術(shù)？試論述其基本概念和目的。答：機(jī)器視覺技術(shù)是是一門涉及人工智能、神經(jīng)生物學(xué)、心理物 理學(xué)、計(jì)算機(jī)科學(xué)、圖像處理、模式識別等諸多領(lǐng)域的交叉學(xué)科。機(jī) 器視覺主要用計(jì)算機(jī)來模擬人的視覺功能, 從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測、測量和控制。機(jī)器 視覺技術(shù)最大的特點(diǎn)是速度快、信息量大、功能多.機(jī)器視覺是用機(jī)器代替人眼來完成觀測和判斷，常用于大批量生 產(chǎn)過程匯總的產(chǎn)品質(zhì)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(jī)器視覺可以大大提高檢測精度和速度，從而提高生產(chǎn)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(jī)器視覺系統(tǒng)一般由哪

2、幾部分組成？試詳細(xì)論述之。答： 機(jī)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(nèi)在特征轉(zhuǎn)換成能被計(jì)算機(jī)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(xué)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(qiáng)、平 滑、邊緣銳化、分割、圖像識別與理解等內(nèi)容. 經(jīng)過圖像處理后，圖像的質(zhì)量得到提高， 既改善了圖像的視覺效果又便于計(jì)算機(jī)對圖像進(jìn)行分析、處理和識別 .輸出顯示或控制： 主要是將分析結(jié)果輸出到顯示器或控制機(jī)構(gòu)等輸出設(shè)備。3. 試論述機(jī)器視覺技術(shù)的現(xiàn)狀和發(fā)

3、展前景。答：. 機(jī)器視覺技術(shù)的現(xiàn)狀：機(jī)器視覺是近 20 30年出現(xiàn)的新技術(shù)， 由于其固有的柔性好、非接觸、快速等特點(diǎn)，在各個領(lǐng)域得到很廣泛 的應(yīng)用, 如航空航天、工業(yè)、軍事、民用等等領(lǐng)域。發(fā)展前景：隨著光學(xué)傳感器、信息技術(shù)、信號處理、人工智能、模式識別研究的不斷深入和計(jì)算機(jī)性價比的不斷提高, 機(jī)器視覺技術(shù)越來越成熟，特別是市面上已經(jīng)有針對機(jī)器視覺系統(tǒng)開發(fā)的企業(yè)提供配套 的軟硬件服務(wù)， 相信越來越多的客戶會選擇機(jī)器視覺系統(tǒng)代替人力進(jìn)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(chǎn)品增多。4. 機(jī)器視覺技術(shù)在很多領(lǐng)域已得到廣泛的應(yīng)用。 請給出機(jī)器視覺技術(shù)應(yīng)用的三個實(shí)

4、例并敘述之。答: 一、在激光焊接中的應(yīng)用 . 通過機(jī)器視覺系統(tǒng) , 實(shí)時跟蹤焊縫位置， 實(shí)現(xiàn)實(shí)時控制，防止偏離焊縫，造成產(chǎn)品報廢.二、在火車輪對檢測中的應(yīng)用 ，通過機(jī)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(chǎn)過程中的質(zhì)量檢查 ，通過機(jī)器視覺系統(tǒng)，對生產(chǎn)過程中的產(chǎn)品進(jìn)行質(zhì)量檢查跟蹤，提高生產(chǎn)效率和準(zhǔn)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(xué)表達(dá)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(shù)的基礎(chǔ)，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(jìn)行提取和分析，簡化了計(jì)算工作量 , 被喻為描述圖像信息的第二種語言，廣泛應(yīng)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(biāo)， 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(diǎn)和作用是什么？ 答：灰度變換：基于點(diǎn)操作，將每一個像素的灰度值按照一定的數(shù)學(xué)變換公式轉(zhuǎn)換為一個新的灰度值。 灰度變換是圖像增強(qiáng)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(kuò)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(nèi)。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(nèi)的每一個像素做線性擴(kuò)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(diǎn)是可以根據(jù)用戶的需要，拉伸特征物體的灰度細(xì)節(jié)，相對抑制不感興趣的灰度級。三、非線性變換： 可以實(shí)現(xiàn)圖像灰度的非線性變換， 例如，對數(shù)變換， 當(dāng)希望對圖像的低灰度區(qū)有較大的擴(kuò)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(biāo)是灰度值、縱坐標(biāo)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(zhì)量有關(guān)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(xì)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(diào)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(dá)到增強(qiáng)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(diǎn)。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(xì)節(jié)特征的條件下對目標(biāo)像的噪聲進(jìn)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(xì)節(jié)特征的條件下對目標(biāo)像的噪聲進(jìn)行抑制 , 是圖像預(yù)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(yīng)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(guān)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(nèi)，因此可以用低通濾波的方法來實(shí)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(biāo)的模式。10. 空間域圖像銳化有哪些方法？論述其特點(diǎn)。答：邊緣模糊是圖像常見的質(zhì)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(jìn)行. 增強(qiáng)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(diǎn)銳化后圖像函數(shù) g（x， y）值等于原始圖像 f （x,y ）在該點(diǎn)的梯度值，進(jìn)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(yīng), 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(dá)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(qiáng)的響應(yīng)，會產(chǎn)生較寬的邊緣。二階微分處理對細(xì)節(jié)有較強(qiáng)的響應(yīng)，如細(xì)線 和孤立點(diǎn) , 對灰度階梯變化產(chǎn)生雙響應(yīng)。 在圖像中灰度值變化相似時 , 對線的相應(yīng)比對階梯強(qiáng)， 且點(diǎn)比線響應(yīng)強(qiáng)。 總的來說二階微分處理比一階微分好一些，因?yàn)樾纬稍鰪?qiáng)細(xì)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(yīng)高頻分量， 我們可以移植或衰減它們以達(dá)到圖像平滑的作用。圖像的銳化方法：頻域高通濾波法 , 因?yàn)檫吘壖盎叶燃壷衅渌募眲∽兓寂c高頻分量有關(guān), 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(guān)心的目標(biāo)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(jìn)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(zhǔn)則或具有某種同質(zhì)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(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過程.它是由圖像處理到圖像分析 的關(guān)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(diǎn).答: 圖像閾值化處理其實(shí)質(zhì)是一種圖像灰度級的非線性運(yùn)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(jié)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(biāo)從背景中分割出來， 該方法對于目標(biāo)和背景有很大灰度差異的圖像能實(shí)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(zhǔn)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(biāo)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(fù)的基本概念 .答:

15、圖像恢復(fù)是將退化了的或者模糊了的圖像的原有信息進(jìn)行恢復(fù), 以達(dá)到清晰化的目的 . 是一種從圖像退化的數(shù)學(xué)或概率模型出發(fā),研究改進(jìn)圖像外觀， 從而使恢復(fù)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(shù) , 其目的是獲得與景物真實(shí)面貌相像的圖像。圖像恢復(fù)，是在研究圖像退化原因的基礎(chǔ)上，以被退化的圖像為依據(jù)，根據(jù)某些先驗(yàn)知識， 設(shè)計(jì)一種數(shù)學(xué)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(fù)是恢復(fù)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(jìn)行定量化描述 之后， 將所期望獲得的目標(biāo)物進(jìn)行提取，并且對所提取的目標(biāo)物進(jìn)行

16、一定的定量分析。圖像識別是 人工智能 的一個重要領(lǐng)域 . 利用計(jì)算機(jī)對圖像進(jìn)行處理、分析和理解，以識別各種不同模式的目標(biāo)和對像的技術(shù)。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(lǐng)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(yù)先給 定代價的情況下平均風(fēng)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(yàn)概率 , 利用貝葉斯公式計(jì)算出其后驗(yàn)概率，即該對象屬于某一類的概率， 選擇具有最大后驗(yàn)概率的類作為該對象所屬的類。18。論述神經(jīng)網(wǎng)絡(luò)識別方法的基

17、本概念 .答: 形象的說 , 神經(jīng)網(wǎng)絡(luò)是由大量處理單元（神經(jīng)元neurons) 廣泛連接而成的網(wǎng)絡(luò) , 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(jì)每個模式類的統(tǒng)計(jì)參數(shù)為基礎(chǔ)，用于估計(jì)這些參數(shù)的模式（已知其所屬的類）稱為訓(xùn)練模式, 從每個類中得到的一系列此類模式稱為一個訓(xùn)練集合。 使用訓(xùn)練集合得到判別函數(shù)的過程稱為學(xué)習(xí)或訓(xùn)練。 神經(jīng)網(wǎng)絡(luò)識別方法能夠通過學(xué)習(xí)過程從外部環(huán)境中獲取知識， 并且它內(nèi)部的很多的神經(jīng)元可以用來存儲這些已經(jīng)學(xué)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(luò)區(qū)別于其他識別方法的最大特點(diǎn)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(diǎn)。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(yīng)具有明顯的差異；獨(dú)立性 : 各個特征量之間應(yīng)該彼此不相關(guān)；精簡性: 應(yīng)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(diǎn)。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(biāo)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(biāo)處取值的像素一般被變換到輸出圖像的非整數(shù)坐標(biāo)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(biāo)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(biāo)處取值的像素一般被變換到輸入圖像的非整數(shù)坐標(biāo)處。為了獲得滿意的空間變換圖像，需要對相應(yīng)的圖像進(jìn)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