《計算機視覺》教學大綱

1、 計算機視覺教學大綱前言計算機視覺課程是信息與計算科學專業(yè)的選修課程計算機視覺以視覺技術為邏輯起點，以信息與計算科學專業(yè)的學生為講授對象計算機視覺（Machine Vision）是基于視覺技術的一門邊緣科學，其核心技術是視覺處理，并通過對視覺處理來執(zhí)行進一步的檢測與控制等它的研究內容非常廣泛，涉及計算機、圖像處理、模式識別、人工智能、信號處理、光學、機械等多個領域用簡單的一句話來概括就是用機器代替人眼來做各種測量和判斷本課程有助于開闊學生視野、使學生了解本專業(yè)的發(fā)展前沿，是集理論性與應用性為一體的學科設置本課程的目的是：使學習者在全面了解視覺技術的歷史、現(xiàn)狀與發(fā)展趨勢的基礎上，系統(tǒng)掌握計算機視

2、覺圖像基本處理的理論、方法、技術，運用計算機視覺基本理論、實驗裝置和圖像處理軟件，加深理解計算機視覺的基本概念，具備在計算機上利用圖像處理軟件進行相關操作的實際技能，培養(yǎng)學生的動手能力和分析問題解決問題的能力，把學生培養(yǎng)成面向二十一世紀的復合型人才學習本課程的要求是：學習者應掌握計算機視覺的基礎理論、基本方法和實用算法，如：二值圖像分析、圖像預處理、圖像增強、邊緣檢測、圖像分割、紋理分析、明暗分析、深度圖與立體視覺并掌握一定的科學研究方法與技能，為有潛力成為研究型人才的學生打下一定基礎先修課程要求：MATLAB編程，空間解析幾何，數學分析，高等代數本課程計劃72學時課堂教學+36學時實驗，3學

3、分，每周4+2個課時選用教材：(美)杰恩(Jain.R)等著，計算機視覺(英文版)，機械工業(yè)出版社，2003年教學手段：課堂講授為主，習題課，試驗為輔考核方法：閉卷書面考試教學進程安排表周次學時數教學主要內容教學方法備注13計算機視覺的定義，視覺系統(tǒng)所包含的部分，視覺所面臨的問題；計算機視覺的應用；對圖像的簡單處理，與其它學科的關系講課23成像和圖像表示介紹成像原理，成像過程產生的變形和各種感應器，特別是CCD攝像機；目前流行的圖像表示技術討論圖像與空間的關系講課33二值圖像處理（一）二值圖像中的拓撲定義，圖像的基本算法的表示，標志算法，物體的性質提取講課與習題課相結合43二值圖像處理（二）形

4、態(tài)學，物體的性質提??；閥值化方法講課53模式識別（一）基本概念，類別的表示，分類器，決策樹講課63模式識別（二）Bayes分類和人工神經網絡講課與習題課相結合73濾波和圖像增強（一）濾波和圖像增強的原因，灰度值的映射（含直方圖的均衡化），小塊噪聲去除講課83濾波和圖像增強（二）平滑處理，中值濾波器，邊緣檢測講課93濾波和圖像增強（三）Canny邊緣檢測，卷積，矩陣空間的基，F(xiàn)ouier變換講課與習題課相結合103彩色和陰影色彩的物理性質，彩色的RGB基和其它基表示，彩色直方圖，彩色圖像分割講課113紋理分析紋理分析和紋理分割講課123基于圖像內容的圖像恢復圖像庫，圖像查詢，圖像距離和圖像數據庫

5、的結構講課與習題課相結合133基于2D圖像序列的運動分析（一）運動現(xiàn)象和應用，運動向量的計算講課143基于2D圖像序列的運動分析（二）運動點的路徑計算，檢測視頻中的顯著變化講課153圖像分割（一）區(qū)域的確定和表示，輪廓的確定講課與習題課相結合163圖像分割（二）對分割的擬合，確定高層次的結構，基于運動關聯(lián)性的分割講課1732D圖像匹配（一）2D數據的配準，點的表示，仿射映射講課1832D圖像匹配（二）最好二維仿射變換，基于仿射變換的2D物體識別，基于關系匹配的2D物體識別，非線性變形講課與習題課相結合193基于2D圖像的3D理解（一）特征圖像，基于方塊的直線標記，2D圖像中的三維線索講課203

6、基于2D圖像的3D理解（二）透視成像模型，基于立體圖像的深度感知，薄棱鏡方程講課與習題課相結合第一章緒論一、學習目的通過本章的學習，熟練掌握計算機視覺的定義，視覺系統(tǒng)所包含的部分，視覺所面臨的問題；計算機視覺的應用；對圖像的簡單處理，與其它學科的關系緒論計劃6學時二、課程內容1.1Marr的視覺計算理論簡要地介紹Marr的視覺理論的基本思想及其理論框架1.2計算機視覺的應用計算機視覺技術正廣泛地應用于各個方面，從醫(yī)學圖像到遙感圖像，從工業(yè)檢測到文件處理，從毫微米技術到多媒體數據庫，不一而足可以說，需要人類視覺的場合幾乎都需要計算機視覺應該指出的是，許多人類視覺無法感知的場合，如精確定量感知、危

7、險場景感知、不可見物體感知等，計算機視覺更突顯其優(yōu)越性1.3計算機視覺研究內容與面臨的困難計算機視覺研究可以分為如下五大研究內容：輸入設備、低層視覺、中層視覺、高層視覺、體系結構識別和理解周圍場景是一件非常容易的事，但對于機器來說，卻是一件很困難的事1.4計算機視覺與其它學科領域的關系與計算機視覺有關的學科有許多本節(jié)主要討論一些與計算機視覺密切相關的領域關于計算機視覺與其它學科的關系，我們不作詳盡的討論1.5成像幾何基礎這里我們只考慮三維空間到二維空間的兩種常用映射：透視投影變換和正交投影變換三、重點、難點提示和教學手段（一）重點、難點1、計算機視覺研究內容與面臨的困難；2、計算機視覺與其它學

8、科領域的關系；3、成像幾何基礎（二）教學手段課堂講授與習題課相結合四、思考與練習（注：思考與練習的形式有教師自行確定）第二章二值圖像分析一、學習目的二值視覺系統(tǒng)的輸入一般是灰度圖像，通常使用閾值法首先將圖像變成二值圖像，以便把物體從背景中分離出來，其中的閾值取決于照明條件和物體的反射特性二值圖像可用來計算特定任務中物體的幾何和拓撲特性，在許多應用中，這種特性對識別物體來說是足夠的二值視覺系統(tǒng)已經在光學字符識別、染色體分析和工業(yè)零件的識別中得到了廣泛應用通過本章的學習，熟練掌握二值圖像中的拓撲定義，圖像的基本算法的表示，標志算法，物體的性質提取形態(tài)學，物體的性質提取；閥值化方法本章計劃6學時二、

9、課程內容2.1閾值從圖像中識別代表物體的區(qū)域（或子圖像），這種對人來說是件非常容易的事，對計算機來說卻是令人吃驚的困難為了將物體區(qū)域同圖像其它區(qū)域分離出來，需要首先對圖像進行分割把圖像劃分成區(qū)域的過程稱為分割2.2幾何特性通過閾值化方法從圖像中檢測出物體后，下一步就要對物體進行識別和定位在大多數工業(yè)應用中，攝像機的位置和環(huán)境是已知的，因此通過簡單的幾何知識就可以從物體的二維圖像確定出物體的三維位置在大多數應用中，物體的數量不是很多，如果物體的尺寸和形狀完全不同，則可以利用尺度和形狀特征來識別這些物體實際上在許多工業(yè)應用中，經常使用區(qū)域的一些簡單特征，如大小、位置和方向，來確定物體的位置并識別它

10、們2.3投影給定一條直線，用垂直該直線的一簇等間距直線將一幅二值圖像分割成若干條，每一條內像素值為1的像素個數為該條二值圖像在給定直線上的投影（projection）2.4游程長度編碼游程長度編碼(run-length encoding)是另一種二值圖像的簡潔表示方法，它是用圖像像素值連續(xù)為1的個數（像素1的長度）來描述圖像這種編碼已被用于圖像傳輸另外，圖像的某些性質，如物體區(qū)域面積，也可以從游程長度編碼直接計算出來三、重點、難點提示和教學手段（一）重點、難點1、閾值；2、幾何特性；3、投影；4、游程長度編碼（二）教學手段課堂講授與習題課相結合四、思考與練習（注：思考與練習的形式有教師自行確定

11、）第三章區(qū)域分析一、學習目的圖像中的區(qū)域是指相互連結的具有相似特性的一組像素由于區(qū)域可能對應場景中的物體，因此，區(qū)域的檢測對于圖像解釋十分重要一幅圖像可能包含若干個物體，而每一個物體又可能包含對應于物體不同部位的若干個區(qū)域為了精確解釋一幅圖像，首先要把一幅圖像劃分成對應于不同物體或物體不同部位的區(qū)域本章計劃6學時二、課程內容3.1區(qū)域和邊緣圖像區(qū)域劃分有兩種方法：一種是基于區(qū)域的方法，另一種是使用邊緣檢測的輪廓預估方法3.2分割把一幅灰度圖像轉換成二值圖像是圖像分割的最簡單形式用于求取二值圖像的閾值算法可以推廣到求取多值圖像，其中的閾值算法已經在第三章中討論過了為了在各種變化的場景中都能得到魯

12、棒的圖像分割，閾值分割算法應能根據圖像強度取樣來自動選取合適的閾值閾值分割法不要過分依賴于物體的灰度知識，且使用有關灰度值的相對特性來選取合適的閾值3.3區(qū)域表示區(qū)域有許多應用，也有許多種表示方法不同的表示方法有著不同的應用一些應用只需計算單個區(qū)域，而另一些則需要計算圖像各區(qū)域的關系本節(jié)將討論幾種區(qū)域表示方法并研究它們的特性大多數區(qū)域表示方法可以歸納為下面三種類型：陣列表示，層級表示，基于特征的區(qū)域表示3.4分裂和合并使用分裂和合并的組合算法可以實現(xiàn)自動細化分割運算分裂和合并運算是通過合并屬于同一物體的鄰接區(qū)域來消除錯誤的邊界和虛假的區(qū)域，同時可以通過分裂屬于不同物體的區(qū)域來增添丟失的邊界3.

13、5區(qū)域增長尋找初始區(qū)域核，并從區(qū)域核開始，逐漸增長核區(qū)域，形成滿足一定約束的較大的區(qū)域例如，一致性謂詞是基于區(qū)域灰度的平面或二次曲面函數擬合然而，在一般情況下，一致性謂詞是基于圖像區(qū)域的特征，如，平均強度、方差、紋理和顏色等三、重點、難點提示和教學手段（一）重點、難點1、分割；2、區(qū)域表示；3、分裂和合并；4、區(qū)域增長（二）教學手段課堂講授與習題課相結合四、思考與練習（注：思考與練習的形式有教師自行確定）第四章圖像預處理一、學習目的通過本章的學習，熟練掌握圖像增強技術的兩種方法：空間域法和頻率域法空間域方法主要是在空間域內對圖像像素直接運算處理頻率域方法就是在圖像的某種變換域，對圖像的變換值進

14、行運算，如先對圖像進行傅立葉變換，再對圖像的頻譜進行某種計算(如濾波等)，最后將計算后的圖像逆變換到空間域本章計劃9學時二、課程內容4.1直方圖修正直方圖均衡化是一種通過重新均勻地分布各灰度值來增強圖像對比度的方法經過直方圖均衡化的圖像對二值化閾值選取十分有利一般來說，直方圖修正能提高圖像的主觀質量，因此在處理藝術圖像時非常有用4.2圖像線性運算熟練掌握線性系統(tǒng)和傅立葉變換4.3線性濾波器熟練掌握均值濾波器，高斯平滑濾波4.4非線性濾波熟練掌握中值濾波，邊緣保持濾波器三、重點、難點提示和教學手段（一）重點、難點1、直方圖修正2、圖像線性運算，線性系統(tǒng)和傅立葉變換3、線性濾波器，均值濾波器，高斯

15、平滑濾波4、非線性濾波，中值濾波，邊緣保持濾波器（二）教學手段課堂講授與習題課相結合，計算機試驗四、思考與練習（注：思考與練習的形式有教師自行確定）第五章邊緣檢測一、學習目的邊緣(edge)是指圖像局部強度變化最顯著的部分邊緣主要存在于目標與目標、目標與背景、區(qū)域與區(qū)域(包括不同色彩)之間，是圖像分割、紋理特征和形狀特征等圖像分析的重要基礎圖像分析和理解的第一步常常是邊緣檢測(edge detection)本章計劃9學時二、課程內容5.1梯度邊緣檢測是檢測圖像局部顯著變化的最基本運算在一維情況下，階躍邊緣同圖像的一階導數局部峰值有關梯度是函數變化的一種度量，而一幅圖像可以看作是圖像強度連續(xù)函數

16、的取樣點陣列因此，同一維情況類似，圖像灰度值的顯著變化可用梯度的離散逼近函數來檢測5.2邊緣檢測算法熟練掌握邊緣檢測算法有如下四個步驟：濾波，增強，檢測，定位熟練掌握Roberts算子、Sobel算子、Prewitt算子5.3二階微分算子熟練掌握二階導數有兩種算子：拉普拉斯算子和二階方向導數5.4LOG算法將高斯濾波和拉普拉斯邊緣檢測結合在一起，形成LOG（Laplacian of Gaussian, LOG）算法，也稱之為拉普拉斯高斯算法了解LOG邊緣檢測器的基本特征5.5圖像逼近理解圖像逼近5.6Canny邊緣檢測器Canny邊緣檢測器是高斯函數的一階導數，是對信噪比與定位之乘積的最優(yōu)化逼

17、近算子5.7邊緣檢測器性能理解評價邊緣檢測器性能的測度公式三、重點、難點提示和教學手段（一）重點、難點1、梯度；2、邊緣檢測算法，Roberts算子、Sobel算子、Prewitt算子；3、二階微分算子，拉普拉斯算子和二階方向導數；4、LOG算法；5、Canny邊緣檢測器；（二）教學手段課堂講授與習題課相結合四、思考與練習（注：思考與練習的形式有教師自行確定）第六章紋理分析一、學習目的通過本章的學習，掌握紋理分析和紋理分割二、課程內容6.1紋理分析統(tǒng)計方法熟練掌握紋理分析統(tǒng)計方法，灰度級同現(xiàn)矩陣，自相關法6.2紋理分析理解有序紋理的結構分析，基于模型的紋理分析，用分形理論分析紋理6.3從紋理恢復形狀了解紋理基元的尺寸、形狀、和密度等變化為表面形狀和姿態(tài)估計提供了依據從紋理恢復形狀算法正是利用了這些紋理基元的變