2025年计算机视觉技术解析与实战攻略

、相机的信噪比、时（光强可探测到的最小光强，绝对敏捷度），动态增益为光强1SNR=

1.sat/光强（位），量子效率是波长的函数（入）比敏捷，动态范围大.min dB/n=n—CCD CMOS、数据构造图像、区域和亚像素轮廓2图像彩色摄像机采集的是每个像素对应的三个采样成果（三通道图像）、图像通道可被RGB看作一种二维数组，设计语言中的表达图像的数据构造；两种约定离散函数（点对点）R9R

11、持续函数R2^R%区域可以表达一幅图像中一种任意的像素子集，区域定义为离散平面的一种任意子集Rez2,将图像处理闲置在某一特定的感爱好区域（一幅图像可被看作图像所有像素点的矩形感爱好区域）二值图像特性区域用表达在区域内的点，用表达不在区域内的点；行程表达法1每次行程的最小量的数据表达行程的纵坐标、行程开始和行程结束对应横坐标值行程编码较二值图像节省存储空间（行程编码保留在位整数，须要个字节，而采用二值图像描述区1624域，每个像素点占个字节，则有个字节）行程编码保留的只是区域的边界为描述多种135区域，采用链表或数组来保留采用形成编码描述的多种区域，每个区域的信息是被独立保留和处理的亚像素轮廓比像素辨别率更高的精度（亚像素阈值分割或亚像素边缘提取）轮廓基本上可被描述成多表型，然后用排序来阐明哪些控制点是彼此相连的，在计算机里，轮廓只是用浮点数表达的横和纵坐标所构成的数组来表达、图像增强硬件采集的图像质量不好，可应用软件进行增强3灰度值变换由于光源照明的影响，局部的图像会产生对比度与设定值不一致，需要局部的去增强对比度为提高变换速度，灰度值变换一般通过查找表（）来进行（将灰度输入值变LUT换后输出保留到查找表中），最重要的灰度值变换是线性灰度值比例缩放（）（f g=ag+b ag表达对比度，表达亮度）为了自动获取图像灰度值变换参数、的值，通过图像感爱好区b a b域的最大与最小灰度值设置出、的值（灰度值归一化处理）灰度直方图表达某一灰度值abi出现的概率对于存在很亮和很暗的区域，图像归一化时需要清除一小部分最暗、最亮的灰度值（用个水平线截取区域），再进行图像归一化处理，将对比度提高（鲁棒的灰度归一化处2理）辐射标定传感器搜集的能量与图像实际灰度值的关系是非线性时候（一般需要是线性的，提高某些处理算法的精确度），对非线性对应求其逆响应的过程就是辐射标定取二？对响应q函数求逆运算得到线性响应，求的过程既是标定q图像平滑克制由于多种原因产生的图像噪声（随即灰度值）干扰后灰度值二图像灰度值+噪声信号（将噪声看作是针对每个像素平均值为且方差是的随机变量），降噪措施之

一、062时域平均法，采集多幅图像进行平均，原则偏差将为本来的根号求的平均值后，将任意一1/n,幅图像减去平均，即为该幅图像的噪声；措施之

二、空间平均操作法，通过像素数（）2n+l*（）的一种窗口进行平均操作，会使边缘模糊（计算量非常大，进行（）（）2m+l2n+l*2m+l次操作）；措施之

三、递归滤波器，在前一种计算出的值的基础上计算出新的值，较措施一速度快了倍；满足所有准则（平滑程度准则以及滤波）的高斯滤波器高斯滤波器是303XXs可分的，因此可以非常高效率的被计算出来，可以更好地克制高频部分若更关注质量，则应采用高斯滤波器；若关注执行速度，首选使用均值滤波器傅里叶变换将图像函数从空间域转变到频率域，可以再进行频率高下的滤波操作平滑、插值算法图像被放大不清晰时，通过插值增长放大的增多的像素近来像素插值算法近4来像素插值算法（）是最简朴的一种插值算法，当图片放大时，Nearest NeighbourInterpolation缺乏的像素通过直接使用与之最靠近的原有像素的颜色生成，也就是说照搬旁边的像素，这样做的成果是产生了明显可见的锯齿；双线性插值算法双线性插值算法（）输出的图像的每个像素都是原图中四Bilinear Interpolation个像素（）运算的成果，这种算法极大程度上消除了锯齿现象；2x2双三次插值算法双三次插值算法（）是上一种算法的改善算法，它输出图Bicubic Interpolation像的每个像素都是原图个像素（）运算的成果，这种算法是一种很常见的算法，普遍用164x4在图像编辑软件、打印机驱动和数码相机上分形算法分形算法（）是提出的一种算法，这种算法得到Fractal InterpolationAltamira Group的图像跟其他算法相比更清晰、更锐利这些算法重要应用在图像变换操作中、特性提取区域的矩作为特性量，要对分割出来的区域进行操作，需要确定一种或多种特5性量（特性），区域特性是可以从区域自身提取出来的特性；灰度值特性还需要图像中区域内的灰度值；轮廓特性是基于轮廓坐标的区域特性区域的面积就是区域内所有点的总和，对于二值图像累加项较行程要多得多ap，q=—汇rpcq------------------＞求出重心（阳，,0归一化的矩推导出重心a（一（）时，有（F（c-rto,i）q（二阶中心a（）p+q22=-22r,c e/距）通过计算椭圆的长轴、短轴与水平夹角或者矩形的长宽和方位为确定区域大小和方位在一定区域内，一种点集的凸包就是包括了区域内所有点的最小凸集（假如任意两点练成的直线上的所有点都在点集中，这个点集就是凸集），因此可以运用凸包来确定某区域（面积与该区域凸包比值为凸性）；然后再跟踪区域边界获取一种轮廓，获取到轮廓线段的欧儿里得距离，进行求和就得到轮廓长度加上面积引出紧性概念L,a（）C=Z3/4/T6Z o灰度值特性先引出区域内最大最小灰度值，在两个不一样参照区域内计算平均灰度值可测量出线性亮度变化，从而计算一种线性灰度值变换（平均灰度值是一种记录特性，另一种记录特性是灰度值的方差和原则偏差（基于矩的灰度值特性与对应的局域矩的区域特性非常相似）使用区域的特性函数作为灰度值时，灰度值矩就被简化为区域矩（特性函数被用来解释为像1素在区域内，为像素在区域外，在处理小物体上，灰度值矩能得到精确度更好地处理成果）；定义一种模糊从属关系灰度值低于北京灰度值最小值的每个像素，其从属关系值为高于前0,景灰度值最大值的每个像素，关系为灰度值落在此范围内，其从属关系通过线性插值得到，I,而这一计算过程需要使用浮点图像，因此将从属关系值按比例放大到一种位整数图像上（一b般位），再通过计算灰度值矩和中心灰度矩判断区域特性8轮廓特性亚像素精度轮廓长度的计算轻易些，由于轮廓已经用于控制点（小），假设一种闭合轮廓通过S,）=（分,）来表达，表达轮廓围绕的亚像素精度区域，贝（）阶R Up,q矩被定义为m,=JJ rpcqdrdc,与区域矩类似，可定义归一化的矩和中心P q]n距轮廓的面积和重心计算公式为=不\]八一一八一重心06/=!I n1白〉（匕-〃）＞（）（）（n\,o=——r-ic—re-1+r,i=h/.h-\Ci—re-i c-i+6£6a£Q、摄像机标定是精确测量目的物体的必要过程，由于每个镜头的畸变都不一样样，通过标6定校正镜头畸变，同步可以得到在世界坐标系中目的物体米制单位的坐标〃（建立摄像机模型（线阵摄像机）P=Pw,Cl,……C〃）标定就是确定摄像机参数0,.......°的过程线阵摄像机的摄像机模型运动向量（口,外，,心）世界坐标系一一＞摄像机坐标系一一＞图7像坐标系（变换关系）线阵相机中，由于目的与相机的相对运动以及镜头的畸变，会使得目的（世界坐标系）的点投影到图像坐标系时产生错位九个参数（九女），玲）为摄像机的内参，它们确定了摄像机从三维空间到二维图像的投Sx,S,G,C3/x,Jz影关系重要的影响原因有镜头畸变以及运动与相机不匹配或者方向不符标定过程为了进行摄像机标定，必须已知世界坐标系中足够多三维空间点的坐标，找到这些空间点在图像中的投影点的二维坐标，然后再通过它们确定其他参数运用平面标定板进行标定精确易于操作、精度高并且可应用在背光照明中；环节；将标定板运用阈值分割与背景分割出来，找到含个孔洞区域一一＞运用亚像素边缘提取标定板各个圆点的边缘，将提取边m*n缘拟合成椭圆一一＞基于椭圆的最小外界四边形可以很轻易确实定标定标识与它们在图像中投影之间的对应关系，再根据四边形边角来确定方向从而确定了标定标识及其投影关系一一＞确定标识中心点与通过投影计算得到的坐标（）之间的距mi4M,,c离最小化来确定参数（）加一不（）『一＞（是标定板上标识的d c=ZX||M‘,c mink=mn/=1数量内参可以通过摄像机及镜头的参数阐明得到，而外参则需要通过之前椭圆尺寸的到一种初始值（最优化过程）在标定期，需要采集多幅图像多种不一样标识进行标定，由于摄像机模型参数不是唯一解，可以成倍放大或者缩小（简并性），为使精度更高，所有图像中标定板的位置应当覆盖图像的四个角（畸变性最高）摄像机参数的精确度（防止简并性）主距、焦距、径向畸变等参数的不唯一性，需要通过对多幅图像的标定确定各自参数（有关性每幅图像都对相机参数有着制约性），最终确定出一最精确参数、模板匹配为常常发生变化的物体提供此类被测物体原型即可对系统进行简朴配置，从而7可以寻找所有类型的目的物的措施计算模板的所有有关位姿与图像各个位置之间的相似度（该项目总体是目的位姿的平移），该模式也可以确定图像中具有多少个目的物三个关键词一幅图像、感爱好区域、相似度基于灰度值的模板匹配（，）（〃）〃）；（〃,）（为相似度，为s rc=s{/,u,c+u w7}s t模板各点的灰度值，为图像感爱好区域的灰度值），最简朴的措施是计算模板与图像之间差f值的绝对值的总和或所有差值的平方和（当然必须选择一种阈值提取基准位置）相似则相似度量为不相似则相似度量不小于该措施受光照影响较大；不受光照线性变化影响的相似度0,0,量是归一化有关系数（通过模板与图像的平均灰度值及所有像素灰度值的方差）度量值（）ncc r,c时，模板与图像之间才完全匹配，设定阈值判断与否能到达完全匹配=±l使用停止原则（sadj^c）＞nts）可以提速比例为一种常数，但不变化算法复杂度使用图形金字塔进行匹配复杂度（〃）（基于灰度，不合用停止原则）为图像的长O w/z wh宽，为模板中点的数量一一＞搜索方略；将图像多次缩小倍建立起来的数据构造被称为图n12像金字塔，均值滤波器是创立图像金字塔的首选滤波器（高斯滤波器耗时大，且有频率响应问题），搜索时区域越来越大（图像持续平滑和二次采样），到高层是回使得图像不清晰失真（马赛克效果）搜索方略计算出搜索图像和模板的合适层数的图像金字塔（必须保证最高层上目的可以清晰辨别，然后进行一次完美的匹配）一一〉在最高层搜索的模板实例都将追踪到图像金字塔的最底层（将找到的匹配点的坐标乘直到找不到匹配对象或者到金字塔最底层结束）2,一一＞在高层，图像灰度值会发生变化，需要将阈值放松，保证找到所有也许的匹配位置（相似度量需要提高阈值，相似度量使用稍微低一点的阈值）从高到低去搜索，SAD/SSD NCC先搜索再匹配，并且最终追踪到最底层基于灰度值的亚像素精度匹配为了使模板位姿的精确度更高，可以提取亚像素精度的局部最小值或最大值，然后将局部最小值或最大值附件的邻域内相似度量拟合成一种多项式，然3*3后求该多项式的局部最大值或最小值也可以运用最小二乘法拟合匹配，不过该措施受光照影响较大，需要建立明确的光照变化模型（复杂）可靠的模板匹配算法为了可以在存在遮挡、混乱和非线性光照变化的状况下找到目的物体，基于灰度的匹配算法不可以实现，需要更好更精确的措施、措施

一、将图像边缘分割为多A种几何基元（分割为线段和圆弧）；措施

二、基于边缘的分割找到边缘上的突变点然后在图像匹配这些突变点（点可以直接从图像中提取，不需要首先提取边缘）图像匹配算法中的一大类是基于模板边缘与图像边缘之间的距离，计算分割后搜索图像背景的距离变换，假如模板边缘点与图像边缘点之间的平均距离不不小于一种阈值，则被认为是模板的实例基于边缘的均方差匹配算法不受光照和混乱影响，不过精确度不高；基于边缘的距离（图像边缘Hausdorff点和模板边缘点）算法（运算量比较大），选用距离的大距离需要较精确，并且难以基于相r似度量的内插值算法得到亚像素精度的位姿；基于边缘像素点（组点）显示梯度向量表达对应方向，通过霍夫变换得到合计数组，再对图像进行阈值分割计算局部最大值从而得到目的区域的位置、基于几何基元的匹配算法模板B中包括个几何基元，而图像中基元数量不小于此时在模板与图像之间存在（〃〃）的m n,0指数关系措施

一、几何哈希法（基于三个点可以定义二维平面的措施）减少模板与图像点之间对应关系的工作量，运用最小二乘法或者选中的三个基准点进行仿射变换将图像变换然后与模板匹配，不过该措施不适合在线状态（选中的三个基准点也许存在误差，则导致计算成果均有误差）一一＞以上算法基于图像基元；最终一类算法基于几何基元（线段或者圆弧）将图像的轮廓线分割为线段，选择最长的十条线段作为特殊线段（运用线段临近状况排序），为了产生一种假设，先用一条线段匹配，然后再通过其他线段匹配验证这个假设；也可以通过拐角（模板边界中相邻的两条有一定拐角的线段组合），运用两个拐角之间的几何约束排除错误匹配位置，假如两者之间的差异不超过一种阈值，那么这个匹配位置被接受模板或搜索图像中包括少数几种明显的几何基元，运用几何基元匹配算法合适；基于像素算法优势在于它们可以表达任意形状的模板，而另首先，几何匹配算法受限于某些可以使用少许几何基元构成的形状相对简朴的模板以上措施都需要提取目的边缘，受光照灰度影响较大运用相似度量（基于图像金字塔的分层识别方略，不受遮蔽、混乱和非线性光照变化影响）首先将一种目的对象的模板定义为点集，）和每个点关联的方向向量p=5,o T=（九⑹/（方向向量可以通过许多不一样的图像处理操作得到，一般使用边缘提取措施4计算方向向量），将图像仿射变换，将转换后的模板与图像进行对比的相似度量必须不受光照等影响，在特定点计算变换后所有点处的方向向量以及图像中相对应点的方向向量（未归一化，归一化完全不受光照影响）点积的总和，并以此作为匹配分值（这也就是变换后模板在特定点处的相似度量，对应于放射变换的平移部分运用金字塔搜索模板，滤波运算得到每个图像点的方向向量（图像没有被分割），设定阈值尽快结束搜索，加迅速度。