1、 (7) 邊界 S的邊界(boundary)是S中與S中有4連通關系的像素集合邊界通常記為 (8) 內部 內部(interior)是中不屬于它的邊界的像素集合的內部等于 (9) 包圍如果從S中任意一點到圖像邊界的4路徑必須與區域T相交，則區域T包圍(surrounds)區域S（或S在T內）圖39即為一幅簡單二值圖像和它的邊界、內部、包圍示意圖圖39 一幅二值圖像與它的邊界 ， 內部 和包圍352連通成份標記 在一幅圖像中找出連通成份是機器視覺中最常見的運算之一連通區域內的點構成表示物體的候選區域機器視覺中的大多數物體都有表面，顯然，物體表面點投影到圖像平面上會形成空間上密集的點集這里應該指出，

2、連通成份算法常常會在二值視覺系統中形成瓶頸效應，原因是連通成份運算是一個全局性的運算，這種算法在本質上是序貫的如果圖像中僅有一個物體，那么找連通成份就沒有必要；如果圖像中有許多物體，且需要求出物體的特性與位置，則必須確定連通成份連通標記算法可以找到圖像中的所有連通成份，并對同一連通成份中的所有點分配同一標記圖310表示的是一幅圖像和已標記的連通成份在很多應用中，要求在標記連通成份的同時算出連通成份的特征，如尺寸、位置、方向和外接矩形下面介紹兩種連通成份標記算法：遞歸算法和序貫算法Jain 1995圖3.10 一副圖像及其連通成分圖像（）遞歸算法 遞歸算法在串行處理器上的計算效率是很低的，因此，

3、這一算法主要用于并行機上 算法31連通成份遞歸算法 1 掃描圖像，找到沒有標記的1點，給它分配一個新的標記L 3 遞歸分配標記L給1點的鄰點 3 如果不存在沒標記的點，則停止 4 返回第一步 （）序貫算法 序貫算法通常要求對圖像進行二次處理由于這一算法一次僅運算圖像的兩行，因此當圖像以文件形式存貯且空間不允許把整幅圖像載入內存時也能使用這一算法這一算法(見算法32)可以查看某一點的鄰點，并且可以給像素值為1的鄰點分配一個已經使用過的標記如果圖像的鄰點有兩種不同的標記，則用一個等價表(equivalent table)來記錄所有的等價標記在第二次處理過程中，使用這一等價表來給某一連通成份中所有像

4、素點分配唯一的標記 本算法在從左到右、從上到下掃描圖像時，算法僅能查詢到某一像素點的4近鄰中的兩個近鄰點，即上點與左點設算法已經查到了該像素的這兩個近鄰點，此時出現三種情況：(1) 如果這兩個近鄰點中沒有一點為1，則該像素點需要一個新的標記(2) 如果這兩個近鄰點中只有一點為1，且分配了標記L，那么該像素點的標記也為L(3) 如果這兩個鄰點都為1，且已分配了標記L，則該像素點的標記還是L；但是當近鄰點被分配了不同標記M與N，則這兩個標記被用于了同一組元，應該把它們合并在這種情況下，應把其中的一個標記（一般選用最小的那個標記）分配給該像素點，并在等價表中登記為等價標記 等價表包含了給每一連通成份

5、分配唯一標記的信息在第一次掃描中，所有屬于同一連通成份的標記被視為是等價的在第二次掃描中，從一個等價集(equivalent set)中選擇一個標記并分配給連通成份中所有像素點通常將最小的標記分配給一個連通成份第二次掃描將給每一連通成份分配唯一的標記 在找到所有的連通成份后，應該統計等價表，以便刪除其中的空格；然后將等價表作為查找表對圖像重新進行掃描，以便重新統計圖像中的標記 計算每一連通成份的面積、一階矩、二階矩是序貫連通成份算法的一個部分當然，必須使用分離變量來累加每一區域的矩信息當區域合并后，每一區域的矩累計值也應加到一起 算法324連通序貫連通成份算法 1 從左至右、從上到下掃描圖像

6、2 如果像素點為1，則：(a) 如果上面點和左面點有一個標記，則復制這一標記(b) 如果兩點有相同的標記，復制這一標記(c) 如果兩點有不同的標記，則復制上點的標記且將兩個標記輸入等價表中作為等價標記(d) 否則給這一個像素點分配一新的標記并將這一標記輸入等價表 3 如果需考慮更多的點，則回到第二步 4 在等價表的每一等價集中找到最低的標記 5 掃描圖像，用等價表中的最低標記取代每一標記 353 歐拉數在許多應用中，虧格數(genus)或歐拉數可作為識別物體的特征虧格數定義為連通成份數減去空洞數， (321)其中，和分別是歐拉數、連通成份數與空洞數這個式子給出了一個簡單的拓樸特征，這種拓撲特征

7、具有平穩、旋轉和比例不變特性圖311給出了一些例子及其對應的歐拉數 圖311 字母“A”、“B”、“”及它們的歐拉數注意前景用了8連通，而背景用了4連通354 區域邊界 連通成份S的邊界是那些屬于S且與S鄰接的點集使用簡單的局部運算就可找到邊界點在大多數應用中，我們都想用一特定的順序跟蹤邊界點一般的算法是按順時針方向跟蹤區域的所有點此處討論一個簡單的邊界跟蹤算法假定物體邊界不在圖像的邊界上（即物體完全在圖像內部），邊界跟蹤算法先選擇一起始點，然后跟蹤邊界直到回到起始點這種算法概括在算法33中這種算法對尺寸大于1個象素的所有區域都是有效的用這種算法求區域8鄰點的邊界如圖312(a)所示為了得到平

8、滑的圖像邊界，可以在檢測和跟蹤圖像邊界后，利用邊界點的方向信息來平滑邊界。顯然，圖像邊界噪聲越大，圖像邊界點變化越劇烈，圖像邊界相鄰點的方向變化數（與差分鏈碼有一點區別，鏈碼見第七章）也越大根據這一特點，設置一個邊界點方向變化數閾值，把方向變化數大于這一閾值的圖像邊界點濾除，由此可得到平滑的圖像邊界。圖（b）所示的是一個經過平滑過的區域邊界示意圖，其中的方向變化數閾值為1。注意，由于采用8鄰點邊界跟蹤，因此方向變化數的最大值為4。如果閾值設成4，則對原始邊界沒有平滑。邊界跟蹤和平滑常常結合在一起使用，見計算機作業3.5。圖312 邊界跟蹤算法結果，(a) 圖像邊界跟蹤結果；（b）邊界跟蹤與平滑

9、結果算法33 邊界跟蹤算法 從左到右、從上到下掃描圖像，求區域S的起始點. 用c表示當前邊界上被跟蹤的像素點置，記c左4鄰點為b， 按逆時針方向從b開始將c的8個8鄰點分別記為，, 從b開始，沿逆時針方向找到第一個， 置， 重復步驟、，直到。 355 距離測量 在許多應用中，找到一幅圖像中兩個像素點或兩個連通成份之間的距離是很有必要的目前還沒有定義數字圖像距離的唯一方法，但對所有的像素點p、q和 r，任何距離度量都必須滿足下列性質： 1 ，當且僅當時， 2 3 下面是一些常用的距離函數 歐幾里德距離： ( 322) 街區距離： (323) 棋盤距離： (324)356 中軸 如果對中像素的所有

10、鄰點有下式成立： (325)則中像素到的距離是局部最大值中所有到的距離是局部最大值的像素點集合稱為對稱軸或中軸，通常記為使用4近鄰的中軸變換的一些例子見圖313圖313b表明少量噪聲會使中軸變換結果產生顯著的差異 由和中每一點到的距離能重構原始像素集是的簡潔表示可用來表示一個區域的形狀通過去除中與距離較小的像素點，可以生成一個簡化的集 中軸可作為物體的一種簡潔表示但是，二值圖像中的區域也可用其邊界來表示邊界跟蹤算法可用來獲得表示邊界的序列點在第七章還將討論用鏈碼來簡潔地表示邊界的方法對任意物體，邊界將是區域的簡潔表示但要明確給定像素點是否在某一區域內，中軸則是更好的表示，因為使用中軸上的像素點

11、和每一個給定像素點的最大距離圓盤（中軸距離變換），可以很容易地檢測出給定像素是否在中軸定義的區域中圖 313 中軸變換舉例357 細化 細化(thinning)是一種圖像處理運算，可以把二值圖像區域縮成線條，以逼近區域的中心線，也稱之為骨架或核線細化的目的是減少圖像成份，直到只留下區域的最基本信息，以便進一步分析和識別雖然細化可以用在包含任何區域形狀的二值圖像，但它主要對細長形(而不是凸圓形或水滴狀)區域有效細化一般用于文本分析預處理階段，以便將文本圖像中線條圖畫或字符筆畫表示成單像素線條細化要求如下：(1) 連通圖像區域必須細化成連通線結構(2) 細化結果最少應該是8連通（下面將要解釋）(3

12、) 保留近似終止線的位置(4) 細化結果應該近似于中軸線(5) 由細化引起的附加突刺(短分支)應該是最小的細化結果應該保證第一條要求中所定義的連通性，這一點是最基本的要求，它保證了連通線結構的數量等于原始圖像中連通區域的數量第二條要求保證所得到的線條總是含有8連通圖像的最小數量第三條要求說明終止線位置應該保持不變細化可以通過迭代方式不斷去除邊界點來實現，重要的是在迭代過程中不要去除端點像素，因為這樣不僅會縮短細化線，丟掉結構信息，而且不能保持其位置不變第四條要求說明所得線段應能最好地逼近原始區域的中線，如兩個像素點寬的豎線或水平線的真正中線應該位于這兩個像素之間半個像素間距的位置在數字圖像中表

13、示半個像素間距是不可能的，因此得到的結果是一條位于原直線一側的直線第五條要求沒有明確指出噪聲的影響控制到最低程度，因為判斷噪聲本身是一件很難的事一般不希望原始區域含有會引起突刺的隆起，但當某些較大隆起是區域特征時，卻必須識別它們應該指出，某些細化算法有去除突刺的參數，不過最好將細化和去除噪聲分開進行，這是由于某些情況下不需要的突刺，可能是另一些情況下所需要的短線因此，最好的辦法是先進行細化，然后單獨去除長度低于某一特定最小值的任何突刺一種常用的細化手段是在至少鄰域內檢查圖像的每一點，剝去區域邊界一次剝去一層圖像，直至區域被細化成一條線這一過程是用迭代法實現的，如算法4在每次迭代時，每一個像素點

14、用窗函數檢查，為了保持連通性或線末端位置，將單像素厚的邊界擦除在圖314中將會看到，在每次迭代中，值為1的外層區域就是用這種方式削掉的當迭代結果沒有變化時，迭代過程結束，圖像得到細化算法近鄰細化迭代算法i 對于每一個像素，如果（） 沒有上近鄰（下近鄰左近鄰右近鄰）（） 不是孤立點或終止線（） 去除該像素點不會斷開區域 則去除該像素點i 重復這一步驟直到沒有像素點可以去除圖314 細化手寫體“華”的迭代過程(a) 原圖像，(b)(f)為五次迭代過程，每次迭代削去一層邊界358 擴展與收縮 圖像中的一個連通成份可以進行全方位的擴展(expanding)或收縮(shrinking)如果某一連通成份可

15、以變化，使得一些背景像素點變成1，這一運算就稱為擴展如果物體像素點全方位地消減或變為0時，則稱為收縮一種簡單的擴展與收縮實現方法如下： 擴展：如果近鄰點是1，則將該點從0變為1 收縮：如果近鄰點是0，則將該點從1變為0這樣，收縮可以看作是擴展背景這類運算的例子見圖315 需要指出，擴展與收縮這樣簡單的運算可以完成非常有用而又貌似很復雜的運算下面引進符號 ： S擴展倍 ：S收縮倍 其中下列性質必須滿足： 先擴展后收縮算法能補上不希望存在的洞，如圖（b）（d）所示；先收縮后擴展算法則能去除孤立的噪聲點，見圖315（c）（e）請注意，擴展與收縮可用來確定孤立組元或簇注意，擴展后收縮有效地填滿了空洞卻

16、沒有去除噪聲；相反，收縮后擴展能去除噪聲卻沒有填滿空洞在地形圖像處理和膨脹與腐蝕運算中，擴展與收縮算法的一般形式被廣泛地用于許多任務中圖315 對字母“h”收縮與擴展算法實驗結果（a）原始噪聲圖像；(b) 擴展運算；（c）收縮運算；（d）擴展后收縮運算；（e）收縮后擴展運算第4章 光學圖樣的測量3.1 全息技術 使用相干光記錄和再現的，通過二布操作完成的成像技術 記錄 激光 曝光干板二光源有光程差x 角相位差延遲 在平板上產生了沿y方向延伸的等間距的平行干涉條紋條紋x方向周期2/2 ，對比度0（x，y），條紋橫向位移（x，y）來自物體的光以干涉條紋的形式被記錄下來振幅為條紋的對比度；相位為條紋

17、的橫向間距； 再現再現全息圖時，參考光要和記錄時的條線相同，這時平板相當于具有正弦透過率的衍射光柵。再現光通過光柵后沿三個方向出射，形成0級，1級，1級衍射光，由于干涉條紋受到原來物光復振幅的調制。這時由衍射光形成再現象。 全息光的特征全息技術三個必備條件1. 物光與參考光必須是相干光2. 全息圖為極細微的光強分布，需高分辨率記錄介質3. 曝光時間內，物體阿和光學系統必須是靜止的特點 1不借助透鏡，可進行像的記錄和再現。2像中保存著光波的相位信息。3可得到三維圖像。4物光為漫反射，局部全息缺陷，不影響圖像質量5全息圖可高密度的存儲信息。6可對再現圖像進行各種處理缺點7成像面局限于被激光照明的范

18、圍。8物體陰影會對成像產生影響。 9不適用于運動的物體10受相干照明散斑噪聲的影響（表面粗糙） 全息干涉法： 全息只在玻璃和金屬研磨面上，而全息干涉可以進行一般物體的測量。二次曝光法： 使物光和參考光相干，在全息板上做記錄，稍微移動一下物體，再進行第二次曝光，則二次的虛像可同時再現。前后二次的光波形成干涉條紋在物體的像上，對應于1/2波可形成一條干涉條紋 得到對應于位移分布的等高線。頻閥二次曝光法 測量震動的物體雙重脈沖二次曝光法 測量運動的物體（大功率激光器二次照明）利用計算機全息圖的干涉：在物體形狀已知的情況下，用計算機計算其衍射光的復振幅，繪到成全息圖。用計算機制作的標準光波面與被檢物體

19、產生的光波面相干涉，就能精確的測量被檢物體的形狀。3.2 散斑測量技術 激光投射到使光散射的粗糙面的物體上，就呈現普通光見不到的斑點狀的圖樣，每個斑點稱為散斑（Speckle） 產生原因：各點上的散射光具有表面微觀凹凸相對應于的不規則相位關系，它的相互干涉疊加而形成的散斑的微細程度取決于照射表面光點的形狀和大小。 性質：1.在散射面的被照明范圍內，其微觀結構的統計性質相同。 2.散斑的明暗依賴于散射面上宏觀的強度分布，大小與散射面和觀察面間的距離成正比。電子散斑干涉測量（ESPI） 物光 exp（i） 參考光exp（i）合成像 +2cos(-)物體移位后參考光無變化，物光相位，則exp（i）這

20、時成像=+2cos(-+)當2n時，散斑干涉圖不發生變化。當（2n1），變形前后合成光強度變化最大。這樣物表面分布著與有關的條紋，這種條紋反映出兩次散斑干涉光強之間的相干性，稱為相關條紋。應用： 測量變形，位移，震動，運動（轉速，速度，運動軌跡），表面粗糙度，透鏡檢查，視力檢查。3.3 莫爾條紋測量技術 莫爾是指將直線組成曲線組相重疊產生另外一種條紋圖樣的現象。 設p q為參變量，則光柵間距為a和b的兩個直線組，取直角坐標x,y時一組直線光柵xbp與之成角的另一組光柵為yxctg（agsin）聯立上列二式求交，則有Yxctg（Nd/Sin）這里 dab/ Sin=bSin/這樣間隔為d的莫爾條

21、紋會出現在圖中的角方向上“和”型、“積”型莫爾條紋兩個正弦形光柵（1Cos2x） （1+2Cos2x）“和”型為（1Cos2x）（1+2Cos2x）1Cos(+)xCos(+)x“積”型為（1Cos2x）×（1+2Cos2x） xx 總之，在產生的莫爾條紋中，總要出現兩個給定的頻率成分 具有較高的頻率成分，形成精細的結構。具有較低頻率成分，形成緩慢變化的強度分布。莫爾條紋的形成 光柵與光柵直接重疊（夾縫內取出一條莫爾條紋） 光柵與光柵像重疊（測量試中表面畸變） 光柵像與光柵像相重疊。光柵拓撲結特點1 不需要激光，利用非相干光的測量，容易使用。2 可對粗糙表面進行測量。3 可使三位物體

22、的形狀圖形化。4 較全息和散斑是靈敏度，能實現位移和震動測量的圖樣化。5 可進行運動物體三維形狀的圖形測量。3.4 微圖像測量技術1顯微鏡2微小缺陷測量。（A）利用微小凹凸產生的散射光4.1 區域和邊緣 區域: 相互連結的具有相似特性的一組像素 邊緣：區域邊界上的像素把所有對應于一個物體的像素組合到一起,并進行標記.基于區域的分割基于邊緣檢測的分割圖像分割最簡形式: 把灰度圖轉換成二值圖 圖像中的物體、背景各具有一灰度值,灰度分布曲線是由正態分布函數疊加而成圖像直方圖將會出現分離的峰值,閾值選波谷最佳. (2) 迭代式閾值選擇迭代式閾值選擇算法1. 選一初始閾值，如:灰度均值2. 利用閾值把圖

23、像分割成兩組，R1和R23. 計算區域R1和R2的均值v1、v24. 選擇新的閾值 T=(v1+v2 ) / 25. 重復24步，直到v1和v2的均值不變為止閾值的改進策略是這一方法的關鍵(3) 自適應閾值化方法 場景照明不均勻時， 一個閾值？ 把圖像分成N×N個子圖像，求出子圖像的閾值。 所有子圖像分割的邏輯歸并。（5） 雙閾值方法數與物體的某些灰度值已知. 還有些灰度值可能屬于物體,可能屬于背景. 1)選擇兩個閾值T1和T22)把圖像分割成三個區域,R1包含所有灰度值低于T1的像素；R2包含所有灰度值位于T1和T2之間的像素；R3包含所有灰度值高于T2的像素3)查看分配給區域R2

24、中的每一個像素如果某一像素鄰接區域R1，把這一像素重新分配給R14)重復步驟3)直到沒有像素被重新分配5)把區域R2剩下的所有像素重新分配給R3R1是區域核,R2是邊緣區,R3是背景（5） 直方圖方法的局限性 恒定灰度值 沒有利用圖像強度的空間信息 例如，用直方圖無法區分黑白棋格圖像具有不同灰度空間分布的圖像可能具有類似的直方圖用直方圖無法區分隨機分布的黑白點圖像、黑白棋格圖像和黑白各半的圖像直方圖的全局特性限制了其在復雜圖像中的應用直方圖完全沒有考慮由于物體表面的連續性,而使得物體圖像點常常在空間上非常密集這一特點線性變換：圖像像素灰度值分布在a,b區間第5章 干涉條紋圖像處理 光測條紋圖像

25、處理的目的是精確地、自動地提取條紋圖的相位場分布，從而得出待測的物理量分布。 隨機噪聲：由電子、熱、光敏不均，光柵或物體不清造成條紋圖噪聲。 系統噪聲：背景光強的變化和條紋幅值的變化使圖像質量退化（對比度弱，背景太強、太弱，變化太大）。4.1 干涉條紋圖數學形成與特征各種干涉條紋圖的光強分布可用數學形式表達為：I（x,y）=IO(x,y)+I1(x,y)cos(x,y)+In(x,y) 其中，IO(x,y)為背景光強，I1(x,y)為條紋幅值 (x,y)為相位場In(x,y)為可加性隨機噪聲條紋圖分布特征： I（x,y）是唯一可測的量，即已知量，(x,y)為有待測量求解的物理量 條紋圖是對相位

26、場(x,y)的余弦調制結果，表現為條紋分布。 IO(x,y)為變化的背景光強場，它主要取決于環境光場及被測物體的表面光學特征 I1(x,y)是變化的條紋幅值，也稱條紋對比度。主要取決于光源、環境等條件。 條紋間距、條紋密度或條紋的空間頻率表示相位場的變化梯度，變化梯度越大，條紋越密。同時決定灰度分布的變化梯度。 條紋方位分布表示了相位變化的梯度方向 在條紋的切線方向, 即在切線上，相位場與灰度變化大約為零 所以 條紋等值線對應于相位等值線 在條紋的法線方向n 上： p為某行求導方向所以在法線上，相位場與灰度梯度變化最大 由于cos的周期性，只能測量出相位場的二階主值 若只考慮cos的周期性的影

27、響，條紋的中心線點的相位為n階 由于余弦的偶函數性cos=cos(-),若沒有其它光驗信息，則無法從圖像灰度信息中確定相位的符號 相位場的物理意義取決于所用的實驗技術。即是那種實驗干涉條紋圖（距離、位移、振幅、變形等） 4.2 圖像預處理方法 均值濾波濾波： 帶有閥值的均值濾波 高斯濾波 中值濾波增強 線形增強 去極值的線形增強 直方圖均衡化增強4.3 條紋倍增法（數字條紋倍增法）雙幅圖條紋倍增法 在條紋等差線中，有明場和暗場等差線之分，互為相反 暗場I0=Id 明場 Il=Il 這里 IdIl 作如下運算可得： IR(x,y)= 相位實現了倍增，即條紋數增加了一倍 任意相移雙圖條紋倍增法 一

28、幅條紋圖 I(x,y)= 使其相位場平移: 兩幅圖作如下運算： 其中 ， ， 為常量，用來保持條紋倍增后的圖象范圍在0，255中 單幅圖條紋兩倍倍增法 若將一幅條紋圖背景和條紋振幅在全場常數化，這時體噢阿文圖表示為：I(x,y)=I0+I1cos(x,y)做簡單運算 就實現了條紋的二倍倍增 單幅圖條紋三倍倍增法 對上述正則化條紋圖（背景和條紋幅值，全場常數化） 利用下面的三角公式： 作變換： 就實現了三倍倍增 （附圖）4.4 條紋圖的旋濾波算法 普通濾波不能將條紋與噪聲信號清楚地分開，在濾掉噪聲的同時 使條紋模，使條紋特征畸變。旋濾波思想： 找出條紋的切線方向，只在切線方向上對條紋圖進行低通濾

29、波。（找出條紋灰度的等值線，在灰度等值線上作低通濾波） 這樣既濾掉噪聲，又不對條紋產生模糊、畸變效應。 構造一個一維濾波窗口繞當前像素點旋轉一周確定條紋切線方向在切線方向進行低通濾波。步驟：以當前點為中心的n×n像素點窗口內等角度間隔的方向濾波 （附圖） 在每條方向濾波線上，計算其灰度平均值A： ij表示當前點的位置，k表示第k個方向， 計算每個方向線上各點灰度值與改線均值之差的絕對值之和，或均方差 即 或 表示了K方向上的灰度分布的變化 在條紋的切線方向 取極小值，并用kk表示 ，這樣確定了切線的方向 沿條紋切線方向kk進行一維中值濾波或均值濾波 中值濾波：將該方向排序為中值得灰度

30、取代當前點的灰度。（可濾去鼓勵的大噪聲）均值濾波：將該方向灰度平均值取代當前點的灰度。（可濾去高斯分布的隨機噪聲） 對條紋圖全場每個點重復上述步驟。（旋濾波可對一幅條紋圖應用多次） 第6章 立體視覺被動測距傳感:視覺系統接收來自場景發射或反射的光能量,形成有關場景光能量分布函數(灰度圖象)。主動測距傳感:視覺系統首先向場景發射能量,然后接收場景對所發射的能量的反射能量形成圖象。5.1 立體成像共軛點：同一幅景點在兩個不同圖象中的投影點。視差：兩幅圖象重疊時，共軛點對之間的位置之差。外極平面：通過場景點和兩個投影中心的平面外極線：外極平面與圖像平面的郊縣外極點：同一圖像平面的所有外極線交于一點，

31、即外極點（附圖）垂直視差，外極線假定與圖像行重合，即假定垂直視差為零。兩攝像機光軸不平行，在空間相交于一點。視差與光軸夾角有關，存在視差為零表面（附圖） 5.2 基本約束 外極線約束步驟：一幅圖中選一特征點另一幅中搜索對應特征點 二維搜索 一幅圖中選一特征點求外極線另一幅圖外極線上求特征點 以為搜索一致性約束 左右攝像機的光強可能差別較大，難以進行相似性質而已，需對圖像進行規范化處理左圖（i，j） 右圖（i，j）這樣在mn圖像窗內規范化圖像函數為： / /其中u是圖像窗內光強的平均值，是光強分布函數 據此評價函數為差值絕對值之和 唯一性約束 一幅圖像上每一特征點只能與另一幅圖上唯一的一個特征對

32、應連續性約束 光滑物體 投影連續視差連續 近界處連續約束不成立5.3 邊緣匹配邊緣特征使用高斯函數的一階導數獲得，使用邊緣匹配的步驟如下：使用高斯濾波器對立體圖像進行四次濾波，前一次濾波的寬度是下一次濾波器寬度的兩倍。（高斯濾波：去處高頻噪聲，不破壞邊緣特性）在某一列上計算各個邊緣的位置。計算比較邊緣的方向和強度粗略地進行邊緣匹配 （水平邊緣是無法進行匹配的）通過精細計算得到更準確的匹配，得到精細的視差估計。5.4 匹域相關性邊緣匹配計算比較成熟，但邊緣一般對應物體的邊界，而邊界的深度值大部分情況下是不確定的。在圖像對中識別無趣點，匹配兩圖像對中的相對應的無趣點。 無趣點：盡可能容易地被識別和

33、匹配。（均勻區域不合適）具有有限大變化的區域：有足夠多相互分離的區域。在以某一點為中心的窗函數中，計算在不同方向上象素的變化量。方向的變化量： s:窗函數中的所有象素，一般為5×5范圍，取其方向變量最小值為中心象素點的無趣值 匹配方法：一幅圖像中的特征點為中心的一個小窗函數內的象素與另幅圖中各潛在對應點為中心的同樣窗函數內的象素進行相關值計算。具有最大相關值的特點就是匹配特征（只有滿足外極線約束的點才能是匹配點）相關系數：（圖像）特征點對的視差為 ，被匹配的兩個區域中所有象素灰度平均值。5.5 從x恢復形狀的方法1光度立體： 攝像機和目標靜止不動，使用不同方位的三個光源來得到同一場景

34、的三幅圖像。確定物體表面的反射特性。計算三個光源照明的所有點的局部表面方位。（間接深度計算）2從明暗恢復形狀使用圖像明暗變化來恢復物體形狀信息。表面方向的變化可轉化為圖像強度的相應變化，由圖像強度的變化可以恢復表面形狀。（間接深度計算）3從紋理恢復形狀 從圖像的紋理特性變化，如方向、密度、方位（間接深度計算）4從運動恢復形狀使用運動攝像機獲取靜止圖像，場景點的視差取決于場景是否到攝像機的距離。靜止攝像機獲取運動圖像，在圖像序列中產生運動視差取決于物體表面點位置和速度。5.6 測距成像結構光測距結構光測距時的場景是由已知幾何模式的照射光源照明的。在一個簡單的點投影系統中，投影光源和攝像機之間相距

35、一個基線距離b，如圖所示。物體坐標（x，y，z）與被測量的圖像坐標(x,y)和投影角之間的關系如下： 其中，f為攝像機的光學焦距。這樣一個三角測量系統的距離分辨力可由投影角和圖像點x水平位置的測量精度決定。結構光測距法典型的結構光照明系統是將光平面或者二維網格模式投影到場景中,與光源相隔一定距離的攝像機獲取投影到場景中物體表面的含有變形的光照模式。該變形由光照模式和物體表面的形狀和方向決定。對應于圖像平面中的任意點的三維物體坐標可以通過計算攝像機視線和光照平面的交點來決定。結構光測距系統的優點是可以很容易地控制場景照明。該系統一個典型的應用是放在傳送帶上的運動物體經過一個光束平面，在光帶圖像中產生變形，然后計算光束平面上物體的輪廓。以規則間隔重復上述過程即可恢復物體的形狀。結構光照明系統的主要缺點是無法獲取攝像機或光源看不到的物體點的數據。激光雷達測距在生物界，蝙蝠和海豚是通過接受自己發出的超聲波來確定周圍物體的存在。根據生物這種感知距離的能力，人類發明了激光雷達測距系統，即向空間發射信號，然后接收反射信號并與發射信號進行比較，以確定目標的距離和方位。常用的激光雷達測距工作體制有：脈沖飛行時間測距、相位差測距和差頻測距。其中以相位差測距應用最廣。相位差測距原理如圖所示。圖相位差測距法以相