人工智能基礎(chǔ)與應(yīng)用計(jì)算機(jī)視覺關(guān)鍵技術(shù)主講人：李恒人工智能課程團(tuán)隊(duì)目錄|

CONTENTS圖像處理01特征提取特征匹配030201圖像處理圖像處理邊緣檢測(cè)線性濾波：均值濾波器、高斯濾波器等非線性濾波：中值濾波器、雙邊濾波器和非線性最大熵濾波濾波邊緣檢測(cè)是識(shí)別圖像中物體邊界的過程，它是圖像分割、目標(biāo)跟蹤和特征提取等任務(wù)的基礎(chǔ)。常用的邊緣檢測(cè)算法有Sobel算子、Canny邊緣檢測(cè)和Laplacian算子等。幾何變換幾何變換涉及改變圖像的空間位置或尺寸，以適應(yīng)不同的應(yīng)用需求。常見的幾何變換包括：旋轉(zhuǎn)、縮放、平移、透視變換圖像處理濾波是圖像處理中用于去除噪聲或提取特征的技術(shù)。濾波器可以是線性的或非線性的，它們通過特定的數(shù)學(xué)操作（如卷積）應(yīng)用于圖像，濾波的分類見下表：分類應(yīng)用線性濾波

均值濾波器：對(duì)每個(gè)像素點(diǎn)及其鄰域內(nèi)的像素取平均值減少圖片噪聲高斯濾波器：使用高斯函數(shù)作為權(quán)重，對(duì)鄰域內(nèi)的像素賦予不同的影響力減少圖像的高斯噪聲非線性濾波

中值濾波器：替換像素值為其鄰域內(nèi)的中值去除椒鹽噪聲雙邊濾波器：根據(jù)像素的空間距離和強(qiáng)度差異對(duì)像素值進(jìn)行加權(quán)平均保留邊緣信息同時(shí)平滑圖像非線性最大熵濾波：基于圖像的熵概念，通過最大化圖像的熵來估計(jì)像素值圖像重建圖像處理線性濾波器通常用于圖像去噪、模糊處理以及圖像的預(yù)處理階段。它們?cè)谔幚韴D像時(shí)保留了圖像的線性特征，但可能會(huì)模糊圖像的邊緣。非線性濾波器適合于處理具有復(fù)雜特性的圖像，如去噪同時(shí)保持邊緣清晰、圖像細(xì)節(jié)增強(qiáng)等。它們?cè)趫D像處理中的應(yīng)用包括圖像去噪、細(xì)節(jié)增強(qiáng)、圖像重建等。下圖展示對(duì)于同一張?jiān)肼晥D片，卷積核為11時(shí)，均值濾波和中值濾波的處理對(duì)比結(jié)果。圖像處理幾何變換涉及改變圖像的空間位置或尺寸，以適應(yīng)不同的應(yīng)用需求。常見的幾何變換見下表：幾何變換形式概念應(yīng)用旋轉(zhuǎn)旋轉(zhuǎn)是圍繞一個(gè)固定點(diǎn)（旋轉(zhuǎn)中心）旋轉(zhuǎn)圖像的一個(gè)操作旋轉(zhuǎn)用于調(diào)整圖像的方向調(diào)整圖像的方向，比如將傾斜的文本或物體調(diào)整為水平方向縮放縮放是改變圖像尺寸的過程縮放用于適應(yīng)不同的顯示需求或分辨率要求平移平移是將圖像中的每個(gè)點(diǎn)按照某個(gè)向量移動(dòng)的操作用于估計(jì)相機(jī)的運(yùn)動(dòng)透視變換透視變換將圖像中的一個(gè)平面區(qū)域映射到另一個(gè)平面糾正透視失真，如將照片上的文本或場(chǎng)景變換為正面視角圖像處理邊緣檢測(cè)是識(shí)別圖像中物體邊界的過程，它是圖像分割、目標(biāo)跟蹤和特征提取等任務(wù)的基礎(chǔ)。邊緣檢測(cè)算法通?；趫D像亮度的快速變化。邊緣檢測(cè)算法對(duì)比見下表。算法實(shí)現(xiàn)方法應(yīng)用Sobel算子通過計(jì)算圖像的一階導(dǎo)數(shù)的近似值來檢測(cè)邊緣適用于噪聲干擾低的圖片Canny邊緣檢測(cè)首先使用高斯濾波去除噪聲，然后計(jì)算梯度幅度和方向，接著通過非極大值抑制來細(xì)化邊緣，最后使用雙閾值檢測(cè)來確定和連接邊緣適用于需要高精度邊緣定位的場(chǎng)合Laplacian算子基于二階導(dǎo)數(shù)算子Laplacian算子用于增強(qiáng)圖像快速變化區(qū)域02特征提取局部特征提取關(guān)注圖像中的具體區(qū)域或小部分，這些特征通常與圖像的特定內(nèi)容或結(jié)構(gòu)有關(guān)。局部特征的提取方法包括：角點(diǎn)檢測(cè)關(guān)鍵、局部二值模式等。局部特征提取全局特征提取關(guān)注整個(gè)圖像或圖像的重要全局屬性。全局特征的提取方法包括顏色直方圖等全局特征提取特征提取特征提取常用的幾個(gè)特征提取方法見下表所示簡(jiǎn)介應(yīng)用角點(diǎn)檢測(cè)包括Harris角點(diǎn)檢測(cè)器、Shi-Tomasi角點(diǎn)檢測(cè)器等，對(duì)場(chǎng)景的局部結(jié)構(gòu)具有描述性。廣泛應(yīng)用于運(yùn)動(dòng)跟蹤、立體視覺、全景拼接、特征匹配和增強(qiáng)現(xiàn)實(shí)等領(lǐng)域。局部二值模式描述圖像的全局紋理信息廣泛應(yīng)用于紋理分類、人臉識(shí)別、背景分割和圖像分割等領(lǐng)域。顏色直方圖一種全局圖像描述符，它統(tǒng)計(jì)圖像中每種顏色的分布常用于圖像檢索、視頻分析、場(chǎng)景分類和顏色識(shí)別任務(wù)。03特征匹配SIFT算法包括尺度空間極值檢測(cè)、關(guān)鍵點(diǎn)定位、方向賦值和描述符生成四個(gè)主要步驟。01ORB是