機(jī)器視覺(jué)機(jī)器視覺(jué)_第1章-概述機(jī)器視覺(jué)_第2章-圖像獲取機(jī)器視覺(jué)_第3章-圖像處理機(jī)器視覺(jué)_第4章-圖像分割與描述機(jī)器視覺(jué)_第5章-特征檢測(cè)與匹配機(jī)器視覺(jué)_第6章-運(yùn)動(dòng)估計(jì)與濾波機(jī)器視覺(jué)_第7章-單目位姿測(cè)量與標(biāo)定機(jī)器視覺(jué)_第8章-多視圖幾何與三維重建機(jī)器視覺(jué)_第9章_視覺(jué)系統(tǒng)實(shí)現(xiàn)機(jī)器視覺(jué)_第10章-機(jī)器視覺(jué)應(yīng)用實(shí)例全套可編輯PPT課件

本課件是可編輯的正常PPT課件機(jī)器視覺(jué)：1.概述本課件是可編輯的正常PPT課件機(jī)器視覺(jué)應(yīng)用機(jī)器視覺(jué)發(fā)展簡(jiǎn)史機(jī)器視覺(jué)任務(wù)

內(nèi)容組織與教學(xué)建議

機(jī)器視覺(jué)的定義本課件是可編輯的正常PPT課件機(jī)器視覺(jué)的定義什么是機(jī)器視覺(jué)本課件是可編輯的正常PPT課件1.1什么是機(jī)器視覺(jué)Part15“百聞不如一見(jiàn)”：視覺(jué)占感知信息的75%-80%讓機(jī)器具有像人一樣的智能，能夠通過(guò)視覺(jué)感知和理解環(huán)境，是人類長(zhǎng)久以來(lái)的夢(mèng)想。機(jī)器視覺(jué)：讓機(jī)器如何“看到”的科學(xué)本課件是可編輯的正常PPT課件1.1什么是機(jī)器視覺(jué)Part16從圖像看視覺(jué)的直觀定義畫面里都有什么？人、車和房子在什么位置？目標(biāo)在做什么？目標(biāo)間有什么關(guān)系？本課件是可編輯的正常PPT課件1.1什么是機(jī)器視覺(jué)Part17目標(biāo)的分割和識(shí)別；目標(biāo)的三維位置信息；行為理解與分析；語(yǔ)義理解與推理。上述問(wèn)題對(duì)應(yīng)了視覺(jué)從底層到高層的不同認(rèn)知層次：本課件是可編輯的正常PPT課件機(jī)器視覺(jué)任務(wù)正式定義基本任務(wù)本課件是可編輯的正常PPT課件2.1機(jī)器視覺(jué)的正式定義Part29機(jī)器視覺(jué)是使用光學(xué)器件進(jìn)行非接觸感知，自動(dòng)獲取和解釋一個(gè)真實(shí)場(chǎng)景的圖像，以獲取信息和(/或)控制機(jī)器或過(guò)程。SME(美國(guó)制造工程師協(xié)會(huì))關(guān)于機(jī)器視覺(jué)的定義：機(jī)器視覺(jué)系統(tǒng)的輸入是外界環(huán)境圖像或圖像序列（視頻），輸出則是視覺(jué)處理后的信息，這些信息可作為最終結(jié)果直接反饋給人類或輸出至其他設(shè)備，作為最終控制及決策的依據(jù)。根據(jù)這一定義：本課件是可編輯的正常PPT課件2.2機(jī)器視覺(jué)基本任務(wù)Part210在制造業(yè)中，機(jī)器視覺(jué)的基本任務(wù)包括測(cè)量、檢測(cè)、定位與識(shí)別。10本課件是可編輯的正常PPT課件2.2機(jī)器視覺(jué)基本任務(wù)Part211機(jī)器視覺(jué)基本任務(wù)——測(cè)量11本課件是可編輯的正常PPT課件2.2機(jī)器視覺(jué)基本任務(wù)Part212機(jī)器視覺(jué)基本任務(wù)——檢測(cè)12外觀缺陷檢測(cè)本課件是可編輯的正常PPT課件2.2機(jī)器視覺(jué)基本任務(wù)Part213機(jī)器視覺(jué)基本任務(wù)——定位13坐標(biāo)輸出定位內(nèi)部特征定位本課件是可編輯的正常PPT課件2.2機(jī)器視覺(jué)基本任務(wù)Part214機(jī)器視覺(jué)基本任務(wù)——識(shí)別14光學(xué)字符識(shí)別顏色識(shí)別本課件是可編輯的正常PPT課件2.2機(jī)器視覺(jué)基本任務(wù)Part215除制造領(lǐng)域外，機(jī)器視覺(jué)還在消費(fèi)電子、自動(dòng)駕駛、醫(yī)療、能源等領(lǐng)域有廣泛應(yīng)用，包括視覺(jué)引導(dǎo)機(jī)器人、視覺(jué)跟蹤系統(tǒng)、視覺(jué)輔助導(dǎo)航、自動(dòng)駕駛、能源生產(chǎn)過(guò)程自動(dòng)化等。15本課件是可編輯的正常PPT課件機(jī)器視覺(jué)發(fā)展簡(jiǎn)史相關(guān)學(xué)科相關(guān)學(xué)科發(fā)展機(jī)器視覺(jué)發(fā)展本課件是可編輯的正常PPT課件3.1機(jī)器視覺(jué)相關(guān)學(xué)科Part317和如下學(xué)科密切相關(guān)：視覺(jué)神經(jīng)生理學(xué)人工智能與機(jī)器學(xué)習(xí)數(shù)字圖像處理神經(jīng)生理學(xué)圖像處理機(jī)器學(xué)習(xí)人工智能機(jī)器視覺(jué)本課件是可編輯的正常PPT課件3.2相關(guān)學(xué)科發(fā)展Part3181958年，美國(guó)DavidHubel和TorstenWiesel在JohnHopkins大學(xué)通過(guò)測(cè)試貓的視皮質(zhì)細(xì)胞，發(fā)現(xiàn)視皮質(zhì)細(xì)胞只對(duì)視網(wǎng)膜上的圖像的某些特定細(xì)節(jié)有反應(yīng)，并且這些細(xì)胞似乎會(huì)自然映射到不同角度（1981年獲諾貝爾生理學(xué)獎(jiǎng)）視覺(jué)神經(jīng)生理學(xué)本課件是可編輯的正常PPT課件3.2相關(guān)學(xué)科發(fā)展Part319人的視覺(jué)系統(tǒng)采用分級(jí)信息處理方式，對(duì)應(yīng)不同層次處理的細(xì)胞呈層狀排列，即視覺(jué)皮層。視覺(jué)神經(jīng)生理學(xué)本課件是可編輯的正常PPT課件3.2相關(guān)學(xué)科發(fā)展Part320初級(jí)視覺(jué)系統(tǒng)中的神經(jīng)元感受野較小，可實(shí)現(xiàn)高分辨率的視覺(jué)處理。每個(gè)感受野的時(shí)空結(jié)構(gòu)可視為對(duì)圖像的給定屬性進(jìn)行局部濾波的處理單元。隨著處理向高層移動(dòng)，感受野越來(lái)越大，特征復(fù)雜度不斷增加。對(duì)象識(shí)別是視覺(jué)層次化處理的一個(gè)典型示例，可通過(guò)多層協(xié)同作用構(gòu)造感受野的計(jì)算模型。視覺(jué)神經(jīng)生理學(xué)本課件是可編輯的正常PPT課件3.2相關(guān)學(xué)科發(fā)展Part3211956年，在由達(dá)特茅斯學(xué)院舉辦的一次會(huì)議上，JohnMcCarthy等科學(xué)家聚在一起，在討論中提出“人工智能”(ArtificialIntelligence)一詞，人工智能就此誕生。人工智能與機(jī)器學(xué)習(xí)本課件是可編輯的正常PPT課件3.2相關(guān)學(xué)科發(fā)展Part322五十年代末到六十年代初是人工智能早期迅速發(fā)展的時(shí)期1986年Hinton發(fā)明BP算法，人工智能進(jìn)入了第二次高潮期2016年，AlphaGo戰(zhàn)勝圍棋世界冠軍，人工智能進(jìn)入新的階段人工智能與機(jī)器學(xué)習(xí)本課件是可編輯的正常PPT課件3.2相關(guān)學(xué)科發(fā)展Part323通過(guò)人工智能方法，機(jī)器視覺(jué)一方面可以解決更為復(fù)雜的問(wèn)題，如根據(jù)視頻自動(dòng)生成描述字幕，在復(fù)雜環(huán)境中輔助人類進(jìn)行自動(dòng)駕駛等；另一方面，可針對(duì)不同的問(wèn)題建立共性的處理方法，如機(jī)器學(xué)習(xí)分類算法、深度學(xué)習(xí)等，為機(jī)器視覺(jué)的研究開(kāi)辟了新的思路。人工智能與機(jī)器學(xué)習(xí)本課件是可編輯的正常PPT課件3.2相關(guān)學(xué)科發(fā)展Part324對(duì)已有的圖像進(jìn)行變換、分析、重構(gòu)，得到的仍是圖像。機(jī)器視覺(jué)是給定圖像，從圖像提取信息，包括景象的三維結(jié)構(gòu)，運(yùn)動(dòng)檢測(cè)，識(shí)別物體等。數(shù)字圖像處理2007年11月5日，我國(guó)嫦娥1號(hào)探月衛(wèi)星使用CCD相機(jī)拍攝的第一張?jiān)虑虮砻鎴D像本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part325孕育期(20世紀(jì)70年代前)：早期機(jī)器視覺(jué)相關(guān)工作啟蒙期(20世紀(jì)80-90年代)：機(jī)器視覺(jué)誕生，并產(chǎn)生主要分支探索期(20世紀(jì)90年代中期-2012)：機(jī)器視覺(jué)+機(jī)器學(xué)習(xí)爆發(fā)期(2012-至今):卷積神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)機(jī)器視覺(jué)的發(fā)展大致經(jīng)歷了四個(gè)階段：本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part326早期的工作圍繞統(tǒng)計(jì)模式識(shí)別和視覺(jué)理解基礎(chǔ)工作展開(kāi)機(jī)器視覺(jué)的發(fā)展——孕育期本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part3271963年，LarryRoberts發(fā)表“三維固體的機(jī)器感知”論文，視覺(jué)世界被簡(jiǎn)化為簡(jiǎn)單的幾何形狀，而Larry試圖從圖像中解析出這些邊緣和形狀1966年，MIT的Minsky指導(dǎo)本科生G.Sussman“在暑期將攝像機(jī)連接到計(jì)算機(jī)上，讓計(jì)算機(jī)來(lái)描述他所看到的東西”。這一研究被認(rèn)為是機(jī)器視覺(jué)的開(kāi)創(chuàng)工作機(jī)器視覺(jué)的發(fā)展——孕育期本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part3281982Marr的“Vision:Acomputationalinvestigationintothehumanrepresentationandprocessingofvisualinformation”，標(biāo)志著機(jī)器視覺(jué)的誕生。機(jī)器視覺(jué)的發(fā)展——啟蒙期本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part329Marr認(rèn)為從二維圖像恢復(fù)三維物體，經(jīng)歷了自下而上的三個(gè)階段機(jī)器視覺(jué)的發(fā)展——啟蒙期本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part330此后，很多重要的數(shù)學(xué)工具被引入機(jī)器視覺(jué)，并建立分支圖像尺度空間表達(dá)機(jī)器視覺(jué)的發(fā)展——啟蒙期本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part331此后，很多重要的數(shù)學(xué)工具被引入機(jī)器視覺(jué)，并建立分支基于馬爾科夫隨機(jī)場(chǎng)模型(MarkovRandomField,MRF)視覺(jué)處理機(jī)器視覺(jué)的發(fā)展——啟蒙期a)含噪圖像b)去噪圖像本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part332此后，很多重要的數(shù)學(xué)工具被引入機(jī)器視覺(jué)，并建立分支基于攝影幾何理論的多視幾何機(jī)器視覺(jué)的發(fā)展——啟蒙期本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part333此后，很多重要的數(shù)學(xué)工具被引入機(jī)器視覺(jué)，并建立分支偏微分方程(PDE)及變分法應(yīng)用機(jī)器視覺(jué)的發(fā)展——啟蒙期基于Snake活動(dòng)輪廓模型的圖像分割本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part33420世紀(jì)90年代中后期開(kāi)啟的特征工程時(shí)代重點(diǎn)圍繞復(fù)雜場(chǎng)景視覺(jué)識(shí)別、分類等任務(wù)，機(jī)器學(xué)習(xí)等技術(shù)與機(jī)器視覺(jué)結(jié)合日益緊密。機(jī)器視覺(jué)的發(fā)展——探索期本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part335基于深度學(xué)習(xí)的處理方法的效果已全面超越傳統(tǒng)算法，并在實(shí)際中開(kāi)始廣為應(yīng)用機(jī)器視覺(jué)的發(fā)展——爆發(fā)期本課件是可編輯的正常PPT課件3.3機(jī)器視覺(jué)發(fā)展Part336我國(guó)機(jī)器視覺(jué)產(chǎn)業(yè)起步相對(duì)較晚，近年來(lái)隨著國(guó)家大力推進(jìn)制造業(yè)轉(zhuǎn)型和智能制造，國(guó)內(nèi)制造業(yè)升級(jí)轉(zhuǎn)型和國(guó)產(chǎn)化替代的趨勢(shì)明顯加快，市場(chǎng)規(guī)模快速提升。2017年至2022年，我國(guó)機(jī)器視覺(jué)市場(chǎng)規(guī)模由59億元增長(zhǎng)至225億元，復(fù)合增長(zhǎng)率達(dá)30.7%。隨著宏觀環(huán)境的改善、機(jī)器視覺(jué)技術(shù)的成熟及下游領(lǐng)域的拓寬，我國(guó)機(jī)器視覺(jué)行業(yè)將持續(xù)快速發(fā)展。機(jī)器視覺(jué)的發(fā)展——爆發(fā)期本課件是可編輯的正常PPT課件機(jī)器視覺(jué)應(yīng)用本課件是可編輯的正常PPT課件機(jī)器視覺(jué)應(yīng)用Part438機(jī)器視覺(jué)已滲透到了人類日常生活中的幾乎每個(gè)方面本課件是可編輯的正常PPT課件4.1機(jī)器人視覺(jué)分揀Part439機(jī)器視覺(jué)可以輔助機(jī)器人對(duì)傳送帶上的目標(biāo)進(jìn)行識(shí)別和跟蹤，并將相應(yīng)信息反饋給控制器，引導(dǎo)機(jī)械手臂完成自動(dòng)分揀任務(wù)。本課件是可編輯的正常PPT課件4.1機(jī)器人視覺(jué)分揀Part440基于視覺(jué)識(shí)別的機(jī)器人智能分揀工作流程：本課件是可編輯的正常PPT課件4.1機(jī)器人視覺(jué)分揀Part441實(shí)際機(jī)器人智能分揀系統(tǒng)本課件是可編輯的正常PPT課件4.2智能視頻監(jiān)控Part4421.對(duì)視頻內(nèi)容按照語(yǔ)義關(guān)系，采用目標(biāo)分割、圖像識(shí)別、分類、跟蹤等處理，將信息濃縮為結(jié)構(gòu)化文本或可視化圖像/視頻摘要信息。本課件是可編輯的正常PPT課件4.2智能視頻監(jiān)控Part4432.智能交通監(jiān)控系統(tǒng)是智能視頻監(jiān)控的另一重要應(yīng)用。本課件是可編輯的正常PPT課件4.3表面缺陷檢測(cè)Part444采用通過(guò)機(jī)器視覺(jué)技術(shù)，對(duì)鋰電池表面的露鋁、凹痕、劃痕、凹坑、針孔等缺陷進(jìn)行自動(dòng)檢測(cè)。本課件是可編輯的正常PPT課件4.4機(jī)器人視覺(jué)同時(shí)定位與建圖Part445采用視覺(jué)傳感器，在機(jī)器人操作的過(guò)程中對(duì)自己本身位姿進(jìn)行估計(jì)，并且能夠建立環(huán)境的信息。本課件是可編輯的正常PPT課件4.4機(jī)器人視覺(jué)同時(shí)定位與建圖Part446算法在某室內(nèi)辦公室數(shù)據(jù)集上運(yùn)行效果：本課件是可編輯的正常PPT課件內(nèi)容組織與教學(xué)建議本課件是可編輯的正常PPT課件5.1內(nèi)容組織Part548教材內(nèi)容組織本課件是可編輯的正常PPT課件5.2教學(xué)建議Part549（以下根據(jù)情況選擇）本科本課件是可編輯的正常PPT課件5.2教學(xué)建議Part550（以下根據(jù)情況選擇）研究生本課件是可編輯的正常PPT課件感謝各位的聆聽(tīng)！本課件是可編輯的正常PPT課件機(jī)器視覺(jué)：2.圖像獲取本課件是可編輯的正常PPT課件圖像量化與表達(dá)視覺(jué)信息獲取照明和顏色

圖像壓縮與視頻壓縮

人類視覺(jué)感知本課件是可編輯的正常PPT課件人類視覺(jué)感知什么是機(jī)器視覺(jué)本課件是可編輯的正常PPT課件1.1人眼結(jié)構(gòu)Part155人眼可感知來(lái)自直接來(lái)自太陽(yáng)等光源發(fā)射或被其它物體反射的光子。具體來(lái)說(shuō)，可感知380至720nm（420–790THz）部分輻射的電磁波人眼在光譜的綠色區(qū)域具有555nm左右的峰值靈敏度，這主要因?yàn)榈乇砩顓^(qū)域綠植覆蓋人眼在可感知的亮度范圍內(nèi)以近似對(duì)數(shù)而非線性的方式感知亮度本課件是可編輯的正常PPT課件1.1人眼結(jié)構(gòu)Part156人眼結(jié)構(gòu)：將人眼類比為相機(jī)，則晶狀體、瞳孔和視網(wǎng)膜就是鏡頭、光圈和成像傳感器。本課件是可編輯的正常PPT課件1.1人眼結(jié)構(gòu)Part157視網(wǎng)膜中通常有大約1.3億個(gè)傳感器細(xì)胞，包括1.25億個(gè)視桿細(xì)胞和6-7百萬(wàn)個(gè)視錐細(xì)胞。這些分布如圖2-3所示。其中視桿細(xì)胞主要負(fù)責(zé)暗視覺(jué)，視錐細(xì)胞則主要負(fù)責(zé)明視覺(jué)和色覺(jué)。本課件是可編輯的正常PPT課件1.1人眼結(jié)構(gòu)Part158有三類視錐細(xì)胞，分別對(duì)應(yīng)三種不同顏色的感應(yīng)：其中約65%對(duì)應(yīng)紅色，33%對(duì)應(yīng)綠色，2%對(duì)應(yīng)藍(lán)色，其歸一化吸收曲線如圖。人眼可識(shí)別的電磁波長(zhǎng)大約為380-780nm。本課件是可編輯的正常PPT課件1.2視覺(jué)特性Part159(1)視覺(jué)關(guān)注在復(fù)雜場(chǎng)景中，人類視覺(jué)能快速定位重要區(qū)域并進(jìn)行準(zhǔn)確分析，對(duì)其它區(qū)域則有意忽視，這種主動(dòng)選擇的機(jī)制稱為視覺(jué)關(guān)注視覺(jué)關(guān)注包括客觀內(nèi)容驅(qū)動(dòng)的自底向上關(guān)注模型和主觀命令指導(dǎo)的自頂而下關(guān)注模型。自底向上關(guān)注主要跟圖像內(nèi)容的顯著性相關(guān)；那些與周圍區(qū)域具有較大差異性的目標(biāo)更容易得到視覺(jué)關(guān)注。自頂而下關(guān)注則受意識(shí)支配，可將視覺(jué)關(guān)注強(qiáng)行轉(zhuǎn)移到某一特定區(qū)域本課件是可編輯的正常PPT課件1.2視覺(jué)特性Part160

本課件是可編輯的正常PPT課件1.2視覺(jué)特性Part161(3)視覺(jué)掩蓋對(duì)比度掩蓋：由于邊緣存在強(qiáng)烈的亮度變化，人眼對(duì)邊緣輪廓敏感，而對(duì)邊緣的亮度誤差不敏感紋理掩蓋：圖像紋理區(qū)域存在較大的亮度以及方向變化，人眼對(duì)該區(qū)域信息的分辨率下降運(yùn)動(dòng)掩蓋：視頻序列相鄰幀間內(nèi)容的劇烈變動(dòng)（如目標(biāo)運(yùn)動(dòng)或者場(chǎng)景變化），導(dǎo)致人眼分辨率的劇烈下降在很暗的環(huán)境中人眼敏感顏色的錐狀細(xì)胞將失去作用，視覺(jué)功能由桿狀細(xì)胞產(chǎn)生，此時(shí)人眼僅能敏感灰度本課件是可編輯的正常PPT課件1.2視覺(jué)特性Part162(4)視覺(jué)內(nèi)在推導(dǎo)機(jī)制對(duì)于待識(shí)別的輸入場(chǎng)景，人類視覺(jué)系統(tǒng)會(huì)根據(jù)大腦中的記憶信息，來(lái)推導(dǎo)、預(yù)測(cè)其視覺(jué)內(nèi)容，同時(shí)那些無(wú)法理解的不確定信息將會(huì)被丟棄本課件是可編輯的正常PPT課件照明和顏色照明模型顏色模型本課件是可編輯的正常PPT課件2.1照明模型Part

264

本課件是可編輯的正常PPT課件Part

265以下列出光通量的一些典型值光源光通量說(shuō)明太陽(yáng)3.566×1028lm燭光12.56lm光通量的定義白熾燈/鹵鎢燈12～24

lm／W鹵鎢燈效率高于白織燈熒光燈和氣體放電燈50～120

lm／W氣體放電燈如鈉燈、汞燈和金屬鹵化物燈等LED燈110~150lm／W2.1照明模型本課件是可編輯的正常PPT課件Part

266

2.1照明模型本課件是可編輯的正常PPT課件Part

267照度指投射到一平表面上的輻射通量密度。指到達(dá)一表平面上，單位時(shí)間，單位面積上的輻射能以符號(hào)E表示，常用單位是lux(勒克斯)1

lux

=1lm/m22.1照明模型本課件是可編輯的正常PPT課件Part

268以下列出輻照度的一些典型值場(chǎng)景照度(lux)說(shuō)明黑夜0.001～0.02月夜則是0.02～0.3陰天室內(nèi)5～50陰天室外50～500晴天室內(nèi)100～1000晴天室外1000~10000適合閱讀300～750閱讀書刊時(shí)需50～60家用攝像機(jī)標(biāo)準(zhǔn)照度14002.1照明模型本課件是可編輯的正常PPT課件Part

269

2.1照明模型本課件是可編輯的正常PPT課件Part

270以下列出一些常用表面的反射系數(shù)表面材質(zhì)反射系數(shù)純黑體0黑天鵝絨0.01粗糙的混凝土0.20~0.30不銹鋼0.65白雪0.93理想鏡面12.1照明模型本課件是可編輯的正常PPT課件2.2顏色與顏色模型Part

271色彩與三原色本課件是可編輯的正常PPT課件2.2顏色模型Part

272

本課件是可編輯的正常PPT課件2.2顏色模型Part

273RGB顏色模型本課件是可編輯的正常PPT課件2.2顏色模型Part

274RGB顏色模型本課件是可編輯的正常PPT課件4.2顏色模型Part

475HSI顏色模型色調(diào)H是描述純色的屬性（如紅色、黃色等）飽和度S表示的是一種純色被白光稀釋的程度的度量亮度體現(xiàn)了無(wú)色的光強(qiáng)度概念，是一個(gè)主觀的描述本課件是可編輯的正常PPT課件4.2顏色模型Part

476YUV與YCbCr顏色模型YUV模型是另一類將亮度分量與色度分量分離表達(dá)的顏色模型，其中Y為亮度通道，U和V為色度通道。YUV顏色模型在彩色電視信號(hào)傳輸中使用，可以很好的解決彩色與黑白電視機(jī)的兼容問(wèn)題YCbCr則是YUV一種變體，目前在數(shù)字圖像和視頻表達(dá)中廣為使用。其中Y表示亮度，Cb反映的是RGB輸入信號(hào)藍(lán)色部分與RGB信號(hào)亮度值之間的差值，Cr則反映的是紅色部分與亮度之間的差值。本課件是可編輯的正常PPT課件視覺(jué)信息獲取CMOS與CCD傳感器彩色傳感器深度傳感器本課件是可編輯的正常PPT課件3.1CCD與CMOS傳感器Part378CCD傳感器由二維傳感器陣列組成，每個(gè)最小構(gòu)成單元是一個(gè)二極管，對(duì)應(yīng)一個(gè)像素。可以存儲(chǔ)接收到的光子，將到達(dá)的光信號(hào)轉(zhuǎn)換為電信號(hào)；最后將各單元存儲(chǔ)的電荷輸出。本課件是可編輯的正常PPT課件3.1CCD與CMOS傳感器Part379CMOS傳感器在光檢測(cè)方面和CCD相同，都利用了硅的光電效應(yīng)原理，不同點(diǎn)在于光產(chǎn)生電荷的讀出方式。本課件是可編輯的正常PPT課件3.1CCD與CMOS傳感器Part380傳感器的主要參數(shù)：(1)傳感器尺寸(2)分辨率(3)靈敏度(4)動(dòng)態(tài)范圍本課件是可編輯的正常PPT課件3.2彩色圖像傳感器Part381為獲得彩色圖像，需要同時(shí)敏感顏色空間的不同分量，實(shí)際中在常規(guī)傳感器表面覆蓋一個(gè)含特定圖案排列的含紅綠藍(lán)三色單元的濾膜，再加上對(duì)其輸出信號(hào)的處理算法，可實(shí)現(xiàn)圖像傳感器輸出彩色圖像數(shù)字信號(hào)。彩色圖像傳感器原理本課件是可編輯的正常PPT課件3.2彩色圖像傳感器Part382彩色濾色片陣列也稱為拜爾(Bayer)濾色鏡，排列在感光區(qū)上方。一般Bayer濾色鏡包含50%綠色、25%紅色和25%藍(lán)色陣列；這與人眼對(duì)綠色敏感度高的機(jī)制相一致。像素缺失的不同顏色分量可按插值計(jì)算。彩色圖像傳感器的Bayer模式本課件是可編輯的正常PPT課件3.3深度圖像傳感器Part383(1)雙目視覺(jué)是一類最常用的深度圖像感知方式，成像原理類似人眼，過(guò)兩個(gè)相隔一定距離的像機(jī)同時(shí)獲取同一場(chǎng)景的兩幅圖像。被動(dòng)傳感深度圖像傳感器本課件是可編輯的正常PPT課件3.3深度圖像傳感器Part384(2)光場(chǎng)成像是一類較新的深度成像方式，目前最為普及的是基于微透鏡陣列的光場(chǎng)相機(jī)。被動(dòng)傳感深度圖像傳感器本課件是可編輯的正常PPT課件3.3深度圖像傳感器Part385(2)光場(chǎng)成像宏觀上類似傳統(tǒng)成像結(jié)果，但將其中小圖像塊放大后可看到，其均由在每一個(gè)微透鏡下成的像構(gòu)成，元素圖像與微透鏡一一對(duì)應(yīng)。被動(dòng)傳感深度圖像傳感器本課件是可編輯的正常PPT課件3.3深度圖像傳感器Part386(1)ToF(飛行時(shí)間)成像通過(guò)光發(fā)射裝置向目標(biāo)場(chǎng)景發(fā)射連續(xù)的脈沖激光信號(hào)，然后用傳感器接收物體反射回的光脈沖。基于激光測(cè)距原理，利用發(fā)射和接收脈沖信號(hào)的時(shí)間差，可測(cè)量被測(cè)物體表面各位置的距離信息。主動(dòng)傳感深度圖像傳感器本課件是可編輯的正常PPT課件3.3深度圖像傳感器Part387(1)ToF(飛行時(shí)間)成像成像效果展示：以彩色形式展示，顏色越靠近紅色表示到相機(jī)距離越近。主動(dòng)傳感深度圖像傳感器本課件是可編輯的正常PPT課件3.3深度圖像傳感器Part388(2)結(jié)構(gòu)光成像將產(chǎn)生的結(jié)構(gòu)光投射至被測(cè)物體上，進(jìn)一步通過(guò)圖像傳感器采集帶有結(jié)構(gòu)光的圖案，根據(jù)模式圖像在圖像中的位置以及在物體表面的形變程度，利用三角原理計(jì)算即可得到場(chǎng)景中各點(diǎn)的深度信息。主動(dòng)傳感深度圖像傳感器本課件是可編輯的正常PPT課件3.3深度圖像傳感器Part389不同類型深度圖像傳感器對(duì)比傳感類型ToF雙目光場(chǎng)成像結(jié)構(gòu)光測(cè)距方式主動(dòng)式被動(dòng)式被動(dòng)式主動(dòng)式測(cè)量精度mm~cm級(jí)，與距離基本無(wú)關(guān)與距離相關(guān)，精度近距可達(dá)mm級(jí)與距離相關(guān)，mm~cm級(jí)與距離相關(guān)，精度近距可達(dá)mm級(jí)測(cè)量范圍由激光功率決定，幾米~幾十米內(nèi)由基線長(zhǎng)度決定，一般為幾米以內(nèi)一般幾十厘米至幾米一般幾米以內(nèi)影響因素不受光照變化和物體紋理影響，受多重反射影響。受光照和物體紋理影響大，夜晚和無(wú)紋理物體表面無(wú)法使用受光照和物體表面材質(zhì)影響，夜晚無(wú)法使用。基本不受光照變化和物體紋理影響，但受反光和強(qiáng)光影響。本課件是可編輯的正常PPT課件圖像采集和量化采集與量化Gamma校正數(shù)字表達(dá)本課件是可編輯的正常PPT課件4.1采集和量化Part491圖像采樣圖像采樣實(shí)現(xiàn)對(duì)圖像空間坐標(biāo)的離散化。采樣的過(guò)程相當(dāng)于用一個(gè)網(wǎng)格把原始圖像覆蓋，然后通過(guò)采樣算法計(jì)算格子的值；采樣網(wǎng)格如何選取決定了圖像的空間分辨率。本課件是可編輯的正常PPT課件4.1采集和量化Part492圖像采樣下面演示對(duì)原始圖像進(jìn)行采樣的過(guò)程。本課件是可編輯的正常PPT課件4.1采集和量化Part493圖像量化

本課件是可編輯的正常PPT課件4.1采集和量化Part494圖像量化圖像量化過(guò)程。本課件是可編輯的正常PPT課件4.2Gamma校正Part495非線性亮度感知圖像傳感器輸出圖像的亮度與真實(shí)光強(qiáng)呈線性關(guān)系，但人眼感受到的亮度與真實(shí)光強(qiáng)之間的關(guān)系是非線性的。本課件是可編輯的正常PPT課件4.2Gamma校正Part496Gamma校正由于傳感輸出與人類感知亮度的不一致性，通常在圖像傳感器輸出時(shí)對(duì)其進(jìn)行Gamma校正。本課件是可編輯的正常PPT課件4.2Gamma校正Part497不同系數(shù)對(duì)應(yīng)的Gamma校正效果

本課件是可編輯的正常PPT課件4.3圖像的數(shù)字表達(dá)Part498圖像可以用一個(gè)二維矩陣來(lái)表示

本課件是可編輯的正常PPT課件4.3圖像的數(shù)字表達(dá)Part499灰度圖像數(shù)字表示示意本課件是可編輯的正常PPT課件4.3圖像的數(shù)字表達(dá)Part4100彩色圖像數(shù)字表示示意，具有RGB三個(gè)顏色分量本課件是可編輯的正常PPT課件4.3圖像的數(shù)字表達(dá)Part4101數(shù)字圖像采用二維矩陣表達(dá)，但計(jì)算機(jī)內(nèi)存及硬盤等存儲(chǔ)器等均為一維線性組織，因此在圖像處理時(shí)需要將圖像轉(zhuǎn)換為線性表達(dá)。為此，可按照從左至右、從上至下的順序?qū)D像進(jìn)行Z字形掃描，形成一維線性字節(jié)數(shù)據(jù)本課件是可編輯的正常PPT課件壓縮圖像與壓縮視頻CMOS與CCD傳感器彩色傳感器深度傳感器本課件是可編輯的正常PPT課件5.1圖像壓縮Part5103JPEG壓縮在1994年成為國(guó)際靜態(tài)圖像壓縮標(biāo)準(zhǔn)，編碼過(guò)程如圖。本課件是可編輯的正常PPT課件5.1圖像壓縮Part5104JPEG不同壓縮率結(jié)果對(duì)比本課件是可編輯的正常PPT課件5.2視頻壓縮Part5105視頻壓縮圖像幀內(nèi)部和相鄰視頻幀之間存在大量冗余，因此可對(duì)視頻進(jìn)行壓縮，以便于視頻存儲(chǔ)和傳輸。本課件是可編輯的正常PPT課件5.2視頻壓縮Part5106不同視頻壓縮率結(jié)果對(duì)比本課件是可編輯的正常PPT課件5.2視頻壓縮Part5107常見(jiàn)視頻壓縮格式名稱及壓縮前后的數(shù)據(jù)碼率比較序號(hào)名稱分辨率（像素）未壓縮碼率(bps)壓縮數(shù)據(jù)碼率(H.264,bps)壓縮數(shù)據(jù)碼率(H.265,bps)1D1(4CIF)704×5760.27G1.5M0.9M2720P1280×7201.24G3M1.8M31080P1920×10802.78G5M3M43M2048×15364.22G7M4.2M54M2560×14404.94G8M4.8M64K3840×216011.12G16M9.6M本課件是可編輯的正常PPT課件5.3視頻壓縮標(biāo)準(zhǔn)Part5108視頻壓縮標(biāo)準(zhǔn)演化本課件是可編輯的正常PPT課件5.3視頻壓縮標(biāo)準(zhǔn)Part5109H.26x（1）H.261：用于傳輸數(shù)據(jù)速率為64kbps及其整數(shù)倍的視頻信號(hào)（2）H.263：專為低數(shù)據(jù)速率傳輸設(shè)計(jì)（3）H.264：提供比H.263、MPEG-2和MPEG-4等現(xiàn)有標(biāo)準(zhǔn)更低的比特率（4）H.265：以較低的比特率提供更高的編碼容量本課件是可編輯的正常PPT課件5.3視頻壓縮標(biāo)準(zhǔn)Part5110MPEG-x（1）MPEG-1：以1.5Mbits/s的最大允許比特率壓縮視頻質(zhì)量（2）MPEG-2：在電視廣播信號(hào)中實(shí)現(xiàn)高壓縮比，目標(biāo)壓縮率為4–30Mbps（3）MPEG-4：在較低帶寬通道中高質(zhì)量地傳輸視頻信號(hào)，常見(jiàn)壓縮比為100:1本課件是可編輯的正常PPT課件感謝各位的聆聽(tīng)！本課件是可編輯的正常PPT課件機(jī)器視覺(jué)：3.圖像處理本課件是可編輯的正常PPT課件數(shù)字形態(tài)學(xué)濾波邊緣檢測(cè)圖像濾波

圖像的傅里葉變換本課件是可編輯的正常PPT課件圖像的傅里葉變換頻域與時(shí)域典型的二維信號(hào)傅里葉變換本課件是可編輯的正常PPT課件1.1頻域與時(shí)域Part1115時(shí)域即時(shí)間域，自變量是時(shí)間，因變量是信號(hào)的變化，其動(dòng)態(tài)信號(hào)描述信號(hào)在不同時(shí)刻的取值。頻域即頻率域，自變量是信號(hào)的頻率，因變量是信號(hào)的幅值，反映了信號(hào)幅值與頻率的關(guān)系。頻域與時(shí)域的定義本課件是可編輯的正常PPT課件1.1頻域與時(shí)域Part1116時(shí)域表達(dá)簡(jiǎn)潔且直觀，例如，正弦波信號(hào)只需要幅值、頻率、相位三個(gè)特征量就可以進(jìn)行表達(dá)，但對(duì)形狀相似的非正弦波信號(hào)很難加以區(qū)分。頻域表達(dá)更加深刻簡(jiǎn)練，無(wú)論是正弦波信號(hào)還是非正弦波信號(hào)，都可以通過(guò)傅里葉積分或傅里葉變換將其分解為各次諧波，從而可以用各次諧波的幅值、頻率和相位來(lái)表示信號(hào)。頻域與時(shí)域的特點(diǎn)本課件是可編輯的正常PPT課件1.1頻域與時(shí)域Part1117以方波信號(hào)進(jìn)行傅里葉展開(kāi)為例，它等于多個(gè)不同頻率的正弦信號(hào)的疊加傅里葉展開(kāi)示意圖本課件是可編輯的正常PPT課件1.1頻域與時(shí)域Part1118當(dāng)我們對(duì)信號(hào)進(jìn)行時(shí)域分析時(shí)，往往不能得到信號(hào)的所有特征，因?yàn)樾盘?hào)不僅與時(shí)間相關(guān)，還與頻率分布、相位分布等因素有關(guān)。因此，還需要對(duì)信號(hào)的頻率分布進(jìn)行分析，也就需要在頻域內(nèi)對(duì)信號(hào)進(jìn)行表示。信號(hào)從時(shí)域到頻域的變換是通過(guò)傅里葉級(jí)數(shù)和傅里葉積分實(shí)現(xiàn)的，傅里葉級(jí)數(shù)是針對(duì)周期函數(shù)信號(hào)的變換，傅里葉積分是針對(duì)非周期函數(shù)信號(hào)的變換。頻域與時(shí)域的聯(lián)系與轉(zhuǎn)換本課件是可編輯的正常PPT課件1.2典型的二維信號(hào)Part1119沖激信號(hào)線性系統(tǒng)和傅里葉變換研究的核心是沖激及其取樣特性，連續(xù)變量t在t=0處的單位沖激函數(shù)表示為：限制條件：

本課件是可編輯的正常PPT課件1.2典型的二維信號(hào)Part1120沖激信號(hào)物理上，如果我們把t解釋為時(shí)間，那么一個(gè)沖激函數(shù)可以看成幅值無(wú)限、持續(xù)時(shí)間為0、具有單位面積的尖峰信號(hào)。一個(gè)沖激函數(shù)具有關(guān)于如下積分形式的采樣特性：

本課件是可編輯的正常PPT課件1.2典型的二維信號(hào)Part1121沖激信號(hào)假設(shè)f(t)在t=0處連續(xù)，則采樣特性得到函數(shù)f(t)在沖激位置的函數(shù)值。采樣特性的一種更為一般的情況是在t=t0處采樣，對(duì)應(yīng)的單位沖激函數(shù)表示為。此時(shí)采樣特性變?yōu)椋?/p>

本課件是可編輯的正常PPT課件1.2典型的二維信號(hào)Part1122連續(xù)信號(hào)的單位階躍信號(hào)的表達(dá)式為：令x表示一個(gè)離散變量。單位階躍信號(hào)u(x)在離散系統(tǒng)中定義如下：階躍信號(hào)本課件是可編輯的正常PPT課件1.2典型的二維信號(hào)Part1123階躍信號(hào)(a)單位連續(xù)階躍函數(shù)(b)單位離散階躍函數(shù)本課件是可編輯的正常PPT課件1.3傅里葉變換Part1124傅里葉變換的實(shí)質(zhì)是將信號(hào)表示為無(wú)窮多個(gè)各次諧波的疊加，利用直接測(cè)量得到的原始信號(hào)，進(jìn)行多次諧波信號(hào)疊加來(lái)得到正弦波信號(hào)的頻率、振幅和相位。與之對(duì)應(yīng)的是傅里葉反變換，是將多次諧波的正弦波信號(hào)疊加為一個(gè)信號(hào)。傅里葉變換原理本課件是可編輯的正常PPT課件1.3傅里葉變換Part1125傅里葉變換將某些難以處理的時(shí)域信號(hào)轉(zhuǎn)換為易于處理與分析的頻域信號(hào)。隨后利用一些頻域分析方法對(duì)頻域信號(hào)進(jìn)行處理和加工。最后再進(jìn)行傅里葉反變換將處理后的頻域信號(hào)轉(zhuǎn)換為時(shí)域信號(hào)。傅里葉變換原理本課件是可編輯的正常PPT課件1.3傅里葉變換Part1126單變量連續(xù)函數(shù)

的單變量連續(xù)函數(shù)

定義為：若給出

，則其傅里葉反變換

的定義為：一維連續(xù)型傅里葉變換及其反變換本課件是可編輯的正常PPT課件1.3傅里葉變換Part1127二維連續(xù)函數(shù)的傅里葉變換定義為：若給定

，則其傅里葉反變換

的定義為：二維連續(xù)型傅里葉變換及其反變換本課件是可編輯的正常PPT課件1.3傅里葉變換Part1128單變量離散函數(shù)

的傅里葉變換

定義為：若給出

，則其傅里葉反變換

的定義為：一維離散型傅里葉變換（DFT）及其反變換本課件是可編輯的正常PPT課件1.3傅里葉變換Part1129二維離散函數(shù)的傅里葉變換定義為：若給定

，則其傅里葉反變換

的定義為：二維離散型傅里葉變換及其反變換本課件是可編輯的正常PPT課件1.3傅里葉變換Part1130a）一維傅里葉變換的極坐標(biāo)表示

幅值或頻率譜為：其中和分別是的實(shí)部和虛部

相角或相位譜為：傅里葉變換的極坐標(biāo)表示本課件是可編輯的正常PPT課件1.3傅里葉變換Part1131b）二維DFT的極坐標(biāo)表示

幅值或頻率譜為：其中和分別是的實(shí)部和虛部

相角或相位譜為：傅里葉變換的極坐標(biāo)表示本課件是可編輯的正常PPT課件1.3傅里葉變換Part1132傅里葉變換的頻率譜和相位譜(c)相位譜（a）原圖(b)頻率譜本課件是可編輯的正常PPT課件1.3傅里葉變換Part1133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。灰度變化得快頻率就高，灰度變化得慢頻率就低。傅里葉變換在圖像處理中的作用本課件是可編輯的正常PPT課件1.3傅里葉變換Part1134從物理效果看，傅立葉變換是將圖像從空間域轉(zhuǎn)換到頻率域，將圖像的灰度分布函數(shù)變換為圖像的頻率分布函數(shù)。傅里葉反變換是將圖像從頻率域轉(zhuǎn)換到空間域，將圖像的頻率分布函數(shù)變換為灰度分布函數(shù)。傅里葉變換在圖像處理中的作用本課件是可編輯的正常PPT課件1.3傅里葉變換Part1135傅立葉頻譜圖上明暗不一的區(qū)域，實(shí)質(zhì)上是圖像上某一像素點(diǎn)與其鄰域像素點(diǎn)的灰度值差異，也就是梯度。梯度越大，頻率越高，能量越低，在頻譜圖上就越暗；反之梯度越小，頻率越低，能量越高，在頻譜圖上越亮。傅里葉變換在圖像處理中的作用本課件是可編輯的正常PPT課件圖像濾波線性濾波非線性濾波頻域?yàn)V波本課件是可編輯的正常PPT課件Part2137圖像濾波的操作過(guò)程為一個(gè)濾波模板（又稱濾波器、鄰域算子）在待處理圖像上移動(dòng)，對(duì)每個(gè)濾波器覆蓋的區(qū)域進(jìn)行點(diǎn)乘求和，得到的值作為中心像素點(diǎn)的輸出值。圖像濾波的基本思想2圖像濾波本課件是可編輯的正常PPT課件Part2138對(duì)于圖像的邊緣像素處，可以選擇對(duì)圖像邊緣進(jìn)行擴(kuò)充，例如，使用3x3的濾波器時(shí)，可以用0在原始圖像周圍增加一層像素。圖像濾波的基本思想2圖像濾波本課件是可編輯的正常PPT課件2.1線性濾波Part2139線性濾波器中心點(diǎn)的像素值與其他鄰域像素值存在線性關(guān)系，常見(jiàn)的線性濾波方法有方框?yàn)V波、均值濾波、高斯濾波。設(shè)濾波器大小為NxN，濾波器所在區(qū)域圖像的像素值為f(x,y)，其中x,y=1,2,3…,N。本課件是可編輯的正常PPT課件2.1線性濾波Part2140方框?yàn)V波：中心點(diǎn)的像素值為濾波器所在區(qū)域圖像的像素值之和，即均值濾波：該方法中心點(diǎn)的像素值為濾波器所在區(qū)域像素之和的平均值本課件是可編輯的正常PPT課件2.1線性濾波Part2141方框?yàn)V波的效果（a）原圖(b)加高斯噪聲(c)方框?yàn)V波后本課件是可編輯的正常PPT課件2.1線性濾波Part2142均值濾波的效果（a）原圖(b)加高斯噪聲(c)均值濾波后本課件是可編輯的正常PPT課件2.1線性濾波Part2143前兩種濾波方法認(rèn)為不同位置上的噪聲是基本相同的，但是實(shí)際中不同位置上的噪聲存在差異，而常見(jiàn)的噪聲符合高斯分布，因此可以采用高斯濾波器進(jìn)行濾波處理。高斯濾波考慮了像素離濾波器中心距離的影響，根據(jù)高斯分布公式和每個(gè)像素點(diǎn)距離中心像素點(diǎn)的位置計(jì)算出濾波器每個(gè)位置上的數(shù)值，從而形成一個(gè)高斯濾波器。二維高斯分布公式為：高斯濾波

本課件是可編輯的正常PPT課件2.1線性濾波Part2144以σ=1.5為例，可以得到模糊半徑為1的高斯模板高斯濾波本課件是可編輯的正常PPT課件2.1線性濾波Part2145為了保證九個(gè)點(diǎn)之和為1，要對(duì)得到的高斯模板進(jìn)行歸一化操作，最終得到3x3高斯濾波器模板。高斯濾波本課件是可編輯的正常PPT課件2.1線性濾波Part2146高斯濾波的效果（a）原圖(b)加高斯噪聲(c)高斯濾波后本課件是可編輯的正常PPT課件2.1線性濾波Part2147三種濾波效果對(duì)比方框?yàn)V波均值濾波高斯濾波本課件是可編輯的正常PPT課件2.1線性濾波Part2148除了上述幾種常用的線性濾波，還可以根據(jù)實(shí)際任務(wù)需要，自定義一個(gè)濾波器的系數(shù)來(lái)實(shí)現(xiàn)自定義濾波。自定義濾波本課件是可編輯的正常PPT課件2.2非線性濾波Part2149線性濾波是對(duì)所有像素值的線性組合得到濾波的結(jié)果，因此含有噪聲的像素點(diǎn)也會(huì)被考慮進(jìn)去，并且噪聲像素點(diǎn)會(huì)以更加柔和的方式存在于圖像中。非線性濾波可以利用邏輯判斷將噪聲像素點(diǎn)過(guò)濾掉，從而實(shí)現(xiàn)更好的濾波效果。其計(jì)算過(guò)程可能包括排序、邏輯計(jì)算等，常見(jiàn)的非線性濾波方法有中值濾波和雙邊濾波。本課件是可編輯的正常PPT課件2.2非線性濾波Part2150首先將濾波器范圍內(nèi)的所有像素值按照從小到大的順序排序，然后選取排好序的序列中值作為濾波后濾波器中心點(diǎn)的像素值，后面操作同線性濾波，即移動(dòng)濾波器重復(fù)進(jìn)行排序取中值操作。中值濾波本課件是可編輯的正常PPT課件2.2非線性濾波Part2151中值濾波能在濾除噪聲的同時(shí)保留圖像的邊緣信息，因此得到了廣泛的應(yīng)用。但中值濾波過(guò)程中的數(shù)據(jù)排序費(fèi)時(shí)較多，尤其是對(duì)尺寸較大的圖像，需要進(jìn)行大量的像素值比較，耗時(shí)較長(zhǎng)，不利于圖像濾波處理的實(shí)時(shí)性；同時(shí)也容易產(chǎn)生圖像模糊的現(xiàn)象。中值濾波的優(yōu)缺點(diǎn)本課件是可編輯的正常PPT課件2.2非線性濾波Part2152中值濾波的效果（a）原圖(b)加高斯噪聲(c)中值濾波后本課件是可編輯的正常PPT課件2.2非線性濾波Part2153前面幾種方法都會(huì)造成圖像模糊，使邊緣信息消失或減弱。為了保護(hù)邊緣信息在圖像濾波過(guò)程中不會(huì)損失，產(chǎn)生了邊緣保護(hù)濾波算法，其中最常用的邊緣保護(hù)濾波算法就是雙邊濾波。前面介紹的高斯濾波只關(guān)注位置信息，即距離中心點(diǎn)越近濾波器系數(shù)越大，距離越遠(yuǎn)系數(shù)越小。而雙邊濾波是在高斯濾波的基礎(chǔ)上加入像素值差異指標(biāo)，即同時(shí)考慮像素點(diǎn)的距離因素和像素值的差異，像素值差異越小系數(shù)越大，差異越大系數(shù)越小雙邊濾波本課件是可編輯的正常PPT課件2.2非線性濾波Part2154雙邊濾波原理本課件是可編輯的正常PPT課件2.2非線性濾波Part2155空間位置距離濾波器系數(shù)的生成公式為其中(k,l)為濾波器中心像素點(diǎn)的坐標(biāo);(i,j)為濾波器鄰域像素點(diǎn)的坐標(biāo)；σd為距離標(biāo)準(zhǔn)差。雙邊濾波公式本課件是可編輯的正常PPT課件2.2非線性濾波Part2156像素值差異濾波器系數(shù)的生成公式為其中，函數(shù)f(i,j)表示要處理的圖像在（i,j）處的像素值,f(k,l)表示圖像在(k,l)處的像素值；σr為灰度標(biāo)準(zhǔn)差。雙邊濾波公式本課件是可編輯的正常PPT課件2.2非線性濾波Part2157上述兩式相乘，得到雙邊濾波器系數(shù)的生成公式距離標(biāo)準(zhǔn)差σd和灰度標(biāo)準(zhǔn)差σr是雙邊濾波器的重要參數(shù)，σd越大圖像越模糊，σr越大細(xì)節(jié)越模糊，所以可以根據(jù)3σ原則來(lái)選取合適的濾波器尺寸。雙邊濾波公式本課件是可編輯的正常PPT課件2.2非線性濾波Part2158雙邊濾波的效果（a）原圖(b)加高斯噪聲(c)雙邊濾波后本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2159圖像濾波除在空間域進(jìn)行外，還可以在頻域進(jìn)行。頻域?yàn)V波主要分為低通濾波和高通濾波。在頻域上，低頻部分表示輪廓，高頻部分表示細(xì)節(jié)，因此可以使用低通濾波和高通濾波分別對(duì)圖像進(jìn)行平滑和銳化處理。頻域?yàn)V波本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2160頻域?yàn)V波過(guò)程本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2161低通濾波器分為理想低通濾波器、高斯低通濾波器和Butterworth低通濾波器三種。理想低通濾波器的濾波非常尖銳，而高斯低通濾波器的濾波則非常平滑。Butterworth低通濾波器則介于兩者之間，當(dāng)Butterworth低通濾波器的階數(shù)較高時(shí)，接近理想低通濾波器；階數(shù)較低時(shí)，則接近高斯低通濾波器。低通濾波本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2162理想低通濾波器工作原理是，無(wú)衰減地通過(guò)以原點(diǎn)為圓心、D0為半徑的圓內(nèi)所有頻率，而截?cái)鄨A外所有的頻率，圓心的頻率最低，為變換的直流分量。理想低通濾波器的函數(shù)表達(dá)式為理想低通濾波器本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2163理想低通濾波器的過(guò)渡非常急劇，會(huì)產(chǎn)生振鈴現(xiàn)象。理想低通濾波器徑向橫截面圖像形式傳遞函數(shù)的透視圖本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2164理想低通濾波器的效果原圖原圖的頻譜處理后的圖像處理后的頻譜本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2165高斯低通濾波器的函數(shù)表達(dá)式見(jiàn)下式，從圖中可看出過(guò)渡特性非常平緩，因此不會(huì)產(chǎn)生振鈴現(xiàn)象。高斯低通濾波器（a）傳遞函數(shù)的透視圖(b)圖像形式(c)徑向橫截面本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2166理想高斯低通濾波器的效果原圖原圖的頻譜處理后的圖像處理后的頻譜本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2167Butterworth低通濾波器的函數(shù)表達(dá)式見(jiàn)下，n為階次Butterworth低通濾波器的過(guò)渡是理想低通濾波器和高斯低通濾波器的折中。同時(shí)，隨著階數(shù)的增加，過(guò)渡越來(lái)越劇烈，越接近理想低通濾波器；隨著階數(shù)的減少，過(guò)渡越來(lái)越平緩，越接近高斯低通濾波器。Butterworth低通濾波器本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2168高斯低通濾波器的函數(shù)表達(dá)式見(jiàn)下式，從圖中可看出過(guò)渡特性非常平緩，因此不會(huì)產(chǎn)生振鈴現(xiàn)象。Butterworth低通濾波器（a）傳遞函數(shù)的透視圖(b)圖像形式(c)徑向橫截面本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2169Butterworth低通濾波器的效果原圖原圖的頻譜處理后的圖像處理后的頻譜本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2170高通濾波與低通濾波正好相反，通過(guò)過(guò)濾或者大幅度衰減低頻成分，同時(shí)利用高頻成分來(lái)實(shí)現(xiàn)圖像銳化操作。為了得到高通濾波器，通常可以通過(guò)用1減去對(duì)應(yīng)的低通濾波器來(lái)實(shí)現(xiàn)。高通濾波器可分為理想高通濾波器、高斯高通濾波器和Butterworth高通濾波器三種。高通濾波本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2171二維理想高通濾波器的函數(shù)表達(dá)式為理想高通濾波器(a)傳遞函數(shù)的透視圖(b)圖像形式(c)徑向橫截面本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2172理想高通濾波器的效果原圖原圖的頻譜處理后的圖像處理后的頻譜本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2173二維高斯高通濾波器的函數(shù)表達(dá)式為其中σ是關(guān)于中心的擴(kuò)展度的度量高斯高通濾波器(a)傳遞函數(shù)的透視圖(b)圖像形式(c)徑向橫截面本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2174理想高斯高通濾波器的效果原圖原圖的頻譜處理后的圖像處理后的頻譜本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2175n階Butterworth高通濾波器的函數(shù)表達(dá)式為Butterworth高通濾波器（a）傳遞函數(shù)的透視圖(b)圖像形式(c)徑向橫截面

本課件是可編輯的正常PPT課件2.3頻域?yàn)V波Part2176Butterworth高通濾波器的效果原圖原圖的頻譜處理后的圖像處理后的頻譜本課件是可編輯的正常PPT課件邊緣檢測(cè)邊緣檢測(cè)原理邊緣檢測(cè)線性算子本課件是可編輯的正常PPT課件3.1邊緣檢測(cè)原理Part3178物體邊緣是圖像中非常重要的信息，提取圖像的邊緣信息有利于分析圖像中的內(nèi)容，進(jìn)而實(shí)現(xiàn)圖像中的物體分割、定位等操作。圖像的邊緣是指圖像中像素值發(fā)生突變的區(qū)域。圖像中像素值的變化趨勢(shì)，可以用圖像函數(shù)的導(dǎo)數(shù)表示，導(dǎo)數(shù)絕對(duì)值較大的區(qū)域就是圖像的邊緣區(qū)域。邊緣檢測(cè)原理本課件是可編輯的正常PPT課件3.1邊緣檢測(cè)原理Part3179但在像素值變化90°的區(qū)域，其導(dǎo)數(shù)為無(wú)窮大，遠(yuǎn)遠(yuǎn)超出計(jì)算機(jī)的數(shù)據(jù)范圍。而微分dy是將導(dǎo)數(shù)乘以一個(gè)無(wú)窮小量dx得到的，即。這樣就避免超出計(jì)算機(jī)數(shù)據(jù)范圍的問(wèn)題，因此我們選擇微分來(lái)表示像素值的變化情況。邊緣檢測(cè)原理

本課件是可編輯的正常PPT課件3.1邊緣檢測(cè)原理Part3180微分只適用于連續(xù)信號(hào)，而現(xiàn)實(shí)中的圖像是離散信號(hào)，因此常常利用差分來(lái)代替微分，差分是用臨近的兩個(gè)像素值的差來(lái)表示像素值函數(shù)變化的導(dǎo)數(shù)。使用時(shí)必須使差分的方向和邊緣的方向相垂直，這就需要對(duì)圖像進(jìn)行多方向差分運(yùn)算，一般包括水平x方向、垂直y方向差分可分為前向差分和后向差分邊緣檢測(cè)原理本課件是可編輯的正常PPT課件3.1邊緣檢測(cè)原理Part3181前向差分是當(dāng)前像素與下一個(gè)像素值的差，對(duì)于x方向的像素值函數(shù)變化的導(dǎo)數(shù)為后向差分則是當(dāng)前像素與上一個(gè)像素值的差，x方向的像素值函數(shù)變化的導(dǎo)數(shù)為邊緣檢測(cè)原理本課件是可編輯的正常PPT課件3.1邊緣檢測(cè)原理Part3182無(wú)論是前向差分還是后向差分，其求導(dǎo)的結(jié)果都接近于兩個(gè)像素中間未知的梯度，而兩個(gè)像素中間沒(méi)有任何像素。想要表示某一像素處的梯度，需要采取其他差分方式，最接近的方式是用下一個(gè)像素值與上一個(gè)像素值的差來(lái)表示，即邊緣檢測(cè)原理本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3183先對(duì)算子與圖像的每個(gè)像素值做卷積和運(yùn)算，再選取合適的閾值來(lái)提取圖像的邊緣。常見(jiàn)的有Roberts邊緣算子、Prewitt算子、Sobel算子和Scharr算子。一階導(dǎo)數(shù)的邊緣算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3184Roberts邊緣算子是一個(gè)2x2的模板，其像素梯度計(jì)算公式為故在點(diǎn)(i,j)處的水平與豎直邊緣檢測(cè)Roberts邊緣算子為一階導(dǎo)數(shù)的邊緣算子—Roberts算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3185該算子采用的是對(duì)角方向相鄰的兩個(gè)像素之差，通過(guò)局部差分計(jì)算檢測(cè)邊緣線條，常用來(lái)處理陡峭的低噪聲圖像。當(dāng)圖像邊緣接近45°時(shí)，該算法處理效果更理想，但是檢測(cè)到的邊緣線條較粗，定位精度不高。一階導(dǎo)數(shù)的邊緣算子—Roberts算子邊緣檢測(cè)效果

（a）原圖本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3186Prewitt利用周圍鄰域8個(gè)點(diǎn)的灰度值來(lái)估計(jì)中心的梯度，它的梯度計(jì)算公式如下：Prewitt算子模板為：一階導(dǎo)數(shù)的邊緣算子—Prewitt算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3187Prewitt算子采用3x3模板對(duì)區(qū)域內(nèi)的像素值進(jìn)行計(jì)算，Robert算子的模板為2x2，故Prewitt算子的邊緣檢測(cè)結(jié)果在水平方向和垂直方向上均比Robert算子更加明顯。Prewitt算子適合用來(lái)識(shí)別噪聲較多、灰度漸變的圖像。一階導(dǎo)數(shù)的邊緣算子—Prewitt算子邊緣檢測(cè)效果（a）原圖

本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3188

一階導(dǎo)數(shù)的邊緣算子—Sobel算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3189一階導(dǎo)數(shù)的邊緣算子—Sobel算子邊緣檢測(cè)效果（a）原圖

本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3190雖然Sobel算子可以有效的提取圖像邊緣，但是對(duì)圖像中較弱的邊緣提取效果較差。為了有效地提取較弱的邊緣，需要將像素之間的差距拉大，于是引入了Scharr算子，其算子模板為：一階導(dǎo)數(shù)的邊緣算子—Scharr算子

本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3191一階導(dǎo)數(shù)的邊緣算子—Scharr算子邊緣檢測(cè)效果（a）原圖

本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3192根據(jù)二階導(dǎo)數(shù)過(guò)零點(diǎn)來(lái)檢測(cè)邊緣，常見(jiàn)的有Laplacian算子和LaplacianofGaussian(LOG)算子二階導(dǎo)數(shù)的邊緣算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3193對(duì)于圖像的二階微分可以用Laplacian算子來(lái)表示：在像素點(diǎn)f(x,y)的3x3領(lǐng)域內(nèi)，有如下差分近似關(guān)系：二階導(dǎo)數(shù)的邊緣算子—Laplacian算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3194Laplacian算子模板為：Laplacian算子檢測(cè)邊緣的步驟分為兩步，第一步是用Laplacian算子模板與圖像進(jìn)行卷積操作，第二步是對(duì)卷積后圖像，取像素值為0的像素點(diǎn)。二階導(dǎo)數(shù)的邊緣算子—Laplacian算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3195Laplacian算子雖然方法簡(jiǎn)單，但是對(duì)噪聲十分敏感，同時(shí)也沒(méi)有提供邊緣的方向信息。為了抑制噪聲的干擾，Marr等人提出了LOG的方法，LOG算子首先采用高斯低通濾波器對(duì)圖像進(jìn)行濾波處理，隨后再對(duì)圖像濾波結(jié)果進(jìn)行二階微分運(yùn)算二階導(dǎo)數(shù)的邊緣算子—LOG算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3196Laplacian算子和LOG算子邊緣檢測(cè)的效果（a）原圖(b)Laplacian算子(c)LOG算子本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3197上述兩類均是通過(guò)微分算子來(lái)檢測(cè)圖像邊緣，而Canny算子是在滿足一定約束條件下推導(dǎo)出來(lái)的邊緣檢測(cè)最優(yōu)化算子。算法流程如下圖所示：Canny邊緣檢測(cè)本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3198a)濾波降噪處理，一般采用高斯濾波來(lái)去除噪聲。b)差分計(jì)算幅值和方向。首先利用邊緣差分算子計(jì)算水平和垂直方向的差分Gx和Gy，然后計(jì)算其梯度幅值G和方向θCanny邊緣檢測(cè)的具體操作本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3199c)非極大值抑制。對(duì)圖像進(jìn)行梯度計(jì)算后，僅基于梯度值提取到的邊緣仍舊模糊。不滿足最優(yōu)邊緣檢測(cè)特征中的最小響應(yīng)要求，而非極大值抑制則可以將局部最大值之外的剩余梯度值抑制為0，可以大大增強(qiáng)圖像的邊緣信息。Canny邊緣檢測(cè)的具體操作本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3200d)雙閾值檢測(cè)。在非極大值抑制之后，余下像素可以較準(zhǔn)確地表示圖像中的邊緣信息，但是，仍然存在由于噪聲和顏色變化等因素造成的一些錯(cuò)誤邊緣像素。Canny邊緣檢測(cè)的具體操作本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3201e)抑制孤立低閾值點(diǎn)。經(jīng)過(guò)雙閾值檢測(cè)，被標(biāo)記為強(qiáng)邊緣的像素點(diǎn)已經(jīng)確定為邊緣，但對(duì)于弱邊緣像素卻不一定，因?yàn)檫@些像素既可能從真實(shí)邊緣提取也可能是因噪聲或顏色變化引起的。為了獲得準(zhǔn)確的結(jié)果，應(yīng)該抑制由后者引起的弱邊緣。通常認(rèn)為真實(shí)邊緣引起的弱邊緣點(diǎn)和強(qiáng)邊緣點(diǎn)是連通的，而由噪聲引起的弱邊緣點(diǎn)則不會(huì)。Canny邊緣檢測(cè)的具體操作本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3202故可以通過(guò)查看弱邊緣像素的8個(gè)鄰域像素，只要其中一個(gè)為強(qiáng)邊緣像素，則該弱邊緣點(diǎn)就可以保留為真實(shí)的邊緣，否則去除該像素點(diǎn)。Canny邊緣檢測(cè)的具體操作本課件是可編輯的正常PPT課件3.2邊緣檢測(cè)線性算子Part3203Canny邊緣檢測(cè)的效果（a）原圖(b)低閾值Canny邊緣檢測(cè)(c)高閾值Canny邊緣檢測(cè)本課件是可編輯的正常PPT課件數(shù)字形態(tài)學(xué)濾波數(shù)字形態(tài)學(xué)濾波基礎(chǔ)數(shù)字形態(tài)學(xué)運(yùn)算本課件是可編輯的正常PPT課件4.1數(shù)字形態(tài)學(xué)濾波基礎(chǔ)Part4205數(shù)字形態(tài)學(xué)是一種特殊的數(shù)字圖象處理方法和理論，不同于空間域和頻率域算法，數(shù)學(xué)形態(tài)學(xué)以圖像的形態(tài)特征為研究對(duì)象，通過(guò)設(shè)計(jì)一整套變換、概念和算法，用以描述圖像的基本特征。概述本課件是可編輯的正常PPT課件4.1數(shù)字形態(tài)學(xué)濾波基礎(chǔ)Part4206利用數(shù)學(xué)形態(tài)學(xué)可以對(duì)圖像進(jìn)行增強(qiáng)、分割、邊緣檢測(cè)、形態(tài)分析、骨架化等處理。數(shù)學(xué)形態(tài)學(xué)最基本的變換是膨脹和腐蝕。需要注意的是在數(shù)學(xué)形態(tài)學(xué)變換之前，需要將圖像轉(zhuǎn)化為灰度圖像，再經(jīng)過(guò)二值化轉(zhuǎn)化為二值圖像概述本課件是可編輯的正常PPT課件4.1數(shù)字形態(tài)學(xué)濾波基礎(chǔ)Part4207膨脹(dilated)是圖像中的高亮部分進(jìn)行膨脹，領(lǐng)域擴(kuò)張，效果圖擁有比原圖更大的高亮區(qū)域。具體操作是將結(jié)構(gòu)元素覆蓋范圍內(nèi)的最大值賦給中心點(diǎn)，也就是求局部最大值；膨脹與腐蝕本課件是可編輯的正常PPT課件4.1數(shù)字形態(tài)學(xué)濾波基礎(chǔ)Part4208腐蝕是圖像中的高亮部分被腐蝕掉，領(lǐng)域縮減，效果圖擁有比原圖更小的高亮區(qū)域。具體操作是將最小值賦給中心點(diǎn)，即求局部最小值。膨脹與腐蝕本課件是可編輯的正常PPT課件4.1數(shù)字形態(tài)學(xué)濾波基礎(chǔ)Part4209膨脹的效果(a)原圖(b)膨脹后本課件是可編輯的正常PPT課件4.1數(shù)字形態(tài)學(xué)濾波基礎(chǔ)Part4210腐蝕的效果(a)原圖(b)腐蝕后本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4211圖像腐蝕可以去除掉細(xì)小的噪聲區(qū)域，但是圖像主要區(qū)域的面積會(huì)縮小，使得主要區(qū)域形狀發(fā)生改變。圖像膨脹可以填充較小的空洞，但也會(huì)增加噪聲的面積。概述本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4212根據(jù)腐蝕和膨脹不同的特性，我們可以將兩者進(jìn)行結(jié)合，便可以既去除細(xì)小噪聲，又不會(huì)減少圖像的主要區(qū)域；既填充較小空洞，又不會(huì)增加噪聲區(qū)域。以腐蝕和膨脹這兩種基本運(yùn)算為基礎(chǔ)，可以得到其他幾個(gè)常用的數(shù)學(xué)形態(tài)運(yùn)算：開(kāi)運(yùn)算、閉運(yùn)算、頂帽運(yùn)算、黑帽運(yùn)算、擊中、細(xì)化和粗化等，下面對(duì)這些常用數(shù)學(xué)形態(tài)運(yùn)算進(jìn)行詳細(xì)闡述。概述本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4213

（1）開(kāi)運(yùn)算

本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4214如所示，設(shè)目標(biāo)圖像為A，如左圖，其中白色部分代表背景，灰色代表目標(biāo)X；右圖為結(jié)構(gòu)元素B，其中紅色為原點(diǎn)位置（1）開(kāi)運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4215首先進(jìn)行腐蝕操作，腐蝕過(guò)程（左圖）及結(jié)果（右圖）如所示。（1）開(kāi)運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4216再進(jìn)行膨脹操作，如所示，遍歷處理過(guò)程如左圖，膨脹后結(jié)果如右圖。（1）開(kāi)運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4217圖像開(kāi)運(yùn)算可以去除圖像中的噪聲，消除較小的連通域，保留較大的連通域，同時(shí)能夠在兩個(gè)物體較細(xì)的連接處將兩個(gè)物體分離，并且在不改變較大連通域面積的同時(shí)能夠平滑連通域的邊界。（1）開(kāi)運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4218（1）開(kāi)運(yùn)算的效果(a)原圖(b)開(kāi)運(yùn)算后本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4219如所示，設(shè)目標(biāo)圖像為A，如左圖，其中白色部分代表背景，灰色代表目標(biāo)X；右圖為結(jié)構(gòu)元素B，其中橘黃色為原點(diǎn)位置。（2）閉運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4220首先進(jìn)行膨脹操作，如所示，腐蝕過(guò)程（左圖）及結(jié)果（右圖）如下（2）閉運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4221再進(jìn)行腐蝕操作，遍歷處理過(guò)程如左圖，膨脹后結(jié)果如右圖（2）閉運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4222圖像閉運(yùn)算可以去除連通域內(nèi)的小型空洞，平滑物體輪廓，連接兩個(gè)相鄰的連通域。（2）閉運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4223（2）閉運(yùn)算的效果(a)原圖(b)閉運(yùn)算后本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4224圖像頂帽運(yùn)算是由原始圖像減去圖像開(kāi)運(yùn)算得到的結(jié)果，目的是為了獲取圖像的噪聲信息。（3）頂帽運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4225（3）頂帽運(yùn)算的效果(a)原圖(b)頂帽運(yùn)算后本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4226圖像黑帽運(yùn)算是由圖像閉運(yùn)算操作減去原始圖像得到的結(jié)果，目的是獲取圖像內(nèi)部的小孔，或者前景色中的小黑點(diǎn)。（4）黑帽運(yùn)算本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4227（4）黑帽運(yùn)算的效果(a)原圖(b)黑帽運(yùn)算后本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4228擊中擊不中變換是比圖像腐蝕要求更加嚴(yán)格的一種形態(tài)學(xué)運(yùn)算，圖像腐蝕只需要圖像能夠?qū)⒔Y(jié)構(gòu)元素中所有的非零元素包含，但是擊中擊不中變換在圖像腐蝕基礎(chǔ)上還要求包含零元素。換句話說(shuō)，只有當(dāng)結(jié)構(gòu)元素與其覆蓋的圖像區(qū)域完全相同時(shí)，中心像素的值才會(huì)被置為1，否則為0。（5）擊中擊不中變換本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4229（5）擊中擊不中變換原理示意圖本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4230（5）擊中擊不中變換的效果(a)原圖(b)擊中擊不中變換后本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4231圖像細(xì)化是將圖像的線條寬度所占像素減少，又稱“骨架化”或“中軸變換”。圖像細(xì)化一般要求保證細(xì)化后的連通性、能夠盡可能保留圖像的細(xì)節(jié)信息、線條的端點(diǎn)保持完好同時(shí)線條交叉點(diǎn)不能發(fā)生畸變。（6）圖像細(xì)化與粗化本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4232圖像細(xì)化主要適用于由線條形狀構(gòu)成的物體，例如圓環(huán)、文字等。圖像的粗化與細(xì)化相反，其實(shí)現(xiàn)過(guò)程是通過(guò)對(duì)圖像的二值化補(bǔ)集進(jìn)行細(xì)化后得到。（6）圖像細(xì)化與粗化本課件是可編輯的正常PPT課件4.2數(shù)字形態(tài)學(xué)運(yùn)算Part4233（6）圖像細(xì)化的效果(b)細(xì)化后進(jìn)一步二值化(a)原圖本課件是可編輯的正常PPT課件總結(jié)本課件是可編輯的正常PPT課件5總結(jié)Part5235首先介紹了圖像傅里葉變換的基礎(chǔ)知識(shí)，包括頻域與時(shí)域的區(qū)別與聯(lián)系，傅里葉變換的原理與圖像處理中的應(yīng)用。然后，介紹了空間域和頻率域的圖像濾波方法，其中空間域?yàn)V波又包括線性濾波和非線性濾波，線性濾波主要包括方框?yàn)V波、均值濾波、高斯濾波等，非線性濾波主要包括中值濾波、雙邊濾波。頻域?yàn)V波主要包括低通濾波和高通濾波。本課件是可編輯的正常PPT課件5總結(jié)Part5236此外，本章介紹了如何通過(guò)濾波得到圖像的邊緣信息，重點(diǎn)介紹了一、二階導(dǎo)數(shù)的邊緣算子和Canny邊緣算子，其中一階導(dǎo)數(shù)的邊緣算子包括Roberts算子、Sobel算子和Prewitt算子，二階導(dǎo)數(shù)的邊緣算子包括Laplacian算子和LaplacianofGaussian(LOG)算子。最后，本章還介紹了數(shù)學(xué)形態(tài)學(xué)濾波，包括圖像膨脹、腐蝕的基本變換和開(kāi)運(yùn)算、閉運(yùn)算、頂帽運(yùn)算、黑帽運(yùn)算、擊中、細(xì)化和粗化等常用運(yùn)算。本課件是可編輯的正常PPT課件感謝各位的聆聽(tīng)！本課件是可編輯的正常PPT課件機(jī)器視覺(jué)：4.圖像分割與描述本課件是可編輯的正常PPT課件活動(dòng)輪廓與Snake模型分水嶺分割算法基于區(qū)域生長(zhǎng)的圖像分割

圖像標(biāo)記

圖像直方圖與閾值分割圖像描述本課件是可編輯的正常PPT課件圖像直方圖與閾值分割圖像直方圖閾值分割局部閾值分割本課件是可編輯的正常PPT課件圖像直方圖與閾值分割Part

1241對(duì)一幅灰度圖進(jìn)行圖像分割，首先想到的就是基于像素的灰度值進(jìn)行分割。對(duì)一幅灰度圖來(lái)說(shuō)，圖像中各個(gè)物體區(qū)域內(nèi)部的灰度值往往是相似且連續(xù)的，而不同區(qū)域之間的灰度值存在較大差別。如果將一幅灰度圖劃分為目標(biāo)和背景兩個(gè)部分，通常來(lái)說(shuō)，目標(biāo)的灰度值處于不同區(qū)間。基于這種特性，可使用基于閾值的圖像分割方法，即設(shè)定一個(gè)基準(zhǔn)的灰度值，高于該值的設(shè)定為一個(gè)區(qū)域，低于該值的設(shè)定為另一個(gè)區(qū)域。設(shè)輸入圖像為f，閾值分割后的輸出圖像為g，閾值為T，則閾值分割過(guò)程可表示為：本課件是可編輯的正常PPT課件圖像直方圖與閾值分割Part

1242（a）原始灰度圖（c）閾值過(guò)高時(shí)的分割效果（b）閾值合適時(shí)的分割效果（d）閾值過(guò)低時(shí)的分割效果本課件是可編輯的正常PPT課件圖像直方圖與閾值分割Part

1243本節(jié)介紹幾種常用的閾值選取方法，包括基于圖像直方圖的閾值選取及自適應(yīng)的閾值選取方法，這兩種方法都屬于全局閾值分割。此外，對(duì)于某些圖像，我們很難用一個(gè)統(tǒng)一的閾值將整幅圖像的目標(biāo)和背景正確分離出來(lái)，可使用基于局部閾值分割的方法。本課件是可編輯的正常PPT課件1.1圖像直方圖Part

1244圖像直方圖——直方圖的定義圖像直方圖是一種用于描述數(shù)字圖像灰度分布情況的圖形統(tǒng)計(jì)工具。通俗來(lái)說(shuō)，直方圖就是將圖像中所有像素的亮度或顏色值按照一定的間隔進(jìn)行統(tǒng)計(jì)從而形成的一種統(tǒng)計(jì)圖形。在視覺(jué)處理中，它是一種常用工具，用來(lái)分析圖像的灰度特征、對(duì)比度、亮度均衡、顏色分布等。圖像直方圖通常以灰度值為橫坐標(biāo)，以像素?cái)?shù)量或像素占比為縱坐標(biāo)。對(duì)于彩色圖像而言，可以分別計(jì)算各個(gè)通道（