前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇計(jì)算機(jī)視覺基本原理范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

計(jì)算機(jī)視覺基本原理范文第1篇

1對以下出現(xiàn)的名詞的說明

餐飲庫房是本平臺新開發(fā)的一個(gè)庫房，體檢系統(tǒng)是地方公司開發(fā)的一個(gè)系統(tǒng)，藥庫管理系統(tǒng)是軍隊(duì)療養(yǎng)院信息系統(tǒng)的一個(gè)模塊，物資管理系統(tǒng)是總后配發(fā)的物資系統(tǒng)。

2存在的問題及解決辦法

2.1餐飲庫房庫存出現(xiàn)負(fù)數(shù)原因是餐飲庫房管理員沒有正確維護(hù)餐飲分類設(shè)置模塊。本院有兩個(gè)餐飲中心，他們各自管理自己的庫房，這樣就產(chǎn)生了兩個(gè)餐飲庫房。在沒有本平臺之前，餐飲庫房一直是手工管理，所以我們就設(shè)計(jì)了一個(gè)簡單的餐飲庫房管理功能。先把餐飲中心的購入材料作一個(gè)分類，每個(gè)分類有三種庫存管理標(biāo)記，出入庫管理標(biāo)記、全進(jìn)全出標(biāo)記、消費(fèi)出庫標(biāo)記，通過對三種標(biāo)記的不同組合就達(dá)到了管理庫房的目的。在出入庫管理標(biāo)記上打勾，表明此分類材料納入庫存管理。在全進(jìn)全出標(biāo)記上打勾，表明此分類材料一入庫，系統(tǒng)就自動全出庫，此分類材料的庫存始終為零。此庫存管理標(biāo)記適合單價(jià)較低、量較大、品種較多、幾乎每天都要入庫、難以管理出庫的分類，如蔬菜肉類。在消費(fèi)出庫標(biāo)記上打勾，表明當(dāng)有餐飲消費(fèi)賬單產(chǎn)生時(shí)，系統(tǒng)自動扣該分類材料庫存。

2.2體檢、客房賬單結(jié)算時(shí)出錯(cuò)原因是沒有設(shè)置體檢項(xiàng)目和客房的合作比、提成比。合作比指的是本院跟外單位合作的體檢項(xiàng)目，需要付給外單位的分成比，合作比分非合作（本院項(xiàng)目，不跟外單位合作）、比率提（按百分比分成）和金額提（按固定某一個(gè)金額分成）三種。提成比是給介紹人的一種勞動報(bào)酬，分不提成、比率提和金額提三種。當(dāng)增加了新的體檢項(xiàng)目和客房房間后，一定要及時(shí)、準(zhǔn)確地設(shè)置好合作比和分成比，否則收費(fèi)室收取不了費(fèi)用并且會影響科室的收入分?jǐn)偂?/p>

2.3藥品、物資單據(jù)報(bào)賬出錯(cuò)藥品、物資入庫報(bào)賬出錯(cuò)有兩個(gè)原因，一是未進(jìn)行藥品、物資分類對照，二是財(cái)務(wù)會計(jì)人員未為藥品、物資的廠商設(shè)立核算賬戶。

2.4藥品、物資單據(jù)報(bào)賬時(shí)不提示錯(cuò)誤，但單據(jù)明細(xì)為空原因是該入庫單據(jù)有新的品名，需要報(bào)賬人員進(jìn)入藥品、物資分類定義模塊進(jìn)行手工提取，把新的品名從藥品系統(tǒng)和物資系統(tǒng)里提取過來。

2.5藥品、物資報(bào)賬單據(jù)明細(xì)中出現(xiàn)重復(fù)的明細(xì)藥庫管理系統(tǒng)的價(jià)表中存在兩條或兩條以上藥品編碼相同終止時(shí)間為空的記錄，所以就導(dǎo)致了藥品報(bào)賬單據(jù)明細(xì)中出現(xiàn)重復(fù)明細(xì)。物資報(bào)賬單據(jù)中出現(xiàn)重復(fù)明細(xì)是由表與表之間的一對多對應(yīng)引起的。

2.6因價(jià)格原因入錯(cuò)庫而作了退庫處理的單據(jù)，在本平臺中怎么處理因?yàn)槿脲e(cuò)庫而作了退貨處理的單據(jù)，實(shí)際上不是真正意義上的退貨，在本平臺中不能對此類單據(jù)進(jìn)行退貨報(bào)賬。所以我們就設(shè)計(jì)了一個(gè)小模塊來處理此類退貨單據(jù)，實(shí)現(xiàn)辦法如下：找出該退貨單的入庫單，把這兩條單據(jù)都選中，做作廢處理。

2.7同一掛賬單位的多個(gè)掛賬賬單可以分批次結(jié)算在模塊的設(shè)計(jì)初期，只能對同一掛賬單位的所有掛賬賬單進(jìn)行一次結(jié)算，這種設(shè)計(jì)思想不符合實(shí)際，后面就重新編寫了程序，做到可以自由選定某幾個(gè)掛賬賬單進(jìn)行結(jié)算。

2.8 體檢賬單生成模塊中的“追加校驗(yàn)”功能本平臺首先是從體檢系統(tǒng)中取體檢人員的體檢單號、姓名、體檢日期、體檢項(xiàng)目、項(xiàng)目價(jià)格等字段。舉個(gè)例子，有個(gè)體檢人員叫張三，預(yù)定是2008年8月10日來體檢，體檢項(xiàng)目已確定，但是那天他沒有來體檢，那本平臺指定提取2008年8月10日的體檢人員信息，就會把張三的體檢信息提取過來并保存在全成本的數(shù)據(jù)庫中。2008年8月12日，張三參加體檢了，他重新選定了體檢項(xiàng)目，我們就在體檢系統(tǒng)中指定他的體檢日期是2008年8月12日，重新登記了他的體檢項(xiàng)目，在沒有“追加校驗(yàn)”功能時(shí)，主鍵只有一個(gè)，是體檢單號，那指定提取2008年8月12日的體檢人員信息，因?yàn)閺埲捏w檢單號存在于數(shù)據(jù)庫中，所以系統(tǒng)不會再重復(fù)提取。增加了“追加校驗(yàn)”功能后，主鍵是體檢單號和體檢日期，先搜索有無重復(fù)的體檢單號和體檢日期，如存在，刪除此條記錄，然后插入一條新的記錄。

3討論

計(jì)算機(jī)視覺基本原理范文第2篇

【關(guān)鍵詞】株高 HALCON 雙目視覺 誤差修正

1 引言

計(jì)算機(jī)視覺技術(shù)是近幾年來發(fā)展較快的信息處理技術(shù)，隨著圖像處理技術(shù)的專業(yè)化、計(jì)算機(jī)硬件成本的降低和速度的提高，計(jì)算機(jī)視覺的應(yīng)用已變得越來越廣泛，其中不乏在農(nóng)業(yè)中的應(yīng)用。

株高是植物生長指標(biāo)的重要參數(shù)，是一個(gè)物種爭奪陽光的能力的主要決定因素[1]。對于作物來講，株高參數(shù)是作物產(chǎn)量預(yù)估不可或缺的參數(shù)。

然而對于具體的利用機(jī)器視覺方法直接測量株高的研究還是比較少的，本文就是利用HALCON軟件，采用雙目計(jì)算機(jī)視覺方法來實(shí)現(xiàn)株高的測量。

2 雙目視覺原理

雙目視覺的基本原理是從兩個(gè)視點(diǎn)觀察同一景物，獲取不同視角下的兩幅圖像，然后根據(jù)三角測量原理計(jì)算不同圖像對應(yīng)像素間的視差（disparity ），獲取景物的三維信息，從而實(shí)現(xiàn)場景三維重構(gòu)。

根據(jù)兩個(gè)攝像機(jī)位姿的不同，雙目視覺有多種模式，常用的有雙目橫向模式，雙目橫向會聚模式以及雙目縱向模式（也稱雙目軸向模式）。

為了增加測量精度，基線一般不能太小，但基線長度也不可太長，否則，由于物體各部分相互遮擋，兩個(gè)攝像機(jī)可能不能同時(shí)觀察到目標(biāo)點(diǎn)。

圖1是會聚雙目成像中的視差原理圖。圖中給出兩鏡頭連線所在平面（XZ平面），兩鏡頭中心間的距離（即基線）是B，兩光軸在XZ平面相交于（0，0，Z）點(diǎn)，交角為（未知）。現(xiàn)在來看如果已知像平面坐標(biāo)點(diǎn)（x1， y1）和（x2， y2 ），如何求取世界點(diǎn)W的坐標(biāo)（X，Y，Z）。

根據(jù)相似三角形的關(guān)系可以很明顯得出： （2.1）

（2.2）

（2.3）

其中r為從（任一）鏡頭中心到兩系統(tǒng)會聚點(diǎn)的距離（未知）。將式（2.2）和（2.3）聯(lián)立， 可得：

（2.4）

上式把物體和像平面的距離Z與視差d直接聯(lián)系起來，若想求解式（2.4），除視差d外，還需要知道x1和x2本身。另外，由圖1可以得到：

（2.5）

代入式（2.2）或（2.3）可得：

代入式（2.2）或（2.3）可得：

（2.6）

現(xiàn)實(shí)測量中，兩相機(jī)的光軸與世界坐標(biāo)Z軸的夾角不可能相等，不過即便如此，也只會引入幾個(gè)待確定的三角函數(shù)，而這些三角函數(shù)在相機(jī)標(biāo)定時(shí)即可確定。

3 測量過程

實(shí)現(xiàn)該測量過程包括如下幾個(gè)功能模塊：圖像獲取、攝像機(jī)標(biāo)定、特征提取、立體匹配與三維信息恢復(fù)、后處理。本實(shí)驗(yàn)采用是分比率為960×720的雙攝像頭。被測區(qū)域大小約為56cm×42cm，所以采用的標(biāo)定板應(yīng)為被測區(qū)域1/3大小的HALCON專用的200mm標(biāo)定板。標(biāo)定數(shù)為24×2張圖片。利用HALCON自帶的標(biāo)定助手，可以輕松實(shí)現(xiàn)單目標(biāo)定。

雙目標(biāo)定時(shí)，需要有15張以上左右相機(jī)相同時(shí)刻拍攝的標(biāo)定板的圖片。再利用for循環(huán)，find_caltab函數(shù)，find_marks_and_pose函數(shù)以及binocular_calibration函數(shù)，可以實(shí)現(xiàn)雙目標(biāo)定。將標(biāo)定過程中，獲得的攝像機(jī)的內(nèi)參以及兩個(gè)攝像機(jī)相對位置關(guān)系作參數(shù)傳遞給函數(shù)gen_binocular_rectification_map，可以很好地實(shí)現(xiàn)雙目視覺校正的目的，得到兩幅校正后的圖像，還能得到校正后虛擬立體視覺系統(tǒng)中兩個(gè)攝像機(jī)的內(nèi)參和外參。

不同種類的植物其株高定義不同，測量方式也不盡相同。本文研究的株高只針對直立型的，是指從植株根部露出土壤部分到植株最高處的株高。

先利用gen_binocular_rectification_map函數(shù)為map_image函數(shù)提供控制參數(shù)，再通過map_image函數(shù)對采集到的圖像做校正處理，利用threshold函數(shù)，fill_up_shape函數(shù)以及select等函數(shù)找出校正后圖像中植株的最低和最高點(diǎn)，利用intersect_lines_of_sight函數(shù)，可獲得植株最低點(diǎn)和最高點(diǎn)的真實(shí)三維坐標(biāo)，最后通過幾何運(yùn)算得到雙目測量結(jié)果。

我們在圖像采集時(shí)就應(yīng)該考慮到，攝像頭應(yīng)該稍微帶一點(diǎn)俯拍的角度，保證左右兩幅圖像上最高處均為現(xiàn)實(shí)坐標(biāo)中的最高處。切忌俯拍角度不可太大，否則由于拍攝角度而引起的像差會很大，對結(jié)果將會有很大的影響。

經(jīng)過以上幾步驟得到的三維坐標(biāo)，常因各種原因而存在一定的誤差，需要進(jìn)行誤差校正。我們對已知高度的對象進(jìn)行了測量，得出結(jié)果如表1：

通過上述數(shù)據(jù)得出的修正關(guān)系如下：

y=-0.0002x2+1.0699x （3.1）

其相關(guān)系數(shù)R2=0.9993

4 實(shí)驗(yàn)結(jié)果

我們對三種植物進(jìn)行了測量得出的結(jié)果如下：

從測量結(jié)果中可以看出，修正后相對誤差控制在2%之內(nèi)，可以接受。誤差引入的原因可能如下：

1、標(biāo)定板的選擇決定了標(biāo)定精度。一定要選用高精度的標(biāo)定板，且標(biāo)定板的大小應(yīng)約為測量范圍1/3大小。

2、相機(jī)是圖像獲取的根本，高質(zhì)量的圖像離不開高分辨率相機(jī)，但是高分比率，高解析度的相機(jī)又會帶來成本上的提升。本文中，對于390.0mm左右的對象，1個(gè)像素的誤差可以帶入約0.4mm的實(shí)際誤差。

3、本文所采用的算法只能針對比較理想，比較直的植株，算法的不斷優(yōu)化，才能不斷減少誤差，提高精度。

5 結(jié)語

本文介紹了一種基于HALCON的，利用雙目視覺測量株高的方法。對于直立型植物，通過對立體匹配與三維信息恢復(fù)結(jié)果的誤差修正，其株高測量相對誤差不超過2%，方法具有一定的可借鑒性。

參考文獻(xiàn)

[1]章毓晉.計(jì)算機(jī)視覺教程 [M].北京： 人民郵電出版社，2011.

作者簡介

郝慧鵬（1988-），男，內(nèi)蒙古烏蘭察布人，碩士研究生，主要研究方向?yàn)橛?jì)算機(jī)視覺技術(shù)在農(nóng)作物檢測上的應(yīng)用。

指導(dǎo)老師

田躍（1956-），男，北京人，北京科技大學(xué)數(shù)理學(xué)院物理系教授，北京市弱磁檢測及應(yīng)用工程技術(shù)研究中心副主任。

作者單位

計(jì)算機(jī)視覺基本原理范文第3篇

關(guān)鍵詞：手伸及界面；定標(biāo)；最小二乘法

一、引言

汽車已逐漸走進(jìn)普通百姓家，“以人為本”的設(shè)計(jì)思想在汽車設(shè)計(jì)上日益受到重視。車輛駕駛室的品質(zhì)對于減輕駛乘人員的疲勞、預(yù)防職業(yè)病、提高人車系統(tǒng)的工作效率和行車安全有著重要作用，因而需要測量駕駛室內(nèi)駕駛員手伸及界面參數(shù)。普通的數(shù)碼相機(jī)對于量測用攝相機(jī)的測量缺陷（如物鏡畸變大等）已有較好的克服，一些新的算法的應(yīng)用，也使測量精度有較大的提高；且數(shù)碼相機(jī)可以和計(jì)算機(jī)直接進(jìn)行數(shù)據(jù)交換，進(jìn)行數(shù)字圖像處理，所以普通數(shù)碼相機(jī)已常用于進(jìn)行測量工作。

傳統(tǒng)的駕駛員手伸及界面參數(shù)的測量方法為手工測量，且占用駕駛員比較多的時(shí)間，本文提出了汽車駕駛員手伸及界面測量新方法，通過使用普通數(shù)碼相機(jī)來對駕駛室進(jìn)行圖像信息采集，利用計(jì)算機(jī)視覺基本原理求取駕駛員手伸及界面相關(guān)參數(shù)。

二、基本原理

（一）線性模型攝像機(jī)定標(biāo)

計(jì)算機(jī)視覺的研究目標(biāo)是使計(jì)算機(jī)具有通過一幅或多幅圖像認(rèn)知周圍環(huán)境信息的能力。利用數(shù)碼相機(jī)能較好地采集三維數(shù)字圖像，通過單個(gè)或多個(gè)數(shù)碼相機(jī)從不同方向拍攝的兩幅或兩幅以上二維圖像，從二維圖像中萃取出物體的三維信息。測量系統(tǒng)中大都采用小孔成像模型，其中數(shù)碼相機(jī)定標(biāo)是實(shí)現(xiàn)三維測量的重要環(huán)節(jié)。

圖1為數(shù)碼相機(jī)定標(biāo)模型。設(shè)空間坐標(biāo)系為（X，Y，Z），數(shù)碼相機(jī)像平面的圖像坐標(biāo)系為（u，v）。P為空間任一點(diǎn)，其三維物坐標(biāo)為（x，y，z），在圖像平面上的像坐標(biāo)為p1（u1，v1），p2（u2，v2）。數(shù)碼相機(jī)的物相關(guān)系如下：

XYZ10 0 0 0-u■X-u■Y-u■Z0 0 0 0XY Z 1-v■X-v■Y-v■Z?

M＝u■m■v■m■①

式中i=1，2，實(shí)際計(jì)算中取mi34=1。 M=[millmi12...mi33]為系統(tǒng)變換矩陣中的元素，即11個(gè)線性定標(biāo)參數(shù)。對每張圖片來說，有11個(gè)未知數(shù)，而一對物體與圖像的對應(yīng)點(diǎn)只能有4個(gè)方程組，因此至少需要6個(gè)控制點(diǎn)參與定標(biāo)解算。

完成系統(tǒng)定標(biāo)后根據(jù)②式，用系統(tǒng)變換矩陣M和被測點(diǎn)P在數(shù)碼相機(jī)像面上的坐標(biāo)p1（u1，v1），p2（u2，v2），求P點(diǎn)的三維空間坐標(biāo)（X，Y，Z）。

m■ -m■ u■ m■ -m■u■ m■-m■u■m■ -m■v■ m■ -m■v■ m■ -m■v■XYZ＝u■ -m■v■ -m■②

（二）非線性模型攝像機(jī)定標(biāo)

在實(shí)際工作時(shí)，當(dāng)計(jì)算精度要求較高，且攝像機(jī)是使用數(shù)碼相機(jī)而非量測用攝像機(jī)時(shí)，在遠(yuǎn)離圖像中心處會有較大的鏡頭畸變，線性模型不能準(zhǔn)確地描述攝像機(jī)的成像幾何關(guān)系，因此采用非線性模型來描述。對于系統(tǒng)的畸變，已經(jīng)提出很多求取攝像機(jī)參數(shù)補(bǔ)償畸變的方法，Tsai提出攝像機(jī)兩步定標(biāo)算法，使用一個(gè)直接的線性變換并且考慮了系統(tǒng)的徑向畸變，并指出：主點(diǎn)位置的細(xì)微變化不會對三維測量造成很大的影響。由于只考慮徑向畸變差，且只用到3次項(xiàng)，因而攝像機(jī)定標(biāo)方程得到很大簡化。即：

Δu=（u-u0）（k1r2+k2r4+k4r6）

Δv=（v-v0）（k1r2+k2r4+k3r6）③

Weng考慮了含有徑向畸變和切向畸變補(bǔ)償模型，如④式所示

Δu=(u-u■)(k■r■+k■r■+k■r■)+t■(r■+2(u-u■)■)+2t■(u-u■)(v-v■)Δv=(v-v■)(k■r■+k■r■+k■r■)+t■(r■+2(v-v■)■)+2t■(u-u■)(v-v■)④

其中，r2=(u-u0)2+(v-v0)2，u0=-(m11m31+m12m32+m13m33)/(m231+m232+m233)，v0=-(m21m31+m22m32+m23m33)/(m231+m232+m233)，（u，v）是實(shí)際的圖像點(diǎn)坐標(biāo)，Δu與Δv是非線性畸變值，它與圖像點(diǎn)在圖中的位置有關(guān)，（u0，v0）為像主點(diǎn)坐標(biāo)，原點(diǎn)為CCD數(shù)字影像中心像元。由①式和④式可得兩個(gè)非線性方程組，對每張圖片來說，有16個(gè)未知數(shù)，一對物體與圖像的對應(yīng)點(diǎn)只能有4個(gè)方程組，因此至少需要8個(gè)控制點(diǎn)參與定標(biāo)解算，可使用最小二乘原理平差。

（三）基于最小二乘法的攝像機(jī)定標(biāo)

本實(shí)驗(yàn)采用DLT（直接線性變換）定標(biāo)算法直接求取定標(biāo)矩陣的11個(gè)線性定標(biāo)參數(shù)，由于在采用Tsai和Weng方法后所得到的實(shí)驗(yàn)解算結(jié)果差別不大，所以本文采用解算含有徑向畸變參數(shù)的Tsai方法，以11個(gè)線性定標(biāo)參數(shù)作為初始值，其余補(bǔ)0，共14個(gè)初始值來解算，用迭代的方法來解算非線性模型攝像機(jī)定標(biāo)的14個(gè)參數(shù)。

在測量汽車駕駛員手伸及界面參數(shù)時(shí)，對于部分距離較長線段的測量，其誤差總是比較大，無法達(dá)到測量精度要求。本文基于上面所述的方法，在得到含徑向畸變的14個(gè)定標(biāo)參數(shù)后，用另一些未曾參與解算、分布均勻的控制點(diǎn)殘差和原本參與解算的控制點(diǎn)殘差進(jìn)行誤差擬合，并內(nèi)插出控制點(diǎn)的像坐標(biāo)改正值，用改正后像坐標(biāo)重新進(jìn)行解算，重復(fù)執(zhí)行，直到達(dá)到限值；以此來提高定標(biāo)矩陣參數(shù)的精確度。

三、實(shí)驗(yàn)結(jié)果和分析

實(shí)驗(yàn)采用310萬相素精度的OLYMPUS數(shù)碼相機(jī)，定標(biāo)物為三維黑白格子，大小為150mm＊150mm＊150mm，其中每個(gè)網(wǎng)格大小均為25mm＊25mm。

采用單數(shù)碼相機(jī)，保持靶標(biāo)和被測對象的相對位置不變，在兩個(gè)或兩個(gè)以上位置分別拍攝兩幅或兩幅以上二維圖像（本文解算使用兩幅圖像）。拍攝時(shí)，應(yīng)盡量使相機(jī)繞以靶標(biāo)為圓心的弧線上移動，即保持相機(jī)和靶標(biāo)的距離相同；兩幅圖像間的拍攝角度應(yīng)在20-50°，拍攝角度過低則二維圖像所含物體深度信息少，定標(biāo)解算精度差，拍攝角度過高則兩幅圖像的場景差別大，空間點(diǎn)難匹配。

拍攝圖像時(shí)應(yīng)盡可能選取光亮的場景，減少圖像的噪音；在選取圖像上點(diǎn)坐標(biāo)前應(yīng)對圖像進(jìn)行數(shù)字圖像預(yù)處理，求取其邊緣圖像；選取圖像上測量點(diǎn)時(shí)，應(yīng)盡量選在物體外形變化或物體的邊緣，手工選取圖像上的點(diǎn)坐標(biāo)，簡單方便，可減少圖像點(diǎn)匹配誤差。

拍攝駕駛室內(nèi)圖片，處理后得到其邊緣圖像如圖2所示。選取“AB、CD、EF、GI”這4段線段來進(jìn)行測量，包括其中一塊擋板的相對高度“AB”，擋板和座位中間的距離“CD”，方向盤的直徑“EF”，兩塊擋板間的距離“GI”（其他參數(shù)由于編幅關(guān)系沒有列出），如圖3所示。

求解數(shù)定標(biāo)參數(shù)時(shí)，選取的定標(biāo)物控制點(diǎn)應(yīng)采用較強(qiáng)的分布圖形，即控制點(diǎn)均勻且充分覆蓋定標(biāo)物圖像。

在實(shí)驗(yàn)中采用Tsai方法（含有徑向畸變參數(shù)）比采用DLT直接解算的測量結(jié)果有明顯改善，另外實(shí)驗(yàn)還采用了Weng方法，解算含有徑向畸變和切向畸變的補(bǔ)償模型，解非線性方程組后對于距離較長線段的測量結(jié)果的誤差和采用Tsai方法所測量的誤差相差不大，而采用本文算法，對于較長距離線段有較好的實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)數(shù)據(jù)見表1。

實(shí)驗(yàn)誤差分析：

定標(biāo)物的誤差：定標(biāo)物的制作不夠精細(xì)，打印的紙張無法精準(zhǔn)達(dá)到預(yù)設(shè)的數(shù)值，則物點(diǎn)三維坐標(biāo)值產(chǎn)生誤差。

圖像邊緣的誤差：邊緣檢測產(chǎn)生誤差，如方向盤由于拍攝角度的不同，使邊緣圖像的提取在兩張圖像產(chǎn)生差別。

測量的誤差：在量取擋板到座位之距離時(shí)，由于座位上是軟質(zhì)材料而產(chǎn)生變形，實(shí)際量取值產(chǎn)生誤差，但兩塊擋板間的距離由于邊緣提取準(zhǔn)確，所以誤差較小。

算法的誤差：計(jì)算過程中計(jì)算機(jī)有舍入誤差，使得結(jié)果有偏差；用廣義逆矩陣解定標(biāo)矩陣時(shí)，本身有誤差；優(yōu)化算法及最小二乘法都是取計(jì)算結(jié)果誤差最小的解，同樣存在誤差。

四、結(jié)論

采用數(shù)碼相機(jī)，不需專業(yè)的量測用攝影相機(jī)；利用已知尺寸的定標(biāo)物對視覺系統(tǒng)定標(biāo)，不需事先精確測定系統(tǒng)參數(shù)。該技術(shù)適合于測量時(shí)間緊拉、參數(shù)多的非接觸測量。

證明本文所提出的測量方法簡單、方便、快速，實(shí)用性強(qiáng)。

參考文獻(xiàn)：

1、馬頌德,張正友.計(jì)算機(jī)視覺-計(jì)算機(jī)理論與算法基礎(chǔ)[M].科學(xué)出版社,1997.

2、張靖瑜,董明得,呂乃光,鄧文怡.用廣義逆法解決攝影測量系統(tǒng)的非線性問題[J].北京機(jī)械工業(yè)學(xué)院學(xué)報(bào),2001(1).

3、伍雪冬.計(jì)算機(jī)視覺中攝像機(jī)定標(biāo)及位姿和運(yùn)動估計(jì)方法的研究[D].湖南大學(xué),2004.

4、龍興明.三維測量中的圖像處理技術(shù)研究[D].重慶師范大學(xué),2005.

5、苗紅杰,趙文吉,劉先林.數(shù)碼相機(jī)檢校和攝像測量的部分問題探討[J].首都師范大學(xué)學(xué)報(bào),2005(1).

6、蔡祥鵬,林建,張翔.基于數(shù)字圖像處理方法的三維測量[D].福建農(nóng)林大學(xué),2007.

計(jì)算機(jī)視覺基本原理范文第4篇

Discussion and practice on "image processing technology"

Zhang Yongmei， Ma Li， He Li

（School of Information Engineering， North China University of Technology， Beijing 100144， China）

Abstract： The disadvantages， the characteristics and the content of the current teaching for "Image Processing Technology" are analyzed. Four teaching procedures including the selection of textbooks and expansion materials for initiative learning， application of modern teaching models and methods， strengthening teaching practice and reforming appraisal methods have been discussed and practiced. The result shows that it has obtained better teaching effects， improved the students' interest in learning and motivation to participate in scientific research， as well as the ability to solve practical problems.

Key words： teaching content； teaching method； assessment way； teaching practice

0 引言

圖像信息是獲取信息的重要來源，圖像處理研究對于科學(xué)理論研究和工程應(yīng)用有重要影響。研究圖像處理和通信是導(dǎo)向智能計(jì)算機(jī)、智能機(jī)器人或多媒體通信系統(tǒng)的必由之路?，F(xiàn)有的圖像處理技術(shù)在很多方面給人們生活、學(xué)習(xí)、工作帶來極大的便利，如：視頻廣播、遙感圖像、醫(yī)學(xué)圖像（計(jì)算機(jī)X射線斷層掃描技術(shù)CT，以及核磁共振成像MRI）等，計(jì)算機(jī)的發(fā)展使處理更復(fù)雜的圖像成為可能。

圖像處理是計(jì)算機(jī)應(yīng)用領(lǐng)域中的一個(gè)重要方面，是模式識別、計(jì)算機(jī)視覺、圖像通訊、多媒體技術(shù)等學(xué)科的基礎(chǔ)，是一門涉及多領(lǐng)域的交叉學(xué)科。在圖像處理技術(shù)課程的教學(xué)中，不但要讓學(xué)生掌握其基本概念和原理，還要讓不同層次的學(xué)生能夠理解和掌握圖像處理在其應(yīng)用領(lǐng)域的最新發(fā)展，故傳統(tǒng)的常規(guī)教學(xué)已經(jīng)不能滿足課程的發(fā)展要求。目前的教學(xué)不足之處主要體現(xiàn)在：傳統(tǒng)的圖像處理技術(shù)教學(xué)大多數(shù)偏重于理論，缺乏圖像處理技術(shù)與實(shí)踐相結(jié)合的環(huán)節(jié)。本文結(jié)合計(jì)算機(jī)學(xué)科的特點(diǎn)和多年的教學(xué)經(jīng)驗(yàn)，對圖像處理技術(shù)課程的教學(xué)模式與實(shí)踐進(jìn)行了探討。

1 課程特點(diǎn)和教學(xué)內(nèi)容分析

人類通過眼、耳、鼻、舌、身接受信息，感知世界。約有75%的信息是通過視覺系統(tǒng)獲取的。圖像處理是利用計(jì)算機(jī)處理所獲取視覺信息的技術(shù)[1]。圖像處理技術(shù)的理論基礎(chǔ)涉及了眾多學(xué)科，包括數(shù)學(xué)、物理、信號處理和計(jì)算機(jī)科學(xué)等多個(gè)學(xué)科的知識，其內(nèi)容廣泛，理論抽象，不易理解。圖像處理技術(shù)還有很強(qiáng)的實(shí)用性，因此理論和實(shí)踐的結(jié)合是本課程的關(guān)鍵，注重基礎(chǔ)理論和技術(shù)的教學(xué)，以及加強(qiáng)學(xué)生實(shí)踐能力和課題研究能力的培養(yǎng)是本課程的主要教學(xué)目的。

圖像處理技術(shù)已經(jīng)成為眾多高校的一門重要課程，該課程主要介紹圖像的數(shù)學(xué)描述、圖像的數(shù)字化、圖像變換、圖像增強(qiáng)、圖像恢復(fù)、圖像編碼、圖像重建、圖像分割與邊緣提取、圖像的分析和識別等基本的圖像處理方法，使學(xué)生能熟練地掌握圖像處理的基本過程，并能應(yīng)用這些基本方法開發(fā)圖像處理系統(tǒng)。通過這樣的內(nèi)容設(shè)置，使學(xué)生能夠真正掌握圖像處理技術(shù)的基本思想和技術(shù)，為深入學(xué)習(xí)打下堅(jiān)實(shí)基礎(chǔ)[2]。

2 教學(xué)環(huán)節(jié)的探討和實(shí)踐

2.1 教材的選用和自主學(xué)習(xí)擴(kuò)充性資料的選用

圖像處理技術(shù)發(fā)展日新月異，雖然該課程已經(jīng)有很多可選教材，但大部分教材內(nèi)容比較陳舊，許多新的算法，新的思想都沒有提到，學(xué)生無法從這些教材中獲取圖像處理最新的技術(shù)和發(fā)展趨勢，因此我們選擇了章毓晉編著、清華大學(xué)出版社的《圖像工程》系列教材。該教材全面介紹了圖像工程的第一層次――圖像處理，圖像工程的第二層次――圖像分析，圖像工程的第三層次――圖像理解的基本概念、基本原理、典型方法、實(shí)用技術(shù)以及國際上相關(guān)研究的最新成果。同時(shí)我們要求學(xué)生將國外的經(jīng)典圖像處理的書籍作為參考書目，如：Rafael C Gonzalez主編的《Digital Image Processing》，并建議學(xué)生關(guān)注圖像處理的一些重要期刊和國際會議，如：IEEE Transactions on Medical Imaging、IEEE Transactions on Pattern Analysis and Machine Intelligence、IEEE International Conference on Image Processing、電子學(xué)報(bào)、CT理論與應(yīng)用研究、模式識別與人工智能等。這樣學(xué)生能熟悉一些專業(yè)術(shù)語，了解最新的前沿動態(tài)，并具備一定的英文文獻(xiàn)閱讀能力，為今后的科研和工作打下了堅(jiān)實(shí)基礎(chǔ)。

要求學(xué)生自主學(xué)習(xí)一些最新方法和技術(shù)，例如，深入分析中華人民共和國設(shè)計(jì)制造的玉兔號月球車的結(jié)構(gòu)，給出玉兔號月球車如何通過全景相機(jī)、測月雷達(dá)、粒子激發(fā)X射線譜儀、紅外光譜儀等儀器，對月表進(jìn)行三維光學(xué)成像、紅外光譜分析，開展月壤厚度和結(jié)構(gòu)科學(xué)探測，對月表物質(zhì)主要元素進(jìn)行現(xiàn)場分析等探測的原理和方法。又例如，探討將遙感圖像應(yīng)用于5.12汶川大地震的方法，2008年5月14日上午，中國科學(xué)院的兩架高性能遙感飛機(jī)飛赴汶川，對地震災(zāi)區(qū)開展遙感監(jiān)測和災(zāi)情評估工作，這兩架飛機(jī)可分別提供高分辨率光學(xué)和雷達(dá)圖像，具有全天候快速獲取大面積災(zāi)情數(shù)據(jù)的能力，探討如何根據(jù)汶川地震前、后圖像，給出建筑物、河流、山體等關(guān)鍵區(qū)域的變化檢測結(jié)果，為國務(wù)院和相關(guān)部門的抗震救災(zāi)工作提供咨詢服務(wù)和決策依據(jù)。

2.2 采用現(xiàn)代化教學(xué)模式與方法

為了使復(fù)雜的算法和抽象的知識更加形象化，便于學(xué)生理解和提高學(xué)習(xí)興趣，我們充分運(yùn)用現(xiàn)代電子技術(shù)、工具和方法，采用多媒體形式進(jìn)行課堂教學(xué)，利用VC、MATLAB編寫一些典型的圖像處理程序，并在課堂上演示這些程序，增加了課堂的信息量，提高了學(xué)生的學(xué)習(xí)興趣，激發(fā)了學(xué)生自主學(xué)習(xí)，同時(shí)也為實(shí)驗(yàn)環(huán)節(jié)的開展奠定了一定的編程基礎(chǔ)[3]。

此外，我們深入分析MOOCs、SPOCs以及“翻轉(zhuǎn)課堂”教學(xué)模式等國際流行教育新概念，嘗試開展圖像處理技術(shù)的MOOCs，包括從課堂教學(xué)、學(xué)生學(xué)習(xí)進(jìn)程、學(xué)生的學(xué)習(xí)體驗(yàn)、師生互動過程等教與學(xué)過程的完整系統(tǒng)在線實(shí)現(xiàn)。MOOCs是一個(gè)改變學(xué)習(xí)方式的時(shí)代產(chǎn)物，受到全球各地的重視。國內(nèi)教育部三個(gè)教指委（計(jì)算機(jī)類專業(yè)、軟件工程專業(yè)、計(jì)算機(jī)課程）2013年底專門召開會議研討MOOCs。我們建立了校內(nèi)MOOCs平臺并對學(xué)生開放，將其作為課堂外學(xué)習(xí)的有效補(bǔ)充，這樣可以方便學(xué)生隨時(shí)隨地學(xué)習(xí)，或者進(jìn)行預(yù)習(xí)和復(fù)習(xí)。我們嘗試了結(jié)合圖像處理技術(shù)的MOOCs，探索創(chuàng)新教學(xué)模式與方法，穩(wěn)步提高教學(xué)質(zhì)量。

2.3 加強(qiáng)實(shí)踐教學(xué)

圖像處理技術(shù)可以廣泛應(yīng)用于數(shù)字電視、視頻通話、宇宙探測、自然災(zāi)害預(yù)測、環(huán)境污染的監(jiān)測、氣象云圖等應(yīng)用領(lǐng)域，而教材一般只涉及到理論知識和算法，或者是對應(yīng)用的簡單介紹，對其設(shè)計(jì)實(shí)現(xiàn)介紹得很少，所以必須加強(qiáng)實(shí)踐教學(xué)，將理論與實(shí)踐結(jié)合起來，使理論指導(dǎo)實(shí)踐，實(shí)踐加強(qiáng)理論[4-5]。要求學(xué)生利用VC或者M(jìn)ATLAB進(jìn)行實(shí)際程序設(shè)計(jì)，培養(yǎng)學(xué)生分析問題、解決問題的能力，具備圖像處理系統(tǒng)的開發(fā)能力。

根據(jù)課程的教學(xué)要求設(shè)置了四個(gè)課外實(shí)驗(yàn)。①圖像變換實(shí)驗(yàn)。要求對輸入的圖像，分別采用傅里葉變換、離散余弦變換、小波變換進(jìn)行圖像變換，分別給出變換前后的圖像，并分析圖像變換前后的視覺效果。②圖像增強(qiáng)實(shí)驗(yàn)。將給定的圖像進(jìn)行增強(qiáng)處理，要求至少使用線性變換增強(qiáng)、對數(shù)變換增強(qiáng)、指數(shù)變換增強(qiáng)以及偽彩色增強(qiáng)處理，分析增強(qiáng)后的視覺效果。③圖像編碼實(shí)驗(yàn)。將給定的圖像進(jìn)行壓縮處理，要求采用 Huffman編碼方法，并計(jì)算壓縮比。分析圖像壓縮后的視覺效果，并對圖像壓縮效果進(jìn)行客觀評價(jià)。④圖像分割與邊緣提取實(shí)驗(yàn)。分別利用邊緣檢測法、閾值分割法進(jìn)行圖像分割；分析圖像分割后的視覺效果。學(xué)生完成所有實(shí)驗(yàn)后，我們安排了實(shí)驗(yàn)指導(dǎo)課，解決學(xué)生在實(shí)驗(yàn)中遇到的問題，進(jìn)一步提高學(xué)生的算法設(shè)計(jì)能力和編程能力。

在課程教學(xué)中，我們還安排了三次專題討論課，由教師指定具體題目，學(xué)生通過查閱相關(guān)文獻(xiàn)，深入分析基本原理和方法，設(shè)計(jì)相應(yīng)的算法，編程實(shí)現(xiàn)，并給出實(shí)驗(yàn)結(jié)果及分析，充分調(diào)動學(xué)生學(xué)習(xí)的積極性，提高學(xué)生利用理論知識解決實(shí)際問題的能力。三次專題討論課分別是：

⑴ 數(shù)字圖像表示及其處理專題討論課。題目為：用VC或者M(jìn)atlab實(shí)現(xiàn)常見圖像文件格式的顯示；常見的圖像文件格式，以及用VC或者M(jìn)atlab實(shí)現(xiàn)圖像格式轉(zhuǎn)換；給出國內(nèi)外先進(jìn)的圖像處理系統(tǒng)軟、硬件，名稱、作用，以及先進(jìn)性的體現(xiàn)。

⑵ 圖像變換專題討論課。題目為：給出小波變換常用的小波基的基本原理、具體應(yīng)用，以及用VC或者M(jìn)atlab的具體實(shí)現(xiàn)；給出小波變換、脊波變換、子波變換的基本原理、具體應(yīng)用，用VC或者M(jìn)atlab的具體實(shí)現(xiàn)；給出小波變換以及小波變換在圖像處理中的具體應(yīng)用，以及用VC或者M(jìn)atlab的具體實(shí)現(xiàn)；給出快速傅里葉變換算法的具體內(nèi)容，以及時(shí)間復(fù)雜度或者運(yùn)行時(shí)間的分析。

⑶ 圖像編碼專題討論課。題目為：給出小波變換圖像編碼的基本思想與特點(diǎn)，編碼中需要解決的問題，實(shí)驗(yàn)結(jié)果及分析；給出基于感興趣區(qū)域的小波圖像編碼方法的基本思想，具體步驟，實(shí)驗(yàn)結(jié)果及分析；給出幾種圖像編碼質(zhì)量評價(jià)方法，具體實(shí)現(xiàn)，實(shí)驗(yàn)結(jié)果及分析；給出基于子波變換的圖像編碼基本思想與特點(diǎn)，具體步驟，實(shí)驗(yàn)結(jié)果及分析。

此外，鼓勵(lì)學(xué)生積極參與本校教師主持的科研項(xiàng)目，如國家自然科學(xué)基金、863項(xiàng)目、科技支撐計(jì)劃，以及北京市自然科學(xué)基金等項(xiàng)目。這些項(xiàng)目涉及到視音頻檢索、視音頻理解、視音頻處理、網(wǎng)絡(luò)信息分析、文字處理、信息檢索、網(wǎng)絡(luò)行為分析、圖像識別等研究方向。通過參與項(xiàng)目，系統(tǒng)地鍛煉了學(xué)生的科研能力和思維創(chuàng)新能力，也為今后的科研工作打下了堅(jiān)實(shí)基礎(chǔ)。

2.4 改革考核評價(jià)方式

考核是對學(xué)生學(xué)習(xí)成果的檢驗(yàn)，考核目標(biāo)不僅要檢驗(yàn)學(xué)生對課堂教學(xué)內(nèi)容的掌握程度，而且要對提高學(xué)生發(fā)現(xiàn)問題、思考問題、解決問題的能力起到作用。為了避免出現(xiàn)平時(shí)不努力，考前突擊的情況，我們對傳統(tǒng)的考核方式進(jìn)行了改革。本課程的考核由兩部分組成：平時(shí)成績（占30%）和期末考試成績（70%）。將平時(shí)的上課出勤、作業(yè)、實(shí)驗(yàn)和專題討論成績列入平時(shí)成績。在整個(gè)教學(xué)過程中，嚴(yán)格要求學(xué)生，使學(xué)生重視教學(xué)的各個(gè)環(huán)節(jié)。

計(jì)算機(jī)視覺基本原理范文第5篇

關(guān)鍵詞：刑事模糊圖像 Retinex算法 增強(qiáng)

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2012）11-0133-01

數(shù)字圖像技術(shù)的發(fā)展給刑事科學(xué)技術(shù)工作帶來了極大的方便，刑事圖像技術(shù)也由傳統(tǒng)的刑事照相技術(shù)發(fā)展為成熟的數(shù)字刑事圖像技術(shù)。新時(shí)期的刑事圖像技術(shù)學(xué)致力于刑事科學(xué)技術(shù)的光學(xué)成像研究和刑事圖像處理研究，模糊圖像的處理是刑事圖像處理工作中極具挑戰(zhàn)性的難題。

1、刑事模糊圖像形成因素

模糊圖像處理是對由于介質(zhì)、客觀環(huán)境等因素造成的模糊圖像和退化圖像進(jìn)行校正處理，使其清晰化，以利于圖像研判。刑事圖像的模糊有多種因素造成：一是非正確曝光退化，如非線性退化等；二是離（散）焦模糊，對焦不實(shí)使物體不能清晰的成像于焦平面上；三是運(yùn)動模糊，運(yùn)動模糊是指在曝光瞬間，照相機(jī)與被攝物體間有相對運(yùn)動；四是噪聲干擾致使圖像模糊不清；五是監(jiān)控視頻模糊，如安裝位置不合適、光線太暗或太亮、目標(biāo)運(yùn)動過快、攝像鏡頭對焦不實(shí)等，往往使影響資料變得模糊不清。

2、Retinex算法原理及應(yīng)用特性

2.1　Retinex理論概述

Retinex（視網(wǎng)膜“Retina”和大腦皮層“Cortex”的縮寫）理論是一種建立在科學(xué)實(shí)驗(yàn)和科學(xué)分析基礎(chǔ)上的基于人類視覺系統(tǒng)（Human　Visual　System）的圖像增強(qiáng)理論。該算法的基本原理模型最早是由Edwin　Land（埃德溫·蘭德）于19世紀(jì)70年代提出的一種被稱為具有顏色恒常性的色彩理論，并在顏色恒常性的基礎(chǔ)上提出的一種基于此理論的圖像增強(qiáng)方法。Retinex　理論的基本內(nèi)容包括物體的顏色是由物體對長波（紅）、中波（綠）和短波（藍(lán)）光線的反射能力決定的，而不是由反射光強(qiáng)度的絕對值決定的；物體的色彩具有一致性，不受光照非均性的影響，即Retinex　理論是以色感一致性（顏色恒常性）為基礎(chǔ)的。鑒于Retinex原理，對于觀察圖像S中的每個(gè)點(diǎn)（x，y），用公式可以表示為：

S（x，y）=R（x，y）.L（x，y）

其中，S（x，y）為所觀察的圖像，R（x，y）是反射物體圖像，L（x，y）為入射光圖像。

2.2　Retinex算法的應(yīng)用特點(diǎn)

Retinex理論的基本思想就是將原始圖像看成是由照射圖像和物體反射屬性組成，照射光圖像直接決定一幅圖像中像素能夠達(dá)到的動態(tài)范圍，物體反射屬性決定了圖像的內(nèi)在性質(zhì)，因此，在原始圖像中去除或降低照射圖像的影響從而保留本質(zhì)的反射屬性是Retinex理論的基本思想。Retinex算法具有銳化、顏色恒常性、動態(tài)范圍壓縮大、色彩逼真度高等特點(diǎn)。

傳統(tǒng)的圖像增強(qiáng)算法，如線性變換、非線性變換、圖像銳化等只能增強(qiáng)圖像的某一類特征，如壓縮圖像的動態(tài)范圍，或增強(qiáng)圖像的邊緣等。Retinex算法可以在動態(tài)范圍壓縮、邊緣增強(qiáng)和顏色恒常三方面達(dá)到平衡，因此可以對各種不同類型的圖像進(jìn)行自適應(yīng)性地增強(qiáng)。

3、Retinex算法對數(shù)字模糊圖像處理的適用

3.1　Retinex算法對圖像的預(yù)處理

在多種以Retinex為核心的算法中，單尺度（Single-Scale　Retinex，SSR）算法和多尺度（Multi-Scale　Retinex，　MSR）算法是最具有代表性和最成熟的算法。利用多尺度Retinex灰度圖像增強(qiáng)算法對灰度圖像進(jìn)行增強(qiáng)，在圖像的預(yù)處理階段對噪聲進(jìn)行濾除，做到改善圖像顏色恒常性，壓縮圖像動態(tài)范圍，提高對比度，有效顯示淹沒在陰影、光照等區(qū)域中的細(xì)節(jié)，為下一步的特征提取提供必要的條件。

3.2　Retinex算法對場景模糊圖像的增強(qiáng)

場景的干擾常常致使物體成像模糊，如雨霧天條件下，戶外景物的對比度和顏色發(fā)生退化，計(jì)算機(jī)視覺系統(tǒng)無法正確檢測與跟蹤場景中目標(biāo)，這就需要對雨霧天圖像或視頻作清晰化處理。Retinex　理論及相關(guān)算法是圖像增強(qiáng)的新思路，其理論基礎(chǔ)是色彩的恒常性，它通過模擬人眼觀察場景的方式，恢復(fù)因圖像采集設(shè)備限制而丟失的場景細(xì)節(jié)，達(dá)到增強(qiáng)圖像對比度，還原物體真實(shí)色彩的目的。

3.3　Retinex算法對圖像細(xì)節(jié)特征的增強(qiáng)

在圖像處理和計(jì)算機(jī)視覺領(lǐng)域，特征提取被廣泛運(yùn)用，其效果很大程度上取決于圖像的質(zhì)量。圖像在采集的過程中，多變的光照條件、物體間相互遮擋、采集設(shè)備自身限制等因素都會影響圖像質(zhì)量，要想對質(zhì)量差的圖像進(jìn)行特征提取非常困難?；赗etinex理論的圖像增強(qiáng)算法能減少計(jì)算時(shí)間，將多種計(jì)算函數(shù)相結(jié)合，能夠有效地重建圖像細(xì)節(jié)達(dá)到增強(qiáng)圖像的目的，使增強(qiáng)后的圖像更適合于細(xì)節(jié)特征的提取。

Retinex算法是數(shù)字圖像處理的新算法，與其他傳統(tǒng)圖像處理算法相比，具有很大的優(yōu)勢，能大量保留提取圖像的細(xì)節(jié)特征。在刑事圖像處理工作中，技術(shù)人員所感興趣的就是對偵破案件有用的細(xì)節(jié)特征。刑事圖像工作遇到的問題及其產(chǎn)生原因都是其他領(lǐng)域圖像處理所共有的，因此，Retinex理論同樣適用于刑事圖像處理研究，將基于Retinex理論的各種改進(jìn)的Retinex算法直接應(yīng)用到刑事模糊圖像處理工作中，勢必會給當(dāng)前的刑事模糊圖像處理工作打開新的局面。

參考文獻(xiàn)

[1]李權(quán)合，畢篤彥，時(shí)平，何宜寶.基于Retinex和視覺適應(yīng)性的圖像增強(qiáng)[J].中國圖形圖像學(xué)報(bào)，2010，15（12）：1728-1732.

[2]喬小燕，姬光榮，陳霧.一種改進(jìn)的全局Re　tinex圖像增強(qiáng)算法及其仿真研究[J].系統(tǒng)仿真學(xué)報(bào)，2009，21（4）：1185-　1197.