机器视觉基本理论(opencv)

1. 什么是图像采样

采样是按照某种时间间隔或空间间隔,将空间上连续的图像变换成离散点的操作称为图像采样

2. 什么是图像分变率

采样 得到的离散图像的尺寸称为图像分辨率。分辨率是数字图像可辨别的最小细节。分辨率由宽和高两个参数构成,宽表示水平反向的细节数,高表示垂直方向的细节数。

3. 什么是RGB颜色空间

RGB颜色空间中每个像素点有三个维度,分别记录在红、绿、篮三原色的分量上的亮度

4. 什么是HSV颜色空间

HSV颜色空间是另一种常用的计算机中表示颜色的方法。HSV表示色相、亮度和饱和度。H表示颜色的相位角,取值范围是0–360,S表示颜色的饱和度,范围从0到1,它表示成所选颜色的纯度和该颜色最大纯度之间的比率,V表示色彩的明亮程度,范围从0到1

5. 什么是图像灰度化处理

在RGB模型中,如果R=G=B时,彩色表示一种灰度颜色,其中R=G=B的值叫灰度值,因此,灰度图像每个像素只需一个字节存放灰度值,灰度范围为0-255,将RGB图像转换为灰度图像的过程称为图像灰度化处理。

6.图像灰度化处理有哪些方法?

1)分量法。将彩色图像中的三分量的亮度作为三个灰度图像的灰度值,可根据应用需要选取一种灰度图像。

2)最大值法。将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。

3)将彩色图像中的三分量亮度求平均得到一个灰度值。

4)根据重要性及其它指标,将三个分量以不同的权值进行加权平均。

7. 图像加法运算有什么应用

1)图像加法可以用于多幅图像平均去除噪声。

2)图像加法实现水印的叠加效果。

8. 图像减法运算有什么应用

主要意义是增强图像间的差别,图像减法在连续图像中可以实现消除背景和运动检测。

9. 图像放大时(图像上采样),可以采用哪些插值法

1)最邻近插值法。最邻近插值法使用点( x ′ , y ′ x',y' x,y)最近的整数坐标处的灰度值作为( x ′ , y ′ x',y' x,y)的值。这种插值方法计算量小,但精度不高,并且可能破坏图像中的线性关系。

2)双线性插值法。双线性插值法使用点( x ′ , y ′ x',y' x,y)最邻近的4个像素值进行插值计算,在两个方向上执行两次线性插值操作。

10.什么是直方图均衡化

直方图均衡化将原始图像的直方图,即灰度概率分布图,进行调整,使之变化为均衡分布的样式,达到灰度级均衡的效果,可以有效增强图像的整体对比度。

直方图均衡化能够自动的计算变化函数,通过该方法自适应地生产有均衡直方图的输出图像。能够对图像过暗、过亮和细节不清晰的图像得到有效的增强。

11. 什么是均值滤波

均值滤波指模板权重都为1的滤波器。它将像素的邻域平均值作为输出结果,均值滤波可以起到图像平滑的效果,可以去除噪声,但随着模板尺寸的增加,图像会变得更为模糊。经常作为模糊化使用。

12.什么是高斯滤波

为了减少模板尺寸增加对图像的模糊化,可使用高斯滤波器,高斯滤波的模板根据高斯分布(中间大四周小的卷积核)来确定模板系数,接近中心的权重比边缘的大。

13. 什么是图像二值化处理,有什么优点

1)图像二值化就是将图像上的像素点的灰度值全部设置为黑色0,或白色255,也就是将整个图像分割成明显的黑白效果的过程。二值化的方法是通过设定一个阈值,大于阈值部分全部置为255,小于阈值部分全部置为0

2)优点

  • 二值化图像在数字图像处理中占有非常重要的地位,可以方便进行连通域提取、形态学变化、感兴趣区域分割等操作。
  • 图像的二值化使图像中数据量大为减少,并且能凸显出目标的轮廓。二值化后的图像的集合性质只与像素值为0或255的点的位置有关,不再涉及像素的多记值,使处理变得简单,而且计算过程中数据的处理量减小。

14.什么是图像膨胀

图像膨胀是指根据图像的形状,向外进行扩充。

15.什么是图像腐蚀

图像腐蚀是根据图像的形状,向内进行收缩。

16. 什么是图像开运算

开运算就是先腐蚀再膨胀,开运算能够把结构小的噪声和突刺过滤掉,并切断细长的连接,起到分离的作用。

17. 什么是图像闭运算

闭运算就是先膨胀再腐蚀,闭运算可以把结构元素小的缺憾或者空洞补上,将细小断裂的区域进行连通。

18.什么是礼貌运算

礼貌运算是原始图像减去其开运算图像的操作。礼貌运算能够获取图像的噪声信息,或者得到比原始图像的边缘更亮的边缘信息。

19.什么是黑帽运算

黑帽运算是用闭运算图像减去原始图像,黑帽运算能够获取图像的内部小孔,或前景色中的小黑点,得到比原始图像的边缘更暗的边缘部分。

20.什么是辐射变换

仿射换是指图像可以通过一系列的几何变换来实现平移、旋转等多种操作。该变换能够保持图像的平直性和平行性。平直性是指图像经过仿射变换后,直线仍然是直线,平行性是指图像在完成仿射变换后,平行线仍然是平行线。

你可能感兴趣的:(AI问题汇总)