【自用】图像算法、计算机视觉面试问题及答案1.0

传统机器算法

4.11

• 图像预处理

图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。 一般的预处理流程为：灰度化->几何变换->图像增强

• 图像增强

增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
图像增强可分成两大类：频率域法和空间域法。

1.频率域法

频率域法是一种间接图像增强算法，把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。

2.空间域法

空间域法是一种直接图像增强算法，分为点运算算法和邻域去噪算法。
点运算算法即灰度变换（伽马变换、对数增强）和直方图修正等。
邻域增强算法分为图像平滑和锐化两种。平滑常用算法有均值滤波、中值滤波。锐化常用算法有梯度法（如Roberts梯度法）、算子法（Sobel算子和拉普拉斯算子等）、掩模匹配法、统计差值法等。

• 传统的边缘检测算子

1、Roberts算子

Robert是最老的算子之一

掩膜：只使用当前像素的 2 x 2 邻域

边缘幅度的计算：对角相减 再 相加

Roberts算子的主要缺点是其对噪声的高度敏感性，原因在于仅使用了很少几个像素来近似梯度

2、Laplace 算子

通常使用 3 x 3 的邻域，Laplace是近似给出边缘幅值的二阶导数的 流行方式

4-邻接 掩膜：

8-邻接 掩膜：

Laplace算子有一个缺点是它对图像中的某些边缘产生双重响应。

3、Prewitt算子

Prewitt 是 近似一阶导数

对于3 x 3 的卷积掩膜，在8个可能方向（有8个卷积掩膜）上估计梯度

具有最大幅值的卷积给出梯度方向

前三个卷积掩膜（后续的可以通过“旋转”获得）：

4、Sobel

Sobel 是 近似一阶导数，具有最大幅值的卷积给出梯度方向

Sobel算子是通常使用与水平和垂直边缘的一个简单检测子

5、Kirsch算子

边缘检测算子的主要缺点：

它们依赖物体的大小，且对噪声敏感

• Canny算法

Canny边缘提取 是 Canny 提出了一种新的边缘检测方法

Canny边缘检测分四个阶段

    1.去噪  通过一个5*5的高斯滤波器完成;
    2.找图像的边缘。利用Sobel kernel得到水平和垂直方向两个方向的梯度。
    3.过滤非最大值。在高斯滤波中,边缘很有可能被放大了。过滤不是边缘的点.
    4.使用两个值域来检测边缘。它设置两个阀值，分别为maxVal和minVal。其中大于maxVal的
都被检测为边缘，而低于minval的都被检测为非边缘。对于中间的像素点，如果与确定为边缘的
像素点邻接，则判定为边缘；否则为非边缘。

它对受白噪声影响的阶跃型边缘是最优的

检测子的最优性与以下的三个标准有关:

1、检测标准：不丢失重要的边缘，不应有虚假的边缘。

2、定位标准：实际边缘与检测到的边缘位置之间的偏差最小。

3、单响应标准：将多个响应降低为单个边缘响应。

最优性标准是基于如下要求:“检测”重要边缘、小的“定位”误差、“单边缘响应”。该检测子与一个对称 2D 高斯做卷积，再沿梯度方向微分；接着的步骤包括“非最大边缘抑制”、“滞后阈值化处理”和“特征综合”。

在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上是指寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点（这是本人的理解）。 根据图可知，要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。