机器视觉日常习题(更新中。。。)

目录

    • 第二讲 图像处理概述

第二讲 图像处理概述

机器视觉日常习题(更新中。。。)_第1张图片

  1. 几何变换:又称为图像空间变换,它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。
  2. 图像分割:把图像分成各具特色的区域并提取感兴趣目标的技术和过程。
  3. 图像边缘:在这里插入图片描述

机器视觉日常习题(更新中。。。)_第2张图片

  1. 平滑,增强,复原
  2. 一般包括:图像增强、图像复原、图像编码、图像分割、图像重建等内容。
  3. 一般包含两部分内容:
    空间运算,实现输入图像与输出图像的位置映射
    灰度插值,用于计算新位置上像素的灰度值
  4. 点操作和模板操作
  5. 平滑滤波锐化滤波
  6. 保留低频分量而除去高频分量
  7. 对方的
  8. 沙发上
  9. 数值相似性:如灰度差、区域灰度分布
    空间接近性:如欧氏距离、区域致密度
  10. 一种是基于区域的方法
    另一种是使用边缘检测的轮廓预估方法

机器视觉日常习题(更新中。。。)_第3张图片

  1. 一般常用一阶或二阶导数来检测边缘
  2. 阶梯状
    脉冲状
    屋顶状
  3. 一阶微分边缘检测算子
  4. 单阈值分割
    多阈值分割
  5. 边缘是灰度不连续的结果,是图像局部强度变化最显著的部分。这种不连续常可利用求导数方便地检测到
  6. 灰度阈值分割法
  7. 区域生长
    合并与分裂
  8. 加性噪声乘性噪声

机器视觉日常习题(更新中。。。)_第4张图片

  1. 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和最大限度地简化数据,从而改进特征抽取、图像分割、匹配和识别的可靠性。

  2. 一般包括:数字化、几何变换、归一化、平滑、增强、复原等内容。

  3. 目的是对图像进行相关的一些运算,以便简化后续的图像分析(图像描述、图像识别)工作

  4. 一般包括:图像增强、图像复原、图像编码、图像分割、图像重建等内容

  5. 便于在计算机中保存图像
    便于计算对图像进行处理

  6. 线性平滑滤波器+非线性平滑滤波器机器视觉日常习题(更新中。。。)_第5张图片

  7. 将图像从图像空间转换到频域空间(傅立叶变换)
    在频域空间对图像进行增强;
    将增强后的图像再从频域空间转换到图像空间(傅立叶逆变换)。

  8. 低通滤波、高通滤波、带通滤波、带阻滤波

  9. 噪声:内部噪声、外部噪声;高斯噪声、椒盐噪声
    运动:图像拖影问题。

数值相似性:如灰度差、区域灰度分布
空间接近性:如欧氏距离、区域致密度
机器视觉日常习题(更新中。。。)_第6张图片

  1. 边缘是灰度不连续的结果,是图像局部强度变化最显著的部分。这种不连续常可利用求导数方便地检测到,一般常用一阶或二阶导数来检测边缘
  2. 由直方图灰度分布选择阈值,对与灰度图像,利用图像灰度统计信息的方法显示灰度分布,而分割的阈值选择在不同的山谷,一般采用一维直方图阈值化方法。从直方图中选取合适的阈值进行图像分割即可。

机器视觉日常习题(更新中。。。)_第7张图片
机器视觉日常习题(更新中。。。)_第8张图片
机器视觉日常习题(更新中。。。)_第9张图片
机器视觉日常习题(更新中。。。)_第10张图片

机器视觉日常习题(更新中。。。)_第11张图片
机器视觉日常习题(更新中。。。)_第12张图片
机器视觉日常习题(更新中。。。)_第13张图片

机器视觉日常习题(更新中。。。)_第14张图片
机器视觉日常习题(更新中。。。)_第15张图片
机器视觉日常习题(更新中。。。)_第16张图片
机器视觉日常习题(更新中。。。)_第17张图片
机器视觉日常习题(更新中。。。)_第18张图片
机器视觉日常习题(更新中。。。)_第19张图片
机器视觉日常习题(更新中。。。)_第20张图片
机器视觉日常习题(更新中。。。)_第21张图片

机器视觉日常习题(更新中。。。)_第22张图片
机器视觉日常习题(更新中。。。)_第23张图片
机器视觉日常习题(更新中。。。)_第24张图片

你可能感兴趣的:(计算机视觉,图像处理)