2021年5月
机器视觉-Chapter 3.5 Feature Extraction 特征提取
3.5 Feature Extraction 特征提取
3.5.1 Region Features 区域特征
3.5.1.1 Area 面积
- 到目前为止,最简单的区域特征是区域的面积
- 如果区域是二值图像,用第一个登是
- 如果区域时行程编码,用第二个求和公式
机器视觉-Chapter 3.4 Image Segmentation 图像分割
3.4 Image Segmentation 图像分割
3.4.1 Thresholding 阈值分割
3.4.1.1 Global Thresholding全局阈值
阈值分割操作定义为:
机器视觉-Chapter 3.3 Geometric Transformations 几何变换
3.3 Geometric Transformations 几何变换
3.3.1 Affine Transformations 仿射变换
- 如果在机械装置上物体的位置和旋转角度不能保持恒定,我们必须对物体进行平移和旋转角度修正。有时由于摄像机和物体间的距离发生了变化,导致图像中物体的尺寸发生了明显变化。这些情况下使用的变换称为仿射变换,可以用以下等式描述:
机器视觉-Chapter 3.2 Image Enhancement图像增强
3.2 Image Enhancement
3.2.1 Gray Value Transformations 灰度变换
- 调整图像灰度值的一个原因是由于图像对比度太弱,这个问题通常只会局部发生,只需增强局部的对比度;
另一个原因是图像的对比度或者亮度同最初系统设定时相比已经发生了变化
- 如:工作一段时间后由于光源的老化而造成图像对比度变弱
灰度值变换可以被视为一种点处理。
- 这意味着变换后的灰度值$t_{r,c}$仅仅依赖于图像上同一位置的原始灰度值$g_{r,c}:t_{r,c}=f(g_{r,c})$。$f$表示进行灰度值变换的函数,其值域范围通常是$G_{b}$,为离散的。
- 灰度值变换通常通过查找表(lookup table,LUT) 进行,即将每个输入灰度值变换后得到的输出值保存在这个查找表内。
机器视觉-Chapter 3.1 Fundamental Data Structures
3.1 Fundamental Data Structures
3.1.1 Images 图像
- 黑白摄像机返回每个像素对应的一个采样结果,并由此组成一幅单通道灰度图像。RGB彩色摄像机返回每个像素对应的三个采样结果,并由此组成一幅三通道图像。图像可被视为由一组任意多的通道组成。
- 在某些应用领域中,比如遥感图像,图像的每个像素对应非常多的能量采样结果,这样做的目的时对光谱进行更细致的采样,所以每个像素对应更多个能量样本也是可以的。
- 图像通道可以被简单看作一个二维数组。图像可以看作一个在空间上采样的函数,或者无限连续域上的函数。
- 多数情况下,灰度值将被离散化为8位
- 出于理论上的考虑,有时候为了方便会将图像视为无限连续域上的函数,即$f:R^{2}→R^{n}$
机器视觉-Chapter 2.3 Cameras相机
2.3 Cameras
- 摄像机作用:将通过镜头聚焦于像平面的光线生成图像。
数字传感器技术:
- 电荷耦合器件CCD(charge coupled device)
- 互补金属氧化半导体CMOS(complementary metal oxide semiconductor)
- CCD与CMOS主要区别:读出结构(从芯片中读取数据的方式)不同。