計(jì)算機(jī)視覺

• 1 基礎(chǔ)
• • 1.1 計(jì)算機(jī)視覺定義
  • 1.2 人眼圖像的形成
  • 1.3 灰度級(jí)
  • 1.4 分辨率
  • 1.5 數(shù)字圖像的表示
  • 1.6 像素關(guān)系
  • 1.7 圖像中常用的距離有3個(gè)
  • 1.8 圖像計(jì)算
  • • 1.8.1 像素計(jì)算
    • 1.8.2 坐標(biāo)計(jì)算
  • 1.9 色彩3要素
• 2 圖像預(yù)處理
• • 2.1 灰度變換
  • • 2.1.1 對(duì)比度增強(qiáng)
    • 2.1.2 對(duì)比度壓縮
    • 2.1.3 伽馬矯正
    • 2.1.4 直方圖變換
  • 2.2 空間濾波
  • • 2.2.1 均值濾波
    • 2.2.2 高斯濾波
    • 2.2.3 中值濾波
  • 2.3 圖像銳化
  • • 2.3.1 邊緣檢測(cè)
    • 2.3.2 圖像銳化實(shí)現(xiàn)
  • 2.4 坐標(biāo)變換
  • • 2.4.1 平移
    • 2.4.2 鏡像
    • 2.4.3 旋轉(zhuǎn)
    • 2.4.4 縮放
    • 2.4.5 仿射變換
    • 2.4.6 透視變換
  • 2.5 彩色圖像處理的兩種思路
  • 2.6 圖像預(yù)處理技術(shù)在深度學(xué)習(xí)中的應(yīng)用
• 3 圖像處理的基本任務(wù)
• • 3.1 3個(gè)等級(jí)
  • • 3.1.1 圖像處理
    • 3.1.2 圖像分析
    • 3.1.3 圖像理解
  • 3.2 4個(gè)基本任務(wù)
  • • 3.2.1 分類
    • 3.2.2 檢測(cè)
    • 3.2.3 分割
    • 3.2.4 跟蹤
• 4 特征提取和傳統(tǒng)的圖像處理算法
• • 4.1 傳統(tǒng)圖像處理算法流程
  • 4.2 圖像特征提取
  • • 4.2.1 圖像二值化
    • 4.2.2 形態(tài)學(xué)處理
    • 4.2.3 模板匹配
    • 4.2.4 特征描述子
    • 4.2.5 方向梯度直方圖HOG
    • 4.2.6 局部二值模式LBP
    • 4.2.7 Haar特征提取描述子
    • 4.2.8 灰度共生矩陣GLDM
• 5 深度學(xué)習(xí)
• 圖像處理總結(jié)
• 6 計(jì)算機(jī)視覺的研究領(lǐng)域和主要公司
• • 6.1 8大公司
  • 6.2 計(jì)算機(jī)視覺的9大應(yīng)用領(lǐng)域與任務(wù)：
  • 6.3 要會(huì)的研究方向
  • • 6.3.1 三大技術(shù)
    • 6.3.2 4大研究方向
    • 6.3.3 三大頂會(huì)
• 參考資料

1 基礎(chǔ)

1.1 計(jì)算機(jī)視覺定義

計(jì)算機(jī)視覺大部分內(nèi)容運(yùn)用了人工智能技術(shù)，同樣人工智能的發(fā)展離不開計(jì)算機(jī)視覺。計(jì)算機(jī)視覺是人工智能領(lǐng)域最成功的方向。

1.2 人眼圖像的形成

圖像數(shù)字化包括兩種處理過程：采樣和量化
采樣：將空間上連續(xù)的圖像變換成離散點(diǎn)
量化就是用不同等級(jí)的顏色表示圖像信息

1.3 灰度級(jí)

1.4 分辨率

1.5 數(shù)字圖像的表示

圖像中每個(gè)采樣點(diǎn)稱為像素，可以用坐標(biāo)（x,y）表示，像素的數(shù)據(jù)維度稱為通道。
黑白圖就是0和1 的二值圖
灰度圖中0表示最暗，255表示最亮
彩色圖像中每個(gè)像素點(diǎn)有3個(gè)維度，分表表示紅綠藍(lán)三個(gè)顏色的亮度大小
顏色空間hsv，彩色圖像的另一種表示，比rgb表示的顏色更多。

彩色圖像還有其它的顏色表示，不同顏色表示之間可以使用顏色進(jìn)行轉(zhuǎn)換。

1.6 像素關(guān)系

像素連同就是在4領(lǐng)域或8領(lǐng)域中有像素相等的點(diǎn)就可連接起來

1.7 圖像中常用的距離有3個(gè)

1.歐氏距離
2.城市街區(qū)距離
3.棋盤距離

1：歐氏距離是最直觀的距離，

2.城市街區(qū)距離（也叫曼哈頓距離）：D=|x1-x2|+|y1-y2|;
就是兩個(gè)直角邊的和

3.棋盤距離：D=MAX{|x1-x2|,|y1-y2|}
就是長(zhǎng)寬中最小的那個(gè)邊

1.8 圖像計(jì)算

1.8.1 像素計(jì)算

1.8.2 坐標(biāo)計(jì)算

1.9 色彩3要素

搞不懂，下面是解釋，但是還是搞不懂

https://zhidao.baidu.com/question/48787087.html

2 圖像預(yù)處理

就是圖像輸入，輸出還是圖像，一般這樣稱呼

2.1 灰度變換

2.1.1 對(duì)比度增強(qiáng)

2.1.2 對(duì)比度壓縮

2.1.3 伽馬矯正

亮的越亮

2.1.4 直方圖變換

不是絕對(duì)的均衡，是相對(duì)均衡一些

規(guī)定化就是對(duì)特定區(qū)間進(jìn)行變換

2.2 空間濾波

就跟卷積原理是一樣的

2.2.1 均值濾波

2.2.2 高斯濾波

根據(jù)高斯分布來設(shè)置濾波器

2.2.3 中值濾波

2.3 圖像銳化

2.3.1 邊緣檢測(cè)

2.3.2 圖像銳化實(shí)現(xiàn)

2.4 坐標(biāo)變換

2.4.1 平移

2.4.2 鏡像

2.4.3 旋轉(zhuǎn)

2.4.4 縮放

2.4.5 仿射變換

2.4.6 透視變換

2.5 彩色圖像處理的兩種思路

2.6 圖像預(yù)處理技術(shù)在深度學(xué)習(xí)中的應(yīng)用

3 圖像處理的基本任務(wù)

3.1 3個(gè)等級(jí)

3.1.1 圖像處理

3.1.2 圖像分析

3.1.3 圖像理解

3.2 4個(gè)基本任務(wù)

3.2.1 分類

3.2.2 檢測(cè)

3.2.3 分割

3.2.4 跟蹤

4 特征提取和傳統(tǒng)的圖像處理算法

4.1 傳統(tǒng)圖像處理算法流程

4.2 圖像特征提取

4.2.1 圖像二值化

關(guān)鍵在于閾值的設(shè)置

4.2.2 形態(tài)學(xué)處理

4.2.3 模板匹配

給一個(gè)模板，匹配出相似的部分

模板匹配用到了滑動(dòng)窗口法，來回滑動(dòng)

4.2.4 特征描述子

4.2.5 方向梯度直方圖HOG

參考下面網(wǎng)址，將的比較清楚
https://blog.csdn.net/passball/article/details/82254256

4.2.6 局部二值模式LBP

4.2.7 Haar特征提取描述子

4.2.8 灰度共生矩陣GLDM

參考下面資料：
https://blog.csdn.net/qq_37059483/article/details/78292869

https://blog.csdn.net/guanyuqiu/article/details/53117507

5 深度學(xué)習(xí)

圖像處理總結(jié)

（1）讀取，保存
（2）顯示為數(shù)字
（3）顏色變換
（4）圖像縮放
（5）圖像裁剪
（6）圖像位置變化，翻轉(zhuǎn)等
（7）多幅圖像加減乘除等
（8）灰度變換
（9）重采樣，分辨率變換
（10）濾波變換
（11）圖像銳化
（12）二值化
（13）腐蝕，膨脹
（14）模板匹配
（15）hog
（16）LBP
（17）Haar

6 計(jì)算機(jī)視覺的研究領(lǐng)域和主要公司

6.1 8大公司

6.2 計(jì)算機(jī)視覺的9大應(yīng)用領(lǐng)域與任務(wù)：

6.3 要會(huì)的研究方向

3大技術(shù)和4大方向：

6.3.1 三大技術(shù)

圖像分類

目標(biāo)檢測(cè)

語義分割

6.3.2 4大研究方向

人臉識(shí)別

OCR文字識(shí)別

遙感影像語義分割

工業(yè)上的缺陷檢測(cè)（車道線檢測(cè)，行人檢測(cè)，缺陷檢測(cè)）

6.3.3 三大頂會(huì)

參考資料

[1] https://www.bilibili.com/video/BV1Yt4y1i7by?p=25&t=185
[2] 計(jì)算機(jī)視覺哪個(gè)方向就業(yè)比較好？ - 知乎
https://www.zhihu.com/question/319883236

總結(jié)

以上是生活随笔為你收集整理的算法工程师5——计算机视觉知识点概览的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。