一、基礎(chǔ)作業(yè)

視覺(jué)系統(tǒng)都有哪些構(gòu)成要素? 以機(jī)械臂視覺(jué)控制系統(tǒng)為例，說(shuō)明視覺(jué)系統(tǒng)的構(gòu)成要素。
機(jī)械臂視覺(jué)控制系統(tǒng)：光源（室內(nèi)光線或?qū)Ｓ霉庠?#xff09;、相機(jī)（放在機(jī)械臂前端的單相機(jī)）、主機(jī)（臺(tái)式計(jì)算機(jī)或嵌入式處理器）、視覺(jué)處理系統(tǒng)（用C++或其他語(yǔ)言編寫(xiě)的視覺(jué)識(shí)別算法及程序）。

2.嘗試從模仿人類(lèi)視覺(jué)處理流程的角度，闡述本對(duì)課程內(nèi)容組織的理解。進(jìn)一步在網(wǎng)上搜索，找到自己認(rèn)為學(xué)習(xí)過(guò)程中最值得參考的1-2本書(shū)(不要太厚)
以Marr視覺(jué)計(jì)算理論為基礎(chǔ)，從2維最基本的基元特征的提取開(kāi)始，過(guò)度到2.5維對(duì)三維特征的粗略描述，再到三維視覺(jué)的重建，步步深入。
老師課中推薦的前兩本：谷口慶治的數(shù)字圖像處理 基礎(chǔ)篇、岡薩雷斯的數(shù)字圖像處理，之所以選這兩本是因?yàn)閮?nèi)容比較基礎(chǔ)，并且一本厚一本薄可以相互補(bǔ)充的使用。等到基礎(chǔ)掌握以后可以找?guī)妆局鱽?lái)看。

3.什么是光通量和輻照度？說(shuō)明幾個(gè)常見(jiàn)光源的光通量，以及幾個(gè)常見(jiàn)照明環(huán)境的輻照度。
光通量（luminous flux）指人眼所能感覺(jué)到的輻射功率，它等于單位時(shí)間內(nèi)某一波段的輻射能量和該波段的相對(duì)視見(jiàn)率的乘積。白熾燈和鹵鎢燈為12～24lm／W、熒光燈和HID燈（氣體放電燈）為50～120lm／W、LED燈目前在110lm/W左右。
輻射照度又稱(chēng)輻照度，是受照面單位面積上的輻射通量，單位為瓦每平方米（W/㎡）。與太陽(yáng)垂直的平面上的輻照度（太陽(yáng)常數(shù)）為1535W/m2，白光 LED 光源照射的輻照度為 600W/m2）

結(jié)合顏色空間示意圖，簡(jiǎn)述HSI顏色空間中各通道的物理意義，并結(jié)合圖像實(shí)例說(shuō)明。

HSI(Hue-saturation-intensity)分別表示
色調(diào)：是指圖像的相對(duì)明暗程度。圖中點(diǎn)與圓錐中心連線在圓錐底面角度的投影，決定不同的色彩區(qū)別
飽和度：是指色彩的鮮艷程度，飽和度取決于該色中含色成分和消色成分的比例，圖中點(diǎn)與圓錐中心線的距離，越往外越鮮艷
光強(qiáng)：是指通過(guò)該點(diǎn)的平均能流密度，圖中沿著圓錐母線的點(diǎn)的高度，越往上越明亮。

如圖，從做到右為色調(diào)的變化，從上到下為飽和度的減小。

如圖，在HSI中，從上往下亮度越來(lái)越大。

說(shuō)明彩色圖像傳感器及γ校正的基本原理。
圖像傳感器:圖像傳感器是指利用光電器件的光電轉(zhuǎn)換功能。將感光面上的光像轉(zhuǎn)換為與光像成相應(yīng)比例關(guān)系的電信號(hào)。色彩傳感器分為三層，第一層收集圖像的灰度信息，第二層為彩色紅黃藍(lán)單色薄膜，其中綠色為其他顏色的兩倍，第三層為小透鏡組成，確保光線匯集到下部的刻度中心。采集以后有Bayer格式顯示色彩，即通過(guò)插值的方法分別確定每個(gè)格子的三原色數(shù)據(jù)
伽馬校正：目的：在通常的照明（既不是漆黑一片，也不是令人目眩的明亮）的情況下，人類(lèi)的視覺(jué)大體有伽馬或者是冪函數(shù)的性質(zhì)。如果不將圖像進(jìn)行伽馬編碼，那么數(shù)據(jù)位或者帶寬的利用就會(huì)分布不均勻——會(huì)有過(guò)多的數(shù)據(jù)位或者帶寬用來(lái)表示人類(lèi)根本無(wú)法察覺(jué)到的差異，而用于表示人類(lèi)非常敏感的視覺(jué)感知范圍的數(shù)據(jù)位或者帶寬又會(huì)不足。
原理：針對(duì)影片或是影像系統(tǒng)里對(duì)于光線的亮度或是三色刺激值（三色系統(tǒng)中，與待測(cè)光達(dá)到顏色匹配所需的三種原色刺激的量）所進(jìn)行非線性的運(yùn)算或反運(yùn)算.

二、進(jìn)階作業(yè)

在計(jì)算機(jī)上安裝OpenCV 3.0以上版本，為后續(xù)作業(yè)準(zhǔn)備。開(kāi)發(fā)語(yǔ)言可采用C++或Python。
在安裝過(guò)程中遇到了網(wǎng)址文件下載不了的情況，仔細(xì)檢查過(guò)后發(fā)現(xiàn)是因?yàn)闆](méi)有用谷歌內(nèi)核瀏覽器，換瀏覽器后解決

創(chuàng)建第一個(gè)視覺(jué)程序“Hello，world！”，顯示Lena圖片。具體效果參看課程PPT。

import cv2import cv2 as cvimg = cv.imread(r'D:\opencv\opencv\sources\samples\data\lena.jpg') cv.imshow('Hellow,world!', img) cv.imwrite('Hellow,world!.png', img)cv.waitKey() cv.destroyAllWindows()

3. 對(duì)Lena圖像，分解得到RGB分量及HSV分量，顯示各分量，并對(duì)結(jié)果進(jìn)行比較說(shuō)明。
RGB分量顯示

# RGB分量顯示代碼 import cv2 as cvfilename = r'D:\opencv\opencv\sources\samples\data\lena.jpg' img = cv.imread(filename)imgRed = img.copy() imgRed[:, :, 0:2] = 0 imgGreen = img.copy() imgGreen[:, :, 0] = 0 imgGreen[:, :, 2] = 0 imgBlue = img.copy() imgBlue[:, :, 1:3] = 0cv.imshow('Red', imgRed) cv.imshow('Green', imgGreen) cv.imshow('Blue', imgBlue)cv.waitKey() cv.destroyAllWindows()

顯示結(jié)果：



HSV分量顯示

# HSV分量顯示代碼 import cv2 as cvfilename = r'D:\opencv\opencv\sources\samples\data\lena.jpg' img = cv.imread(filename) img = cv.cvtColor(img, cv.COLOR_BGR2HSV) imgValue = img.copy() imgValue[:, :, 0:2] = 0 imgHue = img.copy() imgHue[:, :, 1:3] = 0 imgSaturation = img.copy() imgSaturation[:, :, 0] = 0 imgSaturation[:, :, 2] = 0cv.imshow('Value', imgValue) cv.imshow('Hue', imgHue) cv.imshow('Saturation', imgSaturation)cv.waitKey() cv.destroyAllWindows()

對(duì)比：BGR顯示的三張圖分別為Red、Green、Blue的成分多少，越亮表示成分越多。越暗表示相應(yīng)的成分越少。
HSV顯示的三張圖分別為Value、Hue、Saturation的成分。
由HSV分量范圍（如下圖）可知，在Hue分量中紫色值較高，黑灰白紅分布較廣，與lena原圖中分布吻合。在Value分量中，原圖中亮的部分比較明顯。在saturation分量中，色彩鮮艷的部分比較明顯，原圖中灰白色部分顯得暗淡。

總結(jié)

以上是生活随笔為你收集整理的第一章计算机视觉引论的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)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。