中国科学技术大学：《计算机视觉》课程教学资源（PPT课件讲稿）第一章 绪论 Computer Vison（主讲：曹洋）

计算机视觉 computer vision 中国科学技术大学 自动化系

中国科学技术大学 自动化系

第一章绪论

What is Computer Vision? Trucco and Verri computing properties of the 3D world from one or more digital images Stockman and Shapiro To make useful decisions about real physical objects and scenes based on sensed images Ballard and Brown The construction of explicit,meaningful description of physical objects from images Forsyth and Ponce To extract descriptions of the world from pictures or sequences of pictures

 Trucco and Verri ◦ computing properties of the 3D world from one or more digital images  Stockman and Shapiro ◦ To make useful decisions about real physical objects and scenes based on sensed images  Ballard and Brown ◦ The construction of explicit, meaningful description of physical objects from images  Forsyth and Ponce ◦ To extract descriptions of the world from pictures or sequences of pictures

天空 树林 房尾 道 也塘 地 从图像到识别 (a) (d) 天空 树林 房屋 道路 (b) 泡塘 田地 (e) 乡村景物 (c) (f)

TRAINING During the training phase.a neural network is fed thousands of labeled images of various animals, learning to classify them. INPUT An unlabeled image is shown to the pretrained 从图像到识别 network. FIRST LAYER 06●00 The neurons respond to different simple shapes,like edges. HIGHER LAYER Neurons respond to more complex structures. TOP LAYER Neurons respond to highly complex abstract concepts that we would identify as differ- ent animals. OUTPUT The network predicts what the object most likely is,based on its 10%WOLF 90%D0G treining

Recognition Objects to Recognition Computed Objects Features to Objects 计算机视觉 Images with Features Edges Regions Shapes Textures Digital Images Image Digitization 2D Imaging sensors Imaging math Phy) Objects Scenes

Objects & Scenes 2D Imaging sensors Computed Objects Images with Features Digital Images Recognition Edges Regions Shapes Textures Imaging (math & Phy) Image Digitization Features to Objects Objects to Recognition

视觉的过程 ↓分为三个阶段 少 。特征提取和区域分割 底层处理 ·基于轮廓，纹理，颜色.… 。建模与模式表达 。中层处理 ·基于各种物体的抽象化模型 贺 。描述和理解 ·基于景物的结构知识 高层处理 多

 分为三个阶段 ◦ 特征提取和区域分割  基于轮廓,纹理,颜色… ◦ 建模与模式表达  基于各种物体的抽象化模型 ◦ 描述和理解  基于景物的结构知识 底层处理 中层处理 高层处理 知识少多

计算机视觉的研究内容 输入设备(input device)的研制，包括成像设备和 数字化设备·成象设备是指通过光学摄像机或红 外、激光、超声、X射线对周围场景或物体进行 探测成象，得到关于场景或物体的二维或三维数 字化图像. 对输入的原始图像进行预处理.这一过程借用了 大量的图像处理技术和算法，如图像滤波、图像 增强、边缘检测等，以便从图像中抽取诸如角点 边缘、线条、边界以及色彩等关于场景的基本特 征；这一过程还包含了各种图像变换（如校正)、 图像纹理检测、图像运动检测等

◼ 输入设备(input device)的研制,包括成像设备和 数字化设备．成象设备是指通过光学摄像机或红 外、激光、超声、X射线对周围场景或物体进行 探测成象，得到关于场景或物体的二维或三维数 字化图像． ◼ 对输入的原始图像进行预处理．这一过程借用了 大量的图像处理技术和算法，如图像滤波、图像 增强、边缘检测等，以便从图像中抽取诸如角点、 边缘、线条、边界以及色彩等关于场景的基本特 征；这一过程还包含了各种图像变换（如校正）、 图像纹理检测、图像运动检测等．

计算机视觉的研究内容 恢复场景的深度、表面法线方向、轮廓等有关场 景的2.5维信意，并在此基础上恢复物体的完整三 维图，建立物体三维描述.。 根据机器预先存贮的模型知识以及形状，色彩等 特征，对学图像中吝种物体进行识别，确定它们用 于哪一类物体. 建立各个图像中物体的拓扑关系图，给出图像所反 映景物的结构描述. 体系结构(system,architecture),涉及，一系列 相关的课题，并行结构、，分层结构、信急流结构、 拓扑结构以及从设计到实现的途径

◼ 恢复场景的深度、表面法线方向、轮廓等有关场 景的2.5维信息,并在此基础上恢复物体的完整三 维图，建立物体三维描述. ◼ 根据机器预先存贮的模型知识以及形状、色彩等 特征,对于图像中各种物体进行识别,确定它们用 于哪一类物体. ◼ 建立各个图像中物体的拓扑关系图,给出图像所反 映景物的结构描述. ◼ 体系结构（system architecture）,涉及一系列 相关的课题,并行结构、分层结构、信息流结构、 拓扑结构以及从设计到实现的途径．

视觉面临的困难 图像多义性：三维场景被投影为二维图像，深度和不可 见部分的信息被丢失，因而会出现不同形状的三维物体投 影在图像平面上产生相同图像的问题·另外，在不同角度 获取同一物体的图像会有很大的差异。 环境因素影响：场景中的诸多因素，包括照明、物体形状、 表面颜色、摄像机以及空间关系变化都会对成像有影响， 知识导引：同样的图像在不同的知识导引下，将会产生 不同的识别结果. 大量数据：灰度图像，彩色图像，深度图像的信息量十 分巨大，巨大的数据量需要很大的存贮空间，同时不易实 现快速处理

 图像多义性： 三维场景被投影为二维图像，深度和不可 见部分的信息被丢失，因而会出现不同形状的三维物体投 影在图像平面上产生相同图像的问题．另外，在不同角度 获取同一物体的图像会有很大的差异．  环境因素影响：场景中的诸多因素，包括照明、物体形状、 表面颜色、摄像机以及空间关系变化都会对成像有影响.  知识导引： 同样的图像在不同的知识导引下，将会产生 不同的识别结果．  大量数据： 灰度图像，彩色图像，深度图像的信息量十 分巨大，巨大的数据量需要很大的存贮空间，同时不易实 现快速处理．