图像复原 图像复原 形态学处 理 分割
图像增强
图像采集
对象识别
问题域 彩色图像 处理 图像压缩
表示&描述 表示 描述
数字图像处理的关键步骤：彩色 图像处理
图像复原 图像复原 形态学处 理 分割
图像增强
图像采集
表示&描述 表示 描述
• 存储
– 数据量度单位
• • • • • 比特（bit），字节（byte = 8 bit） 千字节（ K byte） 兆（106）字节（M byte） 吉（109）字节（G byte） 太（1012）字节（T byte）
1.2.1 马尔视觉计算理论
2. 视觉信息加工的三个要素 ③ 硬件实现 有了表达和算法在物理上如何实现算法也是 必不可少的 算法的确定常依赖于物理上实现算法硬件的 特点 同一个算法也可由不同的技术途径实现
1.2.1 马尔视觉计算理论
2. 视觉信息加工的三个要素
– 计算理论：如何由系统的输入求出输出。视觉系统输入的 是二维图像，输出则是三维物体的形状、位置和姿态，任 务是研究如何建立输入输出之间的关系和约束，如何由二 维灰度图像恢复物体的三维信息。 – 算法实现：如何表达输入和输出信息，如何实现计算理论 所对应的功能算法，以及如何由一种表示变换成另一种表 示。 – 硬件实现：用硬件实现上述表达和算法的问题。
图像复原 图像复原 形态学处 理 分割
图像增强
图像采集
表示&描述 表示 描述
问题域 彩色图像 处理 图像压缩
对象识别
数字图像处理的关键步骤：分割
图像复原 图像复原 形态学处 理 分割
图像增强
图像采集 问题域 彩色图像 处理 图像压缩
表示&描述 表示 描述
对象识别
数字图像处理的关键步骤：表示&描述
• 美国 美国JPL（喷气推进）实验室处理卫星发射回来的 （喷气推进） 月球表面的照片 应用图像畸变的校正、 应用图像畸变的校正、 灰度变换、去除噪声 灰度变换、
3. 20世纪 年代：遥感卫星和医学 世纪70年代 世纪 年代： – 图像增强和图像识别
• 利用遥感图片，进行地质资源探测，农作物估产，水文气 利用遥感图片，进行地质资源探测，农作物估产， 象监测 等
• 图像实例
IKONOS卫星 IKONOS卫星 光学图像
光学图像 Lenna
423mile 高 16000miles/h 1m分辨率 EP－ 1m分辨率 EP－3, 海南陵水,01 ,01海南陵水,01-4-4
大脑断 层图像
遥感图像
2.数字图像
– 数字化：对 x，y 和 f 进行离散化 -其中的每个点称为图像元素，即像素。
2. 视觉信息加工的三个要素 • 它们之间有一定的逻辑因果联系，但并无绝对 的依赖关系 • 实际上看成两个层次更恰当 • 一旦有了计算理论，表达和算法与硬件实现是 互相影响的
1.2.1 马尔视觉计算理论
• • 马尔1982年出版了《视觉》一书 Marr D. 1982. Vision − A Computational Investigation into the Human Representation and Processing of Visual Information. W.H. Freeman 一个理解视觉信息处理的框架 要先理解视觉目的再去理解其中细节
1.2.1 马尔视觉计算理论
视觉信息加工三要素的含义
要素 1 2 3 名称 含义和所解决的问题
计算理论 什么是计算目的，为什么要这样计算 表达和算 怎样实现计算理论，什么是输入输出表达 法 ，用什么算法实现表达间的转换 硬件实现 怎样在物理上实现表达和算法，什么是计 算结构的具体细节
1.2.1 马尔视觉计算理论
图像复原 图像复原 形态学处 理 分割
图像增强
图像采集
表示&描述 表示 描述
问题域 彩色图像 处理 图像压缩
对象识别
数字图像处理的关键步骤：图像采集 数字图像处理的关键步骤：
图像复原 图像复原 形态学处 理 分割
图像增强
图像采集
表示&描述 表示 描述
问题域 彩色图像 处理 图像压缩
对象识别
数字图像处理的关键步骤：图像增强 数字图像处理的关键步骤：
1图像处理与计算机视觉技术综述 图像处理与计算机视觉技术综述
• 主要参考书
– – – – – 张广军， 机器视觉》 张广军，《机器视觉》 岗萨雷斯， 岗萨雷斯，《 数字图像处理 》 章毓晋《图像工程》 章毓晋《图像工程》 计算机视觉——一种现代方法》 一种现代方法》 《计算机视觉 一种现代方法 林学訚等译， 林学訚等译， 机器视觉算法与应用》 《机器视觉算法与应用》 杨少荣等译， 杨少荣等译，
– 分类（根据 f 的性质）
• 灰度图像（特殊：二值图像） • 彩色图像
3.数字图像处理
– DIP（Digital Image Processing） – 广义：与图像相关的处理（图像分析、理解和 计算机视觉等） – 狭义（从输入和输出内容）：对图像进行各种 加工，以改善图像的视觉效果或突出目标，强 调图像之间进行的变换，是一个从图像到图像 的过程 – 广义上分为三种类型：低、中、高级处理
图像处理重要？ 图像处理重要？ • 两大应用需求
– 对图像信息的改进
– 机器自动理解：使计算机具有视觉
主要学科
– 图像处理、计算机视觉和模式识别
计算机图形学
1.1
图像处理与计算机视觉的发展及系统构成
1.1.1 图像处理与计算机视觉的概念
1.图像（Image）
– 可以看作是对物体或场景的一种表现形式 – 抽象定义：二维函数f (x, y) • (x, y): 点的空间坐标（实数） Lenna • f : 点(x, y)的幅度（亮度、强度或灰度） – 英文单词 • Image：一般指用镜头等科技手段得到的视觉形象 • Picture：强调手工描绘的人物或景物画 • Drawings：人工绘制的工程图
图像复原 图像复原 形态学处 理 分割
图像增强
图像采集
表示&描述 表示 描述
问题域 彩色图像 处理 图像压缩
对象识别
数字图像处理的关键步骤：图像复原 数字图像处理的关键步骤：
图像复原 图像复原 形态学处 理 分割
图像增强
图像采集
表示&描述 表示 描述
问题域 彩色图像 处理 图像压缩
对象识别
数字图像处理的关键步骤：形态学处理 数字图像处理的关键步骤：
图像输入输出设备
• 处理
– 装置：两部分
(1) 专用图像处理系统：是计算机的辅助处理器， 主要采用专用集成芯片（ASIC)、数字信号处 理器(DSP)或者FPGA等设计的全硬件处理器。 (2) 计算机：是整个系统的核心，除了控制整个 系统的各个模块的正常运行外，还承担最后 结果运算和输出。
数字图像处理的关键步骤
1.1.2 图像处理与计算机视觉的发展 1. 20世纪20年代：报纸业 – 图像的编码与重构技术
• Bartlane电缆图片传输系统：从伦敦到纽约传送一 幅图片从1周减少到3小时 • 色调质量和分辨率改善
1921年，电报打 印机，5个灰度级
1922年，穿孔纸 带，5个灰度级
1929年，15级灰度
2. 1964年：航天技术 年 – 60年代初作为一门学科，主要目的是改善图像 年代初作为一门学科， 年代初作为一门学科 质量， 质量，采取的方法有图像增强和复原技术
1.2.1 马尔视觉计算理论
2. 视觉信息加工的三个要素 ① ① 计算理论；② 算法实现；③ 硬件实现
计算理论
可计算性问题：一个任务要用计算机完成，它应 可计算性问题 该是可以被计算的 一般对于某个特定的问题，如果存在一个程 序，对于给定的输入，这个程序都能在有限步 内给出输出，这个问题就是可计算的
1.2.1 马尔视觉计算理论
2. 视觉信息加工的三个要素 ① 计算理论 目前视觉的可计算性常指对计算机给定输入， 能否得到人类视觉可获得的类似结果 两方面的研究内容：① 计算的是什么以及为 什么要计算它们；② 提出一定的约束条件 ，它们可唯一地确定最终得到的运算结果
1.2.1 马尔视觉计算理论
2. 视觉信息加工的三个要素 ② 算法实现 需要给加工所操作的实体选择一种合适的表达 选择加工的输入和输出表达 确定完成表达转换的算法 ① ② ③ 一般情况下可以有许多可选的表达 算法的确定常取决于所选的表达 给定一种表达，可有多种完成任务的算法
– 格式（表示格式和文件格式）
(1) 矢量格式 用线段或线段的组合体来表示图像(WMF) (2) 光栅格式 用许多像素点的集合来表示图像 BMP格式，GIF格式，TIFF格式，JPEG 格式
1.2
图象理解理论框架
1.2.1 马尔视觉计算理论 1.2.2 对马尔理论框架的改进 1.2.3 关于马尔重建理论的讨论 1.2.4 新理论框架的研究
• 图像处理主要是低级处理及部分中级处理
3.数字图像处理
– 低级处理：输入输出都是图像 – 中级处理：图像分割及目标的描述，输出是目 标的特征数据 – 高级处理：目标物体及相互关系的理解，输出 是更抽象的数据
4.图像处理与计算机视觉的区别与联系 图像处理与计算机视觉的区别与联系
• 图像处理主要集中在二维图像分析、识别和理解，如光学 字符识别、工件表面、显微图片和航空照片的分析和解释 等。 • 计算机视觉是采用图像处理、模式识别、人工智能技术相 结合的手段，着重于一幅或多幅图像的计算机分析，图像 可以由单个或多个传感器获取，也可以是单个传感器在不 同时刻获取的图像序列。分析是对目标物体的识别，确定 目标物体的位置和姿态，对三维景物进行符号描述和解释。 • 机器视觉：计算机视觉技术工程化，能够自动获取和分析 特定的图像，以控制相应的行为。 计算机视觉为机器视觉提供图像和景物分析的理论及 算法基础，机器视觉为计算机视觉的实现提供传感器模型、 系统构造和实现手段。