# 计算机视觉基础

**Repository Path**: jpython/computer_vision_foundation

## Basic Information

- **Project Name**: 计算机视觉基础
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2018-12-28
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

1. 画图解释图像卷积滤波的基本原理，并进一步简述常见的图像平滑滤波算法。 
2. 简述边缘检测的基本原理，以及Sobel、LoG和Canny算子的原理差异。 
3. 简述图像直方图的基本概念，及使用大津算法进行图像分割的基本原理。 
4. 简述Harris算子对角点的定义，进行角点检测的基本原理，并说明引入角点响应函数的意义。 
5. 简述Hough变换的基本原理(包括参数空间变换及参数空间划分网格统计)。 
6. 简述SIFT原理(重点是尺度空间和方向直方图原理)及ORB算子原理(重点是FAST和BRIEF)。 


1,画图解释图像卷积滤波的基本原理，并进一步简述常见的图像平滑滤波算法。 ：
图像卷积滤波：如下图，通过一个奇数大小的二维矩阵（也叫卷积核），对于图像的每个像素点，计算它的领域像素和卷积核中对应元素的成绩，加起来作为该像素的值。

![输入图片说明](https://images.gitee.com/uploads/images/2018/1228/160601_eb4bc0a3_597722.png "屏幕截图.png")
公式定义：![输入图片说明](https://images.gitee.com/uploads/images/2018/1228/161240_c6ad2442_597722.png "屏幕截图.png")
卷积核所有元素之和等于一，新图亮度保持不变，大于一，亮度加强效果，小于一减弱，对于大于255或负值，做舍弃或者取绝对值。

常见的图像平滑滤波算法就是对应使用不同值的卷积核来做过滤。以3*3大小卷积核为例有：
平均滤波：
![取9个值的均值](https://images.gitee.com/uploads/images/2018/1228/162933_e8c09efc_597722.png "屏幕截图.png")

加权平均滤波(高斯):
[!水平和垂直方向呈高斯分布，中心点像素加重了权重，比平均滤波更加平滑](https://images.gitee.com/uploads/images/2018/1228/163032_9b02ccbd_597722.png "屏幕截图.png")
中值滤波:
![按灰度大小排序后，取中间值，对椒盐噪音有特效](https://images.gitee.com/uploads/images/2018/1228/163406_f9751878_597722.png "屏幕截图.png")
形态学滤波:
基于腐蚀和膨胀两个基本操作做的滤波。
膨胀：按 B方向做平移后求并集![输入图片说明](https://images.gitee.com/uploads/images/2018/1228/164213_566fd30a_597722.png "屏幕截图.png")
腐蚀：按-b做平移后做交际。
![输入图片说明](https://images.gitee.com/uploads/images/2018/1228/164225_cdd50be0_597722.png "屏幕截图.png")
闭运算：线膨胀后腐蚀，
开运算：线腐蚀后膨胀。先开后闭，可有效去噪声

方法函数：
高斯：GaussianBlur
中指: medianBlur
形态学：morphologyEx,op: MORPH_OPEN – 开运算; MORPH_CLOSE – 闭运算.

其他滤波：
![](https://images.gitee.com/uploads/images/2018/1228/164705_e5d4385b_597722.png "屏幕截图.png")

2，简述边缘检测的基本原理，以及Sobel、LoG和Canny算子的原理差异。
基本原理：对图像的灰度进行微积分处理，通过灰度变化的大小作为是否为边缘的依据，算子的值和为0.边缘检测即图像差分。
。
LoG：先做高斯滤波在进行卷积。
Canny算子核心优点：边缘可自动连通，平滑+梯度+抑制非极大值。
Sobel：其主要用于边缘检测，在技术上它是以离散型的差分算子，用来运算图像亮度函数的梯度的近似值，缺点是Sobel算子并没有将图像的主题与背景严格地区分开来，换言之就是Sobel算子并没有基于图像灰度进行处理
各自的实现方法见代码
3. 简述图像直方图的基本概念，及使用大津算法进行图像分割的基本原理。
直方图，反映的其实是像素值的一种概率密度分布，最大类间方差是由日本学者大津(Nobuyuki Otsu)于1979年提出，是一种自适应的阈值确定方法。算法假设图像像素能够根据阈值，被分成背景[background]和目标[objects]两部分。然后，计算该最佳阈值来区分这两类像素，使得两类像素区分度最大。
遍历灰度取值，计算最佳阈值，使背景和目标之间的类间方差最大 (因为二者差异最大) 


4、简述Harris算子对角点的定义，进行角点检测的基本原理，并说明引入角点响应函数的意义。 
利用局部窗口在图像上进行移动判断灰度发生较大的变化，![输入图片说明](https://images.gitee.com/uploads/images/2018/1228/214452_3c8e6707_597722.png "屏幕截图.png")
目前的角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。
角点响应函数 使得判断角点更加简单和有效
![输入图片说明](https://images.gitee.com/uploads/images/2018/1228/215632_6867f5af_597722.png "屏幕截图.png")
5. 简述Hough变换的基本原理(包括参数空间变换及参数空间划分网格统计)。 
![输入图片说明](https://images.gitee.com/uploads/images/2018/1228/223524_e83b6a8d_597722.png "屏幕截图.png")
参数空间变换：把笛卡尔坐标系的直线 通过霍夫变换 用极坐标系表示，将图像转为r,0的参数空间。
参数空间划分网格统计：依据同一条直线上的点，转到极坐标系下，会相交于一个点，将图划分网格，统计里面的曲线数量，进行投票来判断。
把
6. 简述SIFT原理(重点是尺度空间和方向直方图原理)及ORB算子原理(重点是FAST和BRIEF)
资料：https://blog.csdn.net/b10090411/article/details/53070277
SIFT原理：建立尺度空间，高斯金字塔，减法操作得到DoG镜子塔，对比出特征点，筛选，精确定位特征点，为特征点分配方向值，生成描述子。
RB算子原理： ORB采用FAST（features from accelerated segment test）算法来检测特征点。FAST核心思想就是找出那些卓尔不群的点，即拿一个点跟它周围的点比较，如果它和其中大部分的点都不一样就可以认为它是一个特征点。RB采用BRIEF算法来计算一个特征点的描述子。BRIEF算法的核心思想是在关键点P的周围以一定模式选取N个点对，把这N个点对的比较结果组合起来作为描述子。nlevels幅丌同比例的图像提取特征点总
和作为这幅图像的oFAST特征点。