《计算机译丛：计算机视觉基础》[86M]百度网盘pdf下载

计算机译丛：计算机视觉基础百度网盘pdf下载

作者:

简介:本篇主要提供计算机译丛：计算机视觉基础pdf下载

出版社：清华大学出版社

出版时间：2019-07

pdf下载价格：0.00￥

免费下载

前去下载

书籍下载

下载地址

内容介绍

产品特色

内容简介

本书介绍计算机视觉的基础内容，比较侧重计算几何和目标检测方面。本书对图像网格的构建和叠加、德劳内三角剖分和沃罗诺伊镶嵌、多边形拼贴、图像拓扑等都有比较全面深入的介绍，并对图像结构给出了直观可视的描述。书中提供了大量相应的Matlab程序，可结合原理学习进行实验，以进一步加深理解并解决实际问题。

精彩书摘

　　第3章可视化像素强度分布
　　本章介绍可视化像素强度分布的各种方法（参见图3.1）。这里还包括在图像镶嵌和三角化中有用的生成点指针。换句话说，图像结构可视化展示了关于图像几何的内容。
　　图3.1 图3.4中组合RGB像素强度的3-D视图
　　这里的基本方法是在裁剪数字图像中提供关于像素强度的2-D和3-D视图。通过裁剪彩色图像，可以获得组合的像素彩色值或同一图像内的各个彩色通道像素值的不同视图。图像裁剪的重要性不容小觑。图像裁剪从图像中提取子图像。这使得可以专注于自然场景或实验室样本里被认为有趣的、相关的、值得仔细观察的那部分。像素强度是用于镶嵌图像的生成点（网点）的另一个来源，可以产生从不同视角揭示图像几何和图像目标的图像网格。
　　例3.1
　　在附录A.3节中列表A.22的Matlab程序被用来执行如下操作：
　　（1）裁剪一幅RGB图像以获得一幅子图像。例如，对图3.2中的大图像进行裁剪可得到图3.3中的微小图像结果。
　　（2）生成一个3-D网格，展示组合的RGB像素值。对裁剪图像得到的结果如图3.1 所示。
　　（3）生成一个3-D网格，其轮廓为红色通道值。对裁剪图像中像素的红色通道值得到的结果如图3.4（a）所示。
　　（4）生成一个3-D网格，其轮廓为绿色通道值。对裁剪图像中像素的绿色通道值所得到的结果如图3.5所示。彩色图像中的绿色通道值通常倾向于在最小值和最大值之间具有最大数量的变化。因此，绿色通道是在图像的沃罗诺伊镶嵌中使用的生成点（网点）的选择中寻找不均匀性的好地方。为了看到这一点，考虑3-D网格与它们的轮廓之间的差异，首先从图3.5里绿色通道的3-D网格开始，并与图3.4（a）中的红色通道值和图3.4（b）中的蓝色通道值进行比较。
　　图3.2 萨勒诺火车站的RGB图像示例
　　图3.3 对图3.2的图像裁剪得到的子图像
　　图3.4 图3.2中的红色和蓝色通道值
　　（5）生成一个3-D网格，其轮廓为蓝色通道值。对裁剪图像中像素的蓝色通道值得到的结果如图3.4（b）所示。 ?
　　注意：构建直方图需要一幅强度图。
　　图3.5 绿色通道像素强度与图3.2的轮廓的3-D视图
　　3.1 直方图和绘制
　　有许多方法能可视化数字图像中像素强度的分布。一个好的入门方法是可视化图像中像素强度的分布。
　　例3.2 灰度直方图示例
　　对图3.2中每个灰度像素的像素强度计数结果如图3.6所示。要对图像像素强度计数进行试验，参见附录A.3节中列表A.21的代码。有关的详细信息，参见下面的3.1.1小节。
　　图3.6 灰度火车站图像的直方图 ?
　　3.1.1 直方图
　　图像直方图绘制相对于像素强度值的图像强度值出现频率。直方图是使用直方条来构造的，因为通常不可能在直方图中包括单个像素的强度值。一个图像强度直方条（也称为图像强度桶）是在一个特定范围内的像素强度的集合。通常，强度图像的直方图包含256个直方条，每个直方条对应一个像素强度。每个强度图像直方图显示每个像素强度直方条的尺寸（基数）。图像直方图使用称为直方条化的技术构建。图像直方条化是一种将每个像素强度分配给包含对应强度的直方条的方法。下面是另一个例子。
　　例3.3 直方图的直方条示例
　　图3.7中的强度（灰度）图像img对其中256个强度中的每一个来说其像素数量都有很大变化。由于渔夫的白色T恤，所以超过200个像素具有最高强度（强度 = 1）。还要注意，那里有超过500个像素具有0强度（黑色像素）。让直方图的直方条所覆盖的强度范围（256个强度中的每一个都对应一个直方条）由下式表示：
　　0, 1, 2, 3, ..., i, i+ 1, ..., 253, 254, 255 （图像强度直方条）
　　并用img(x, y)表示在位置(x, y)的像素强度。用0 ≤ i ≤ 255表示直方条i的强度。那么，所有其强度匹配img(x, y)强度的像素都被按下面方式直方条化在bin(i)中：
　　bin(i) = {img(x, y): img(x, y) = i} 使得img(x, y) ? [i, i + 1)（第i个强度直方条）
　　图3.7 具有256个直方条的图像直方图
　　附录A.3节中列表A.21的Matlab程序给出对彩色图像和灰度图像都可进行直方条化的示例。对直方条化的扩展学习见[21，3.4.1小节]。 ?
　　例3.4
　　要查看子图像中的强度数量，请裁剪选定的图片。例如，裁剪图3.7中的图像，只选择渔夫的头部和肩膀，如图3.8所示。然后，对于强度80、81、82，使用附录A.3节中列表A.21的Matlab程序与原始图像比较直方条80、81和82的大小。换句话说，裁剪图像中的直方条的尺寸相比原始图像中的直方条的尺寸急剧下降。
　　图3.8 具有256个直方条的裁剪图像直方图 ?
　　在Matlab中，函数imhist显示灰度图像的直方图。如果g是灰度图像，则imhist的默认显示为255个直方条，每个图像强度为一个直方条。使用imhist(g,n)在g的直方图中显示n个直方条（参见如图3.6的RGB图像的灰度直方图）。使用
　　>> [counts,x]=imhist(g); （3.1）
　　将相对频率值存储在直方图的计数中，水平轴值存储在x中。另参见第3.6节中介绍的函数histeq。
　　……

查看全部↓

前言/序言

　　前言
　　本书介绍计算机视觉基础。计算机视觉（也称为机器视觉）的主要目标是基于由各种相机捕获的图像内容来重建和解释自然场景（参见R. Szeliski[187]）。计算机视觉系统包括诸如卫星测绘、机器人导航系统、智能扫描仪和遥感系统之类的东西。在计算机视觉研究中，重点是从图像中提取有用的信息（参见S. Prince [159]）。计算机视觉系统通常模仿人类视觉感知。计算机视觉系统中选择的硬件是某种形式的数码相机，被编程为近似视觉感知。因此，计算机视觉、数字图像处理、光学、光度学和光子学之间存在密切联系（参见E. Stijns 和H. Thienpont [184]）。
　　从计算机视觉的角度来看，光子学是捕捉视觉场景中光的科学。图像处理研究数字图像形成（如从模拟光学传感器信号到数字信号的转换）、操作（如图像滤波、去噪、裁剪）、特征提取（如像素强度、梯度方向、梯度幅度、边缘强度）、描述（如图像边缘和纹理）和可视化（如像素强度直方图）。可以参见B. J?hne [85]和S.G. Hoggar [81]的图像处理数学框架，并扩展到许多相关人员对图像处理的看法，如M. Sonka、V. Hlavac 和R. Boyle [183]，W. Burger 和M. J. Burge [21]，R. C. 冈萨雷斯和R. E·伍兹[57]，R. C. 冈萨雷斯、R. E. 伍兹和S. L. 埃丁斯 [58]，V. Hlavac [80]，C. Solomon 和T. Breckon [181]。这些有用的信息，即可以检测、分析和分类的图像目标形状和模式，为计算机视觉研究者的关注点提供了基石（如[140]）。实际上，计算机视觉是对数字化图像结构和模式的研究，而这是在图像处理和光子学之上一层的图像分析。计算机视觉将图像处理和光子学包括在其追求图像几何和图像区域模式的技巧集合中。
　　此外，培养数字图像的智能系统观点可帮助发现隐藏的模式（如图像区域的重复凸轮廓）和嵌入的图像结构（如图像中感兴趣区域的点聚类）。通过量化器可以发现这种结构。量化器将一组（通常是连续的）值限制为离散值。量化器在其计算机视觉里最简单的形式中，观察特定的目标像素强度并在目标邻域中选择最接近的近似值。量化器的输出被A.Gersho 和R.M. Gray 称为码本[55，5.1 节，p.133] （另见S. Ramakrishnan、K. Rose 和A. Gersho[161]）。
　　在图像网格叠加的上下文中，Gersho-Gray 量化器被替换为基于几何的量化器。基于几何的量化器将图像区域限制在其外形轮廓中并在图像中观察特定的目标形状轮廓，与其他具有近似形状的目标轮廓进行比较。在计算机视觉的基础上，基于几何的量化器观察并比较大致相同的图像区域，例如将最大核聚类（MNC）与其他核聚类进行比较。最大核聚类（MNC）是围绕称为核的网格多边形的图像网格多边形的集合（参见J. F. Peters 和E. ?nan在Edelsbrunner 神经中的沃罗诺伊图像镶嵌[147]）。一个图像网格核是一个网格多边形，它是相邻多边形集合的中心。事实上，每个网格多边形都是一个多边形聚类的核。然而，只有一个或多个网格核是最大的。
　　最大图像网格核是具有最高数量的相邻多边形的网格核。MNC 在计算机视觉中很重要，因为MNC 轮廓能近似所考虑图像目标的形状。对图像的沃罗诺伊镶嵌是用多边形对图像的拼贴。图像的沃罗诺伊镶嵌也称为沃罗诺伊网格。对图0.1（a）中音乐家图像的拼贴样本图如图0.1（b）所示。在每个拼贴多边形内的红点（ ?）是沃罗诺伊区域（多边形）生成点的示例。更多的信息参见1.22.1 小节。这个音乐家网格核是如图0.2（b）所示最大核聚类的中心。这是图0.1（b）中音乐家图像网格中唯一的MNC。该MNC 也是沃罗诺伊网状神经的一个例子。对图像MNC 的研究将我们带到图像几何和图像目标形状检测的入门处。更多内容可见1.22.2 小节。（a）音乐家（b）音乐家拼贴图0.1 音乐家图像的沃罗诺伊镶嵌（a）音乐家网格核（b）音乐家最大网格核图0.2 音乐家图像的最大核聚类每个图像拼贴多边形是内部和顶点像素的凸包。一组图像点的凸包是该组点的最小凸集。一组图像点A 是凸集，只要集合A 中任意两点之间每条直线段上的所有点都包含在集合中。换句话说，知识发现是计算机视觉的核心。知识和对数字图像的理解可用于计算机视觉系统的设计。在视觉系统设计中，需要理解数字图像的组成和结构以及用于分析捕获图像的方法。
　　本书的重点是对光栅图像的研究。本书的续集将集中在由点（矢量），线和曲线组成的矢量图像。每幅光栅图像基本由像素（典型的像素称为网点或网格生成点），边缘（共同的、平行的、交叉的、凸的、凹的、直的、弯曲的、连通的、不连通的），角度（矢量角度、矢量之间的角度、像素角度），图像几何（沃罗诺伊区域[139]、德劳内三角剖分[138]），颜色，形状和纹理组成。许多计算机视觉和场景分析中的问题可通过找到某些隐藏或未观察到的图像变量核结构的最可能值来解决（参见P. Kohi 和P. H. S. Torr [94]）。这样的结构和变量包括像素的拓扑邻域、像素集合的凸包、图像结构的接近度（和分离度）、像素梯度分布以及描述捕获场景元素的特征矢量。
　　其他计算机视觉问题包括图像匹配、特征选择、最佳分类器设计、图像区域测量、兴趣点识别、轮廓组合、分割、配准、匹配、识别、图像聚类、模式聚类，见F. Escolono、P. Suau、B. Bonev [45]和N. Paragios、Y. Chen、O. Faugeras [136]，地标点形状匹配、图像变形、形状梯度[136]，假着色、像素标记、边缘检测、几何结构检测、拓扑邻域检测、目标识别和图像模式识别。
　　在计算机视觉中，重点是检测数字图像中常见的基本几何结构和物体形状。这导致了对图像处理和图像分析基础知识以及对矢量空间和图像计算几何观点的研究。图像处理的基础包括彩色空间、滤波、边缘检测、空间描述和图像纹理。数字图像是欧几里得空间（2-D和3-D）的示例。因此，数字图像的矢量空间观点是其基本特征的自然结果。数字图像结构本质上是几何或视觉拓扑结构。图像结构的示例包括图像区域、线段、生成点（例如，洛韦关键点）、像素组、像素的邻域、半空间、像素凸集和图像像素集合的凸包。例如，这种结构可以根据最接近选定点的图像区域或具有指定直径范围的图像区域来查看。一个图像区域是数字图像内部的一组图像点（像素）。任何图像区域的直径是该区域中一对点之间的最大距离。这样的结构也可以在由2-D 和3-D 图像中选定点之间连接的线段所形成的三角形区域中找到。
　　这种结构也常见于2-D 和3-D 图像中由封闭的半空间所形成的点集凸包里、或如G. M·齐格勒所称的多面体[217]里。图像半空间是一条线上方或下方的所有点的集合。在所有这三种情况下都能获得对数字化图像的区域视图。更多有关多面体的信息参见附录B.14。每个图像区域都有一个形状。一些区域的形状比其他区域的更有趣。有趣的图像区域形状包含感兴趣的目标。这些图像的区域视图导致各种形式的图像分割，它们在识别图像中的目标时具有实用价值。此外，检测感兴趣图像区域的形状可帮助发现图像模式，它们超越了图像处理中对纹理元的研究。纹理元是一个由像素组表示的区域。更多有关形状的信息参见附录B.18 关于形状和形状边界的介绍。
　　图像分析侧重于各种数字图像测量（例如，像素大小、像素邻接、像素特征值、像素邻域、像素梯度、图像邻域的接近度）。图像分析中三种基于区域的标准方法是等值线阈值化（二值化图像）、分水岭分割（使用从前景像素到背景区域的距离图计算）和非最大抑制（通过抑制所有比周围像素更不可能的像素来找到局部最大值）[208]。
　　在图像分析中，前景和背景像素具有不同的邻接（邻域），见T. Aberra [3]。有三种基本的邻域类型：即罗森菲尔德邻接邻域[101，169]、豪斯多夫邻域[73，74]，以及J. F. Peters[140]和C. J. Henry [75，76]的描述性邻域。使用不同的几何形状，像素的邻接邻域由与给定像素相邻的像素限定。一个像素p 的罗森菲尔德邻接邻域是一组与p 邻接的像素。邻接邻域常用于数字图像中的边缘检测。
　　一个像素p 的豪斯多夫邻域由与p 的距离小于一个正数r（称为邻域半径）的所有像素构成。一个像素p 的描述性邻域（由N(img(x, y), r 表示）由一组具有特征矢量的像素构成，这些特征矢量与描述img(x, y)的特征矢量匹配或相似，且在规定的r 半径内。
　　与邻接邻域不同，描述性邻域可以拥有其中的孔，即具有与邻域中心不匹配和不属于邻域的特征矢量的像素。其他类型的描述性邻域在[140，1.16 节，pp.29-34]中介绍。
　　本书的章节源于过去若干年中自己教授过的本科生计算机视觉课程的笔记。本书中的许多主题源于自己与一些研究生和其他人员的讨论和交流，尤其是S. Ramanna（很多形状，特别是在水晶中）、Anna Di Concilio（邻近性、区域自由几何和如图0.3 的海景形状）、ClaraGuadagni（花神经结构）、Arturo Tozzi（Borsuk-Ulam 定理的见解和Gibson 形状，Avenarius形状）、Romy Tozzi（记得8，∞）、Zdzis?aw Pawlak（波兰乡村绘画中的形状）、Lech Polkowski（那些纯粹的，拓扑的和粗糙集结构）、Piotr Artiemjew（蜻蜓翅膀）、Giangiacomo Gerla（那些UNISA 庭院三角形和空间区域的指示（点））、Gerald Beer（Som Naimpally’s 生活中的时刻）、Guiseppe Di Maio（关于邻近性的见解）、Somashekhar (Som) A. Naimpally（拓扑结构）、Chris Henry（色彩空间，颜色形状集）、Macek Borkowsk（i 3-D空间观点）、Homa Fashandi，Dan Lockery，Irakli Dochviri，Ebubekir ?nan（接近关系和接近组）、Mehmet Ali ?ztürk（优美的代数结构）、Mustafa U?kun、Nick Friesen（住宅的形状）、?zlem Umdu、DoungratChitcharoen、?enker Sandoz（德劳内三角化）、Surabi Tiwari（许多类别）、Kyle Fedoruk（计算机视觉应用：斯巴鲁EyeSight?）、Amir H. Meghdadi、Shabnam Shahfar、Andrew Skowron（Banacha 的接近性）、Alexander Yurkin、Marcin Wolksi（束或滑轮）、Piotr Wasilewski、LeonSchilmoeler、Jerzy W. Grzymala-Busse（关于粗糙集和LATEX 提示的见解）、Zbigniew Suraj（Petri 网）、Jaros?aw Stepaniuk、Witold Pedrycz、Robert Thomas（倾斜的形状）、Markovi? G.oko（多形体）、Miroslaw Pawlak、Pradeepa Yahampath、Gabriel Thomas、Anthony（Tony）Szturm、Sankar K. Pal、Dean McNeill、Guiseppe（Joe）Lo Vetri、Witold Kinsner、Ken Ferens、David Schmidt（集合论）、William Hankley（基于时间的规范）、Jack Lange（黑板拓扑涂鸦）、Irving Sussman（定理和证明中的金块）和Brian Peters（在墙壁上稍纵即逝的几何形状一瞥）。
　　图0.3 沿意大利维耶特里海岸线的海景形状
　　我们系的技术人员非常乐于助人，尤其是Mount-First Ng，Ken Biegun，Guy Jonatschick和Sinisa Janjic。
　　我的很多学生提出了有关本书主题的重要建议，特别是Drew Barclay、Braden Cross、Binglin Li、Randima Hettiarachchi、Enoch A-iyeh、Chidoteremndu（Chido）Chinonyelum Uchime、D. Villar、K. Marcynuk、Muhammad Zubair Ahmad 和Armina Ebrahimi。
　　各章的问题已被分了类。以标记的问题可以迅速地回答。以标记的问题有可能需要用喝一杯茶或咖啡的时间来完成。解决剩下的问题所需的时间各不相同。
　　詹姆斯F.彼得斯
　　温尼伯，加拿大