《机器视觉基础》全套教学课件

机器视觉基础第1章绪论全套可编辑PPT课件第1章绪论第2章数字图像处理第3章灰度变换与空间滤波第4章灰度变换与空间滤波第5章彩色图像处理第6章形态学图像处理第7章图像分割第8章目标识别学习目标学习导图知识讲解典型案例本章小结

1.1什么是数字图像处理

场景延伸知识测评章节目录

1.2数字图像处理的起源

1.3使用数字图像处理领域的实例

1.4数字图像处理的基本步骤

1.5图像处理系统的组成学习目标1/14学习目标学习导图知识讲解典型案例场景延伸了解数字图像的定义、特性以及数字图像处理的基本概念和流程。了解数字图像处理的起源。了解数字图像处理在医学影像、航空航天、遥感监测、安全监控、娱乐产业等领域的实际应用案例。学习导图2/14学习目标学习导图知识讲解典型案例场景延伸1.1什么是数字图像处理返回目录在数字图像中，一幅图像可以被描述为一个二维函数"f(x,y)"，其中x和y代表空间（平面）坐标，而幅值f在每对坐标点"(x,y)"处的值表示该点在图像中的强度或灰度。在数字图像中，x、y和幅值f取值为离散的有限数值。学习目标学习导图知识讲解典型案例场景延伸3/141.2数字图像处理的起源返回目录学习目标学习导图知识讲解典型案例场景延伸1.2.1匹配数字图像在其早期应用中主要体现在报纸业，当时，图像首次通过海底电缆从伦敦传送至纽约。早在20世纪20年代，巴特兰(Bartlane)电缆图片传输系统引入，成功将跨越大西洋传递一幅图片所需的时间从一个多星期减少到3小时。在电缆传输图片的过程中，首先需要使用特殊的打印设备对图片进行编码，然后在接收端进行图像的还原和重构。4/141.3使用数字图像处理领域的实例返回目录学习目标学习导图知识讲解典型案例场景延伸1.3.1伽马射线成像伽马射线成像在核医学扮演着重要的角色。在核医学领域，通过将放射性同位素注入人体，这些同位素在衰变时会释放出伽马射线。这些伽马射线随后被高精度的检测器捕获，并转化为可视的图像。5/141.3使用数字图像处理领域的实例返回目录学习目标学习导图知识讲解典型案例场景延伸1.3.2X射线成像X射线成像技术最早用于医学诊断的电磁辐射源。除了在医疗领域的广泛应用，X射线也被用于工业检测、安全检查和天文学研究等多个领域。在医学成像中，X射线主要用于观察骨骼损伤、寻找肺病变以及检查其他身体结构的内部情况。6/141.3使用数字图像处理领域的实例返回目录学习目标学习导图知识讲解典型案例场景延伸1.3.3紫外波段成像紫外波段成像是一种利用紫外光的成像技术，通常应用于显微镜、荧光显微镜等设备中。紫外光具有较短的波长，通常在10纳米到400纳米之间。在这个波段内，紫外光对某些生物分子和组织表现出特殊的相互作用，使其成为一种有用的生物成像工具。7/141.3使用数字图像处理领域的实例返回目录学习目标学习导图知识讲解典型案例场景延伸1.3.4可见光及红外波段成像由于可见光波段在电磁波谱中与我们最为密切，因此其在成像应用领域的广泛性超过其他波段也就不足为奇了。而红外波段通常与可见光结合使用，为便于讨论，我们将两者合并探讨。8/141.4数字图像处理的基本步骤返回目录学习目标学习导图知识讲解典型案例场景延伸将后续内容分为两个主要类别有助于更好地组织和理解图像处理的不同方面：一是输入输出均为图像的处理；二是输入可能是图像，但输出是提取的属性。9/141.5图像处理系统的组成返回目录学习目标学习导图知识讲解典型案例场景延伸在20世纪80年代中期，图像处理系统由多主机和外设组成的模块化方案主导，成本高昂且复杂。随着技术进步，80年代末至90年代初市场向集成化硬件转变，与工业标准总线兼容的单板方案降低了门槛和成本，使更多公司能够进入市场并专注于软件开发。同时期，开源和商业软件库兴起，支持开发人员构建复杂的图像处理应用，促进了图像处理技术生态的发展。10/14本章小结

本章旨在概述数字图像处理的发展历史、其重要性，以及当前和潜在的应用范围。由于篇幅限制，对各个主题的讨论并不详尽，但足以让读者清晰地认识到数字图像处理的广泛应用和知识领域。接下来的章节将更深入地探讨图像处理的理论与实际操作，并通过众多实例帮助读者更好地理解这些技术如何被应用。读完成本章后，读者将对数字图像处理领域的研究进展有一个基本的了解。本章小结学习导图知识讲解典型案例场景延伸11/14知识测评一、填空题1.数字图像处理是将模拟图像转换为数字形式，并利用_______技术进行处理和分析的过程。2.数字图像通常由像素组成，每个像素具有特定的_______和_______。3.在数字图像处理中，常用的图像类型包括灰度图像、_______图像和_______图像等。4.数字图像处理在_______、医学诊断、安全监控和_______等领域有广泛应用。5.在图像处理中，图像的_________是指图像中各个像素之间的空间关系。计算机位置值彩色二值遥感本章小结知识测评知识讲解典型案例场景延伸工业检测空间结构12/14知识测评1.数字图像处理的主要目的是什么？A.将图像转换为数字形式B.增强图像的质量C.提取图像中的有用信息D.减少图像的存储空间2.数字图像中的每个像素通常用什么来表示？A.二进制码B.十六进制码C.灰度值D.彩色值3.以下哪种图像类型只包含亮度信息，不包含颜色信息？A.灰度图像B.RGB图像C.HSV图像D.彩色索引图像4.数字图像处理技术在哪个领域的应用可以帮助医生更好地分析和诊断病情？A.工业检测B.医学影像处理C.安全监控D.虚拟现实5.下列哪项不是数字图像处理的主要应用领域？A.医学影像B.航空航天C.文学创作D.安全监控CCABC本章小结知识测评知识讲解典型案例场景延伸13/14知识测评14/14三、判断题1.数字图像处理就是将模拟图像转换为数字形式，不涉及任何处理和分析过程。（）2.像素是数字图像中的基本单元，每个像素都具有唯一的位置和属性。（）3.数字图像处理技术只能用于改善图像的视觉效果，不能用于提取图像中的有用信息（）4.图像的分辨率越高，意味着图像中包含的像素越多，细节表现能力越强。（）5.数字图像处理中的图像分割是将图像划分为具有相似特性的不同区域的过程。（）√X√X√本章小结知识测评知识讲解典型案例场景延伸

机器视觉基础第2章数字图像处理学习目标学习导图知识讲解典型案例本章小结

2.1视觉感知要素场景延伸知识测评章节目录

2.2图像感知和获取

2.3图像取样和量化2.4像素间的一些基本关系2.5数字图像处理中涉及数学工具学习目标1/23学习目标学习导图知识讲解典型案例场景延伸掌握数字图像的基本概念与特性。学生应深入理解数字图像的定义、构成元素及其基本特性。掌握数字图像的常见表示方法，如位图、矢量图等，并理解它们各自的特点和适用场景。理解数字图像处理的基本原理与方法，掌握数字图像处理的基本原理和常用方法。学习导图2/23学习目标学习导图知识讲解典型案例场景延伸2.1视觉感知要素返回目录2.1.1人眼的结构视网膜是眼睛最内层的膜，覆盖着整个眼部的后部内壁。当眼睛正确对焦时，外部物体的光会在视网膜上形成图像。由视网膜表面分布的不连续的光，感受器提供了图案视觉。光感受器主要有两类：锥状体和杆状体。每只眼睛大约含有600~700万个锥状体，它们主要集中在视网膜的中央部分，并且对颜色非常敏感。3/23学习目标学习导图知识讲解典型案例场景延伸2.1视觉感知要素返回目录2.1.2眼睛中图像的形成在传统的摄影设备中，镜头的焦距是固定不变的。为了确保不同距离的物体能够清晰聚焦，我们需要调整镜头与胶片或成像传感器之间的距离。然而，与这种设计不同，人眼具有独特的调焦机制。学习目标学习导图知识讲解典型案例场景延伸4/232.2图像感知和获取返回目录在多数我们所关注的图像中，其形成都源于“照射”源和“场景”元素对光能的反射或吸收。之所以给“照射”和“场景”加上引号，是为了强调一个事实：即比我们所熟悉的一个可见光源每天照射普通的三维场景情况更一般。学习目标学习导图知识讲解典型案例场景延伸5/232.2视觉感知要素返回目录2.2.1使用单个传感器获取图像为了改善选择性，在传感器前方通常会安装一个滤光器。例如，一个绿色的（通过）滤光器可以使绿色波段的光通过，从而增强传感器对绿色光的响应。因此，传感器的输出的绿光比可见光谱中的其他成分要强。学习目标学习导图知识讲解典型案例场景延伸6/232.2视觉感知要素返回目录2.2.2使用条带传感器获取图像学习目标学习导图知识讲解典型案例场景延伸7/232.2视觉感知要素返回目录2.2.3简单的图像形成模型学习目标学习导图知识讲解典型案例场景延伸8/232.3图像取样和量化返回目录2.3.1取样和量化的基本概念我们可以看到一幅连续的图像f，目标是将它转换为数字形式。一幅图像的x和y坐标以及幅度都可能是连续的。为将它转换为数字形式，必须在坐标上和幅度上都进行取样操作。对坐标值进行数字化称为取样，对幅值数字化称为量化。学习目标学习导图知识讲解典型案例场景延伸9/232.3图像取样和量化返回目录2.3.2数字图像表示学习目标学习导图知识讲解典型案例场景延伸10/232.3图像取样和量化返回目录2.3.3数字图像表示空间分辨率是图像中可以辨别的最小细节的度量，它可以通过多种方式来表达。其中，每单位距离线对数和单位距离点数（像素数）是最常用的度量标准。如果我们用交替出现的黑色和白色垂直线来构建一幅图像，线宽为W个单位（W可以小于1），那么线对的宽度就是2W。学习目标学习导图知识讲解典型案例场景延伸11/232.4像素间的一些基本关系返回目录2.4.1相邻像素在这一节，我们考虑数字图像中像素间的几个重要关系。正如前面提及的那样，图像由表示。当在本节中引用某个特殊的像素时，我们通常会使用小写字母，如p和q。学习目标学习导图知识讲解典型案例场景延伸12/232.4像素间的一些基本关系返回目录2.4.2邻接性、连通性、区域和边界在二值图像中，如果将灰度值为1的像素视为邻接像素，则定义邻接性的灰度值集合V就只包含这一个值：V={1}。然而，在灰度图像中，这个概念依然适用，但V的元素可能会更多。学习目标学习导图知识讲解典型案例场景延伸13/232.4像素间的一些基本关系返回目录2.4.3距离度量学习目标学习导图知识讲解典型案例场景延伸14/232.5数字图像处理中涉及的数学工具返回目录2.5.1阵列与矩阵操作在数字图像处理中，图像通常被视为像素的阵列，并且对这些像素的操作是逐个进行的。如本章前文所述，图像可以被视为等效的矩阵，其中每个像素对应于矩阵中的一个元素。实际上，许多图像处理操作都是基于矩阵理论来完成的。学习目标学习导图知识讲解典型案例场景延伸15/232.5数字图像处理中涉及的数学工具返回目录2.5.2线性操作与非线性操作图像处理方法的核心分类之一在于其是否为线性或非线性。学习目标学习导图知识讲解典型案例场景延伸16/232.5数字图像处理中涉及的数学工具返回目录2.5.3算术操作图像间的算术操作是阵列操作，其意思是算术操作在相应的像素对之间执行。学习目标学习导图知识讲解典型案例场景延伸17/232.5数字图像处理中涉及的数学工具返回目录2.5.4集合和逻辑操作在这一节，我们简单介绍一些重要的集合和逻辑操作以及模糊集合的概念。学习目标学习导图知识讲解典型案例场景延伸18/23场景延伸返回目录基于数字成像的机器视觉探索机器视觉是一种利用计算机和相关的图像处理算法来模拟人类的视觉功能，从而从图像或视频中提取有用信息的技术。在机器视觉系统中，数字成像设备（如数字相机或图像传感器）捕捉到的图像是机器视觉算法分析和理解现实世界的基础。学习目标学习导图知识讲解典型案例场景延伸19/23本章小结

本章为后续内容奠定了重要基础。简要介绍了人类视觉系统，帮助读者理解人眼如何感知图像信息。同时，对光和电磁波谱的讨论为后续章节中图像来源的理解提供了基础。本章小结学习导图知识讲解典型案例场景延伸20/23知识测评一、填空题1.数字图像处理主要涉及到图像的增强、复原、_______和_______等过程。2.数字图像通常由像素组成，每个像素具有特定的_____________或_____________以及_____________。3.数字图像通常由像素组成，每个像素具有特定的_______和_______值。4.数字图像处理的目的是改善图像的_______，提取图像中的_______，以及便于图像的存储和传输。5.数字图像处理的基本步骤通常包括________、________、________和输出显示。编码位置灰度压缩亮度颜色位置视觉效果本章小结知识测评知识讲解典型案例场景延伸有用信息图像获取图像预处理图像处理21/23知识测评二、选择题1.在数字图像处理中，增强图像对比度通常是为了改善图像的什么特性？A.亮度B.清晰度C.色彩D.大小2.哪种变换常用于图像的频率域分析？A.傅里叶变换B.灰度直方图C.邻域操作D.形态学操作3.数字图像处理中的滤波操作主要用于什么？A.改变图像大小B.消除图像噪声C.增加图像颜色D.提取图像边缘4.以下哪种方法属于图像分割的范畴？A.灰度直方图均衡化B.中值滤波C.阈值处理D.傅里叶变换5.下列哪个步骤不属于数字图像处理的预处理过程？A.图像增强B.图像复原C.图像分割D.图像编码BABCc本章小结知识测评知识讲解典型案例场景延伸22/23知识测评三、判断题1.数字图像处理只能对数字图像进行处理，不能处理模拟图像。（）2.图像的灰度直方图反映了图像中不同灰度级出现的频数或概率。（）3.在进行图像滤波时，滤波器的选择对处理结果没有影响。（）4.边缘检测是图像分割的一种常用方法，它可以将图像划分为不同的区域。（）5.数字图像压缩一定会导致图像质量的损失。（）√X××√本章小结知识测评知识讲解典型案例场景延伸23/23

机器视觉基础第3章灰度变换与空间滤波学习目标学习导图知识讲解典型案例本章小结

3.1背景知识场景延伸知识测评章节目录

3.2一些基本的灰度变换函数

3.3直方图处理

3.4空间滤波处理

3.5平滑空间滤波处理

3.6锐化空间滤波处理学习目标1/18学习目标学习导图知识讲解典型案例场景延伸掌握灰度变换的定义及其在图像处理中的作用，理解通过灰度变换可以改善图像的视觉效果或突出图像中的特定信息。能够针对具体的图像处理任务，设计并实现包含灰度变换和空间滤波的综合处理方案，通过实践验证方案的有效性。分析并讨论不同处理方案对图像质量的影响，提出改进和优化建议，提升图像处理效果。学习导图2/18学习目标学习导图知识讲解典型案例场景延伸3.1背景知识返回目录本节所探讨的所有图像处理技术均是在空间域内进行的。根据之前的的讨论，空间域可以被简单地理解为包含图像像素的平面。与频率域不同，空间域技术直接在图像像素上操作，而非在图像的傅里叶变换上执行。正如您在阅读本书的过程中将会了解到的，某些图像处理任务在空间域中执行更为便捷或具有实际意义，而其他任务则可能更适合采用其他方法。通常情况下，空间域技术在计算上更为高效，且执行时所需的处理资源较少。学习目标学习导图知识讲解典型案例场景延伸3/183.2一些基本的灰度变换函数返回目录灰度变换是图像处理中最基础且简单的技术，r和s分别代表处理前后的像素值。如前一节指出的那样，这些值与s=T(r)表达式的形式有关，其中T是把像素值r映射到像素值s的一种变换。由于处理的是数字量，变换函数通常存储在一个一维阵列中，且从r到s的映射是通过查找表实现的。4/18学习目标学习导图知识讲解典型案例场景延伸3.3直方图处理返回目录3.3.1直方图均衡直方图是众多空间域图像处理技术的基础，它常用于图像增强。除了提供重要的图像统计信息，后续章节还会展示直方图的固有信息在其他图像处理中应用，如图像压缩和分割。由于直方图在软件中计算简单，且易于与商业硬件集成，它已经变成实时图像处理中的一种广泛采用的工具。学习目标学习导图知识讲解典型案例场景延伸5/183.3直方图处理返回目录在本节前面，我们详细讨论了具有覆盖整个灰度范围的灰度值的诸多优点。除此之外，刚才介绍的直方图均衡化方法还具有一个显著优点，那就是它的“全自动性”。换句话说，当给定一幅图像时,进行直方图均衡化只需要执行式下面这个简单的公式。这个公式所依赖的全部信息都可以直接从图像本身提取，无需任何额外的参数或用户输入。3.3.1直方图均衡学习目标学习导图知识讲解典型案例场景延伸6/183.3直方图处理返回目录3.3.2直方图匹配（规定化）直方图均衡化可自动确定变换函数，生成均匀分布直方图的输出图像，适用于自动图像增强，结果可预测且实现简单。但对某些特定应用，仅用均匀直方图增强并非最佳。有时需处理后图像具有特定直方图形状，这可通过直方图匹配或规定化实现。学习目标学习导图知识讲解典型案例场景延伸7/183.4空间滤波基础返回目录3.4.1空间滤波机理滤波一词在频域处理中得到广泛应用，而频域处理将是下一章的讨论重点。在频域处理中，“滤波”指的是接受（通过）或拒绝特定的频率成分。例如，允许低频通过的滤波器称为低通滤波器，其效果通常是模糊（平滑）图像。与之相似，我们也可以使用空间滤波器（也称为空间掩模、核、模板或窗口）直接作用于图像本身来实现类似的平滑效果。学习目标学习导图知识讲解典型案例场景延伸8/183.4空间滤波基础返回目录3.4.2空间相关与卷积在执行线性空间滤波时，必须准确理解两个紧密相关的概念：相关和卷积。正如前节所述，相关是滤波器模板移过图像并计算每个位置乘积之和的处理。而卷积的机理与之相似，但需要先将滤波器旋转180°。为了清晰地说明这两个概念的区别，我们可以通过一个一z示例来展示。学习目标学习导图知识讲解典型案例场景延伸9/183.5平滑空间滤波基础返回目录3.5.1平滑线性滤波器平滑线性空间滤波器的输出是滤波器模板邻域内像素的平均值，因此也被称为均值滤波器，属于低通滤波器范畴。其原理在于用邻域内像素的平均灰度值替代图像中每个像素的值，降低灰度的剧烈变化，从而降低噪声。然而，这种处理也可能导致边缘模糊。均值滤波器还可用于减少因灰度级数量不足而产生的伪轮廓效应，并去除与滤波器模板尺寸相比较小的、不相关的图像细节。学习目标学习导图知识讲解典型案例场景延伸10/183.6锐化空间滤波器返回目录3.6.2使用二阶微分进行图像锐化——拉普拉斯算子锐化处理锐化处理的核心目的是凸显图像中的灰度过渡部分，这对于各种应用场景都至关重要，如电子印刷、医学成像、工业检测乃至军事系统中。学习目标学习导图知识讲解典型案例场景延伸11/183.6锐化空间滤波器返回目录4/433.6.3使用一阶微分对(非线性)图像锐化——梯度图像处理中的一阶微分是用梯度幅值来实现的。对于函数f(x,y)，f在坐标(x,y)处的梯度定义为二维列向量学习目标学习导图知识讲解典型案例场景延伸12/18典型案例返回目录基于图像降噪的零部件轮廓提取本案例要求采用工业机器视觉系统获取零部件的轮廓，在相机下获取多张噪声干扰的图像，本实验以一个简单的板件为例。通过滤波算法处理噪声污染的图像，旨在能够更好、更准确的提取轮廓信息。学习目标学习导图知识讲解典型案例场景延伸13/18场景延伸返回目录基于图像降噪的零部件轮廓提取基于以上案例对简单零部件的轮廓提取案例的讲解，加深了对图像降噪应用的理解接下来将图像降噪处理应用于工业生产中复杂零部件形状的轮廓提取。以下图所示的齿轮轮廓提取场景为例，通过图像降噪和轮廓提取等算法，准确提取原图像齿轮的轮廓，得到提取结果。学习目标学习导图知识讲解典型案例场景延伸14/18本章小结

您刚刚了解的内容涉及了灰度变换和空间滤波中当前最具代表性的技术。章中所包含的

主题都是可以作为发展领域的基础的基本材料而选择的。虽然本章中的多数例子聚焦于图像

增强，但所介绍的技术具有广泛的适用性，不仅限于图像增强，您将在本书后续与图像增强

无直接关联的章节中再次遇到它们。本章小结学习导图知识讲解典型案例场景延伸15/18知识测评一、填空题1.灰度变换主要用于改变图像的对比度，常用的灰度变换方法包括__________和__________。2.在灰度变换中，__________变换可以拉伸图像的灰度级范围，从而增强图像的对比度。3.空间滤波是一种在图像的空间域进行处理的方法，常见的空间滤波器有__________滤波器和__________滤波器。4.空间滤波器的设计取决于滤波器的__________和__________，它们决定了滤波器的性能和应用场景。5._____________滤波是一种常用的空间滤波方法，它可以有效地减少图像中的噪声。线性变换直方图均衡化参数非线性变换中值滤波器均值滤波器结构中值滤波本章小结知识测评知识讲解典型案例场景延伸16/18知识测评二、选择题1.下列哪种灰度变换方法可以增强图像的局部对比度？A.线性变换B.直方图均衡化C.对数变换D.幂律（伽马）变换2.在灰度变换中，直方图均衡化的主要目的是什么？A.增加图像的亮度B.拉伸图像的灰度级范围C.减少图像的噪声D.改变图像的色彩3.空间滤波主要用于实现图像的哪些处理？色彩增强B.边缘检测C.纹理分析D.频域分析4.下列哪种滤波器通常用于平滑图像，减少噪声？高通滤波器B.低通滤波器C.带通滤波器D.同态滤波器5.均值滤波器和中值滤波器的主要区别是什么？A.均值滤波器对噪声更敏感B.中值滤波器更适用于去除椒盐噪声C.均值滤波器计算复杂度更高D.中值滤波器会改变图像的亮度DBBBB本章小结知识测评知识讲解典型案例场景延伸17/18知识测评三、判断题1.空间滤波只能在图像的整个区域内进行，不能针对图像的特定区域进行处理。()2.高通滤波器主要用于平滑图像，消除图像中的高频噪声。（）3.灰度变换可以改变图像的灰度级分布，从而改善图像的视觉效果。()4.分段线性变换通常用于图像的全局对比度增强。()5.空间滤波是一种基于邻域像素的操作，主要用于图像的平滑和锐化。()6.均值滤波器对于去除高斯噪声非常有效。（）7.中值滤波器是一种非线性滤波器，它可以有效地去除椒盐噪声。（）√√X√√√X本章小结知识测评知识讲解典型案例场景延伸18/18

机器视觉基础第4章灰度变换与空间滤波学习目标学习导图知识讲解典型案例本章小结

4.1图像退化/复原过程的模型场景延伸知识测评章节目录

4.2噪声模型

4.3只存在噪声的复原—空间滤波

4.4用频率域滤波消除周期噪声学习目标1/23学习目标学习导图知识讲解典型案例场景延伸掌握图像复原与重建的定义、目的及其在数字图像处理领域的重要性。学会评估和分析图像复原与重建的效果，包括主观评价和客观评价指标的使用。学习并掌握各种常见的图像复原技术，如逆滤波、维纳滤波、约束最小二乘法、最大后验概率估计等。学习导图2/23学习目标学习导图知识讲解典型案例场景延伸4.1图像退化/复原过程的模型返回目录

学习目标学习导图知识讲解典型案例场景延伸3/234.2噪声模型返回目录在数字图像中，噪声主要源自图像的获取或传输过程。成像传感器的性能受多种因素影响，包括图像获取时的环境条件以及传感器元件本身的质量。以CCD摄像机为例，光照水平和传感器温度是决定图像中噪声数量的主要因素。而在图像传输过程中，由于传输信道中的干扰，图像可能会受到污染。例如，使用无线网络传输的图像可能会受到光照或其他大气因素的干扰。4/23学习目标学习导图知识讲解典型案例场景延伸4.2.2一些重要的噪声概率密度函数4.2噪声模型返回目录学习目标学习导图知识讲解典型案例场景延伸对原图像添加高斯、瑞利、伽马、指数、均匀和椒盐噪声后的图像与直方图原图5/234.2噪声模型返回目录学习目标学习导图知识讲解典型案例场景延伸4.2.3周期噪声图像中的周期噪声通常是在图像获取过程中由电力或机电干扰产生的，这是本章中讨论的唯一一种空间相关噪声。周期噪声可以通过频率域滤波显著减少。以下图像为例，这幅图像受到了不同频率的（空间）正弦噪声的严重干扰。纯正弦波的傅里叶变换是在其共轭频率处出现的一对共轭脉冲。因此，如果空间域中正弦波的振幅足够强，我们会在该图像的频谱中看到每个正弦波对应的脉冲对。6/234.3只存在噪声的复原——空间滤波返回目录4.3.1均值滤波器学习目标学习导图知识讲解典型案例场景延伸算术均值滤波器几何均值滤波器谐波均值滤波器逆谐波均值滤波器7/234.3只存在噪声的复原——空间滤波返回目录4.3.1均值滤波器学习目标学习导图知识讲解典型案例场景延伸8/234.3只存在噪声的复原——空间滤波返回目录4.3.1均值滤波器学习目标学习导图知识讲解典型案例场景延伸9/234.3只存在噪声的复原——空间滤波返回目录学习目标学习导图知识讲解典型案例场景延伸4.3.2统计排序滤波器我们现在扩充那一节的讨论，并介绍其他一些统计排序滤波器。统计排序滤波器是空间域滤波器，空间滤波器的响应基于由该滤波器包围的图像区域中的像素值的顺序（排序）。排序结果决定滤波器的响应。中值滤波器最大值和最小值滤波器10/234.3只存在噪声的复原——空间滤波返回目录学习目标学习导图知识讲解典型案例场景延伸4.3.2统计排序滤波器修正的阿尔法均值滤波器11/234.3只存在噪声的复原——空间滤波返回目录学习目标学习导图知识讲解典型案例场景延伸4.3.3自适应滤波器自适应局部降低噪声滤波器12/234.3只存在噪声的复原——空间滤波返回目录学习目标学习导图知识讲解典型案例场景延伸4.3.3自适应滤波器自适应中值滤波器13/234.4用频率域滤波消除周期噪声返回目录学习目标学习导图知识讲解典型案例场景延伸4.4.1带阻滤波器14/234.4用频率域滤波消除周期噪声返回目录学习目标学习导图知识讲解典型案例场景延伸4.4.2带通滤波器15/234.4用频率域滤波消除周期噪声返回目录学习目标学习导图知识讲解典型案例场景延伸4.4.3陷波滤波器16/234.4用频率域滤波消除周期噪声返回目录学习目标学习导图知识讲解典型案例场景延伸4.4.4最佳陷波滤波17/23典型案例返回目录基于图像复原的零部件形状识别图像复原是一种改善图像质量的处理技术,是图像处理研究领域中的热点问题，在科学研究和工程领域中被广泛应用。在获取图像过程中，由于光学系统的像差、光学成像的衍射、成像系统的非线性畸变、记录介质的非线性、成像过程的相对运动、大气的湍流效应、环境随机噪声等原因的影响，会使观测图像和真实图像之问不可避免地存在偏差和失真。学习目标学习导图知识讲解典型案例场景延伸退化图像图像复原18/23场景延伸返回目录以上典型案例讲解了基于图像复原的形状识别在简单形状中的应用，实际上，形状识别在工业生产中广为应用，例如可以将形状识别应用于快速分配的生产流水线上。学习目标学习导图知识讲解典型案例场景延伸19/23本章小结

本章推导的一些复原技术依赖于各种最优准则。“最优”这个词的使用涉及到了严格的数学概念，而并不是基于人类视觉系统的最佳响应。实际上，对于视觉感知知识的缺乏限制了图像复原问题的通用表达，因为复原过程需要考虑到观察者的偏好和能力。尽管有这些限制，本章所介绍的概念的优势在于它们推导出了基本方法，这些方法具有合理的预测能力，并且得到了坚实基础知识的支持。本章小结学习导图知识讲解典型案例场景延伸20/23知识测评一、填空题1.图像复原通常用于消除或减弱图像中的_______，以恢复图像的原始质量。2.在图像复原过程中，常用的先验知识包括_____

__和_______。3.重建图像通常是通过_______方法从图像数据中恢复出原始图像。4.图像复原与重建中常用的数学工具包括_______和_______。5.在图像复原中，点扩散函数（PSF）通常用于描述_________对图像的影响。6.图像重建中，常用的插值方法包括最近邻插值、__________和双线性插值等。双三次插值噪声图像的退化模型先验知识逆过程矩阵运算傅里叶变换成像系统本章小结知识测评知识讲解典型案例场景延伸21/23知识测评二、选择题1.下列哪项不是图像复原的主要目的？A.消除图像噪声B.增强图像对比度C.恢复图像细节D.校正图像畸变图像复原中的维纳滤波主要用于处理哪种类型的图像退化？A.运动模糊B.噪声污染C.几何畸变D.色彩失真3.在图像重建过程中，通常需要考虑的是？A.图像的灰度级分布B.图像的对比度C.图像的采样和量化过程D.图像的分辨率4.关于图像重建，下列说法正确的是？A.重建图像与原始图像完全一致B.重建图像的质量通常优于原始图像C.重建图像的过程是不可逆的D.重建图像可能受到采样和量化误差的影响5.图像重建过程中，当采样率低于某个临界值时，会发生什么现象？A.图像失真B.图像增强C.图像模糊D.混叠效应BACDD本章小结知识测评知识讲解典型案例场景延伸22/23知识测评三、判断题1.图像复原只能用于消除图像中的噪声，不能用于校正图像的几何畸变。（）2.图像复原过程中，通常需要利用图像的退化模型和先验知识来恢复图像的原始状态（）3.数字图像处理只能对数字图像进行处理，不能处理模拟图像。（）4.图像的灰度直方图反映了图像中不同灰度级出现的频数或概率。（）5.在进行图像滤波时，滤波器的选择对处理结果没有影响。（）6.边缘检测是图像分割的一种常用方法，它可以将图像划分为不同的区域。（）7.数字图像压缩一定会导致图像质量的损失。（）√XX√XX√本章小结知识测评知识讲解典型案例场景延伸23/23

机器视觉基础第5章彩色图像处理学习目标学习导图知识讲解典型案例本章小结

5.1彩色基础场景延伸知识测评章节目录

5.2噪声模型

5.3彩色变换

5.4平滑和锐化

5.5基于彩色的图像分割

5.6彩色图像中的噪声学习目标1/25学习目标学习导图知识讲解典型案例场景延伸能够深入理解并掌握常见的彩色空间（如RGB、HSV、CMYK等）及其转换关系。能够运用相关算法和工具对彩色图像进行处理，解决实际问题。能够结合实际需求，运用所学知识进行创新性研究和应用。学习导图2/25学习目标学习导图知识讲解典型案例场景延伸5.1彩色基础返回目录虽然人类对于大脑如何感知和理解颜色的生理和心理过程尚未完全明了，但我们可以通过实验和理论来揭示颜色的基本物理性质。学习目标学习导图知识讲解典型案例场景延伸白光通过棱镜看到的色谱可见范围电磁波谱的波长组成光和颜料的原色及二次色以波长为函数，人眼中的红色、绿色和蓝色锥状细胞对光的吸收曲线彩色监视器的典型彩色域（三角形区域）和彩色打印设备的典型彩色域（不规则区域）3/255.2彩色模型返回目录彩色模型，也被称为彩色空间或彩色系统，其目标是在一定标准下，以通常可接受的方式对颜色进行描述。本质上，彩色模型是一个坐标系统和子空间的表述，在这个系统中，每一种颜色都由一个特定的点来表示4/25学习目标学习导图知识讲解典型案例场景延伸5.2.1RGB彩色模型RGB彩色立方体示意图。5.2彩色模型返回目录青色、深红色和黄色被视为光的二次色，而在颜料中，它们则被视为原色。举例来说，当白色光照射在涂有青色颜料的表面上时，该表面不会反射红光。这意味着青色是通过从反射的白光中减去红光来形成的。值得注意的是，白光本身是由等量的红光、绿光和蓝光组成的。学习目标学习导图知识讲解典型案例场景延伸5.2.2CMY和CMYK彩色模型5/255.2彩色模型返回目录在RGB模型和CMY模型中创建颜色并实现两种模型之间的转换是一个相对简单的过程。如之前所述，这些彩色系统非常适合硬件实现。此外，RGB系统与人眼对红、绿、蓝三原色的强烈感知高度匹配。然而，遗憾的是，RGB模型、CMY模型以及其他类似的彩色模型在实际上并不能很好地适应人类对颜色的解释。例如，仅仅通过给出组成其颜色的每一原色的百分比，我们无法准确地描述一辆汽车的颜色。同样，我们也不认为彩色图像是由三幅原色图像混合而成的单一图像。学习目标学习导图知识讲解典型案例场景延伸5.2.3HSl彩色模型6/254.2噪声模型返回目录学习目标学习导图知识讲解典型案例场景延伸对原图像添加高斯、瑞利、伽马、指数、均匀和椒盐噪声后的图像与直方图原图7/254.2噪声模型返回目录学习目标学习导图知识讲解典型案例场景延伸4.2.3周期噪声图像中的周期噪声通常是在图像获取过程中由电力或机电干扰产生的，这是本章中讨论的唯一一种空间相关噪声。周期噪声可以通过频率域滤波显著减少。以下图像为例，这幅图像受到了不同频率的（空间）正弦噪声的严重干扰。纯正弦波的傅里叶变换是在其共轭频率处出现的一对共轭脉冲。因此，如果空间域中正弦波的振幅足够强，我们会在该图像的频谱中看到每个正弦波对应的脉冲对。8/254.3只存在噪声的复原——空间滤波返回目录4.3.1均值滤波器学习目标学习导图知识讲解典型案例场景延伸算术均值滤波器几何均值滤波器谐波均值滤波器逆谐波均值滤波器9/254.3只存在噪声的复原——空间滤波返回目录4.3.1均值滤波器学习目标学习导图知识讲解典型案例场景延伸10/254.3只存在噪声的复原——空间滤波返回目录4.3.1均值滤波器学习目标学习导图知识讲解典型案例场景延伸11/254.3只存在噪声的复原——空间滤波返回目录学习目标学习导图知识讲解典型案例场景延伸4.3.2统计排序滤波器我们现在扩充那一节的讨论，并介绍其他一些统计排序滤波器。统计排序滤波器是空间域滤波器，空间滤波器的响应基于由该滤波器包围的图像区域中的像素值的顺序（排序）。排序结果决定滤波器的响应。中值滤波器最大值和最小值滤波器12/254.3只存在噪声的复原——空间滤波返回目录学习目标学习导图知识讲解典型案例场景延伸4.3.2统计排序滤波器修正的阿尔法均值滤波器13/254.3只存在噪声的复原——空间滤波返回目录学习目标学习导图知识讲解典型案例场景延伸4.3.3自适应滤波器自适应局部降低噪声滤波器14/254.3只存在噪声的复原——空间滤波返回目录学习目标学习导图知识讲解典型案例场景延伸4.3.3自适应滤波器自适应中值滤波器15/254.4用频率域滤波消除周期噪声返回目录学习目标学习导图知识讲解典型案例场景延伸4.4.1带阻滤波器16/254.4用频率域滤波消除周期噪声返回目录学习目标学习导图知识讲解典型案例场景延伸4.4.2带通滤波器17/254.4用频率域滤波消除周期噪声返回目录学习目标学习导图知识讲解典型案例场景延伸4.4.3陷波滤波器18/254.4用频率域滤波消除周期噪声返回目录学习目标学习导图知识讲解典型案例场景延伸4.4.4最佳陷波滤波19/25典型案例返回目录基于颜色识别的零部件分类颜色识别是一种通过对物体颜色进行分析和处理，来实现物体属性判断和分类的技术。在工业机器视觉中，颜色识别的过程涉及对图像的处理和分析。通过特定的算法和技术，机器视觉系统能够识别并提取出图像中的颜色信息。例如，在制造业中，基于机器视觉的颜色识别可以帮助识别产品的颜色是否符合标准，提高生产效率和质量。在医疗保健领域，颜色识别可以用于病理图像分析，辅助医生进行疾病诊断。学习目标学习导图知识讲解典型案例场景延伸20/25场景延伸返回目录除上述制造业应用领域外，颜色识别技术在农业领域的应用亦广泛且重要。通过颜色识别技术，可以判断农产品的新鲜度、成熟度等，确定最佳的采摘时机，避免果实过熟或过生，从而为消费者提供高品质的农产品学习目标学习导图知识讲解典型案例场景延伸21/25本章小结

本章推导的一些复原技术依赖于各种最优准则。“最优”这个词的使用涉及到了严格的数学概念，而并不是基于人类视觉系统的最佳响应。实际上，对于视觉感知知识的缺乏限制了图像复原问题的通用表达，因为复原过程需要考虑到观察者的偏好和能力。尽管有这些限制，本章所介绍的概念的优势在于它们推导出了基本方法，这些方法具有合理的预测能力，并且得到了坚实基础知识的支持。本章小结学习导图知识讲解典型案例场景延伸22/25知识测评一、填空题1.图像复原通常用于消除或减弱图像中的_______，以恢复图像的原始质量。2.在图像复原过程中，常用的先验知识包括_____

__和_______。3.重建图像通常是通过_______方法从图像数据中恢复出原始图像。4.图像复原与重建中常用的数学工具包括_______和_______。5.在图像复原中，点扩散函数（PSF）通常用于描述_________对图像的影响。6.图像重建中，常用的插值方法包括最近邻插值、__________和双线性插值等。双三次插值噪声图像的退化模型先验知识逆过程矩阵运算傅里叶变换成像系统本章小结知识测评知识讲解典型案例场景延伸23/25知识测评二、选择题1.下列哪项不是图像复原的主要目的？A.消除图像噪声B.增强图像对比度C.恢复图像细节D.校正图像畸变图像复原中的维纳滤波主要用于处理哪种类型的图像退化？A.运动模糊B.噪声污染C.几何畸变D.色彩失真3.在图像重建过程中，通常需要考虑的是？A.图像的灰度级分布B.图像的对比度C.图像的采样和量化过程D.图像的分辨率4.关于图像重建，下列说法正确的是？A.重建图像与原始图像完全一致B.重建图像的质量通常优于原始图像C.重建图像的过程是不可逆的D.重建图像可能受到采样和量化误差的影响5.图像重建过程中，当采样率低于某个临界值时，会发生什么现象？A.图像失真B.图像增强C.图像模糊D.混叠效应BACDD本章小结知识测评知识讲解典型案例场景延伸24/25知识测评三、判断题1.图像复原只能用于消除图像中的噪声，不能用于校正图像的几何畸变。（）2.图像复原过程中，通常需要利用图像的退化模型和先验知识来恢复图像的原始状态（）3.数字图像处理只能对数字图像进行处理，不能处理模拟图像。（）4.图像的灰度直方图反映了图像中不同灰度级出现的频数或概率。（）5.在进行图像滤波时，滤波器的选择对处理结果没有影响。（）6.边缘检测是图像分割的一种常用方法，它可以将图像划分为不同的区域。（）7.数字图像压缩一定会导致图像质量的损失。（）√XX√XX√本章小结知识测评知识讲解典型案例场景延伸25/25

机器视觉基础第6章形态学图像处理学习目标学习导图知识讲解典型案例本章小结

6.1预备知识

场景延伸知识测评章节目录

6.2腐蚀和膨胀

6.3开操作与闭操作

6.4一些基本的形态学算法

6.5灰度级形态学学习目标1/20学习目标学习导图知识讲解典型案例场景延伸掌握形态学图像处理的基本概念与原理。熟练掌握二值图像的基本形态学运算：包括腐蚀、膨胀、开启和闭合等运算。了解如何利用形态学处理来提取图像中的有用信息，并理解其在解决实际问题中的作用。学习导图2/20学习目标学习导图知识讲解典型案例场景延伸6.1预备知识返回目录数学形态学的基石是集合论，它为大量的图像处理问题提供了一种统一且有力的解决方案。在数学形态学中，集合用来表示图像中的对象。学习目标学习导图知识讲解典型案例场景延伸图6-2第一行：结构元的例子；第二行：转换为矩形阵列的结构元。点表示结构元的中心3/206.2腐蚀和膨胀返回目录学习目标学习导图知识讲解典型案例场景延伸6.2.1腐蚀4/206.2腐蚀和膨胀返回目录学习目标学习导图知识讲解典型案例场景延伸6.2.2膨胀5/206.3开操作与闭操作返回目录膨胀操作能够增大图像中的组成部分，而腐蚀操作则起到缩小图像组成部分的作用。我们将探讨另外两个关键的形态学操作：开操作和闭操作。开操作主要用于平滑物体的轮廓，断开狭窄的连接部分，并消除细小的突出结构。相反，闭操作同样可以平滑轮廓的某些部分，但它主要作用是弥合较窄的间断和细长的缝隙，消除小的孔洞，并填补轮廓线中的断裂。学习目标学习导图知识讲解典型案例场景延伸6/206.4一些基本的形态学算法返回目录学习目标学习导图知识讲解典型案例场景延伸在处理二值图像时，形态学的主要应用之一就在于提取那些能够表示和描述形状的图像成分。特别地，我们将考虑利用形态学算法来提取边界、连通分量、凸壳以及区域的骨架等关键信息。同时，我们还会探讨一些常与这些算法配合使用的预处理或后处理方法。6.4.1边界提取7/206.4一些基本的形态学算法返回目录学习目标学习导图知识讲解典型案例场景延伸一个孔洞可被定义为由前景像素相连接的边界所包围的一个背景区域。在这一节中，我们将针对填充图像中的孔洞，开发一种基于集合膨胀、求补和交集的算法。6.4.2孔洞填充8/206.4一些基本的形态学算法返回目录学习目标学习导图知识讲解典型案例场景延伸连通性和连通分量的概念已在2.5.2节中介绍过。从二值图像中提取连通分量是许多自动图像分析应用中的核心。令A是包含一个或多个连通分量的集合，并形成一个阵列X0（该阵列的大小与包含A的阵列的大小相同）6.4.3连通分量的提取9/206.5灰度级形态学返回目录学习目标学习导图知识讲解典型案例场景延伸在本节中，我们将对膨胀、腐蚀、开操作和闭操作等基础操作进行拓展，以应用于灰度级图像。随后，我们将利用这些操作，深入探究几个基础的灰度级形态学算法。10/206.5腐蚀和膨胀返回目录6.5.1腐蚀和膨胀

学习目标学习导图知识讲解典型案例场景延伸当b的原点位于(x,y)处时，用一个平坦的结构元b在(x,y)处对图像f的腐蚀定义为图像f中与b重合区域的最小值。11/206.5腐蚀和膨胀返回目录6.5.2开操作和闭操作学习目标学习导图知识讲解典型案例场景延伸灰度级图像的开操作和闭操作的表达式与二值图像的对应操作具有相同的形式。结构元b对图像f的开操作表示为12/206.5腐蚀和膨胀返回目录6.5.3一些基本的灰度级形态学算法学习目标学习导图知识讲解典型案例场景延伸众多形态学技术均建立在迄今所介绍的灰度级形态学概念之上。接下来，我们将详细阐述这些算法的具体内容及其工作原理。形态学平滑

形态学梯度顶帽变换和底帽变换13/206.5腐蚀和膨胀返回目录6.5.4灰度级形态学重建学习目标学习导图知识讲解典型案例场景延伸灰度级形态学重建基本上按照与6.4.9节针对二值图像所介绍的相同的方法来定义。14/20典型案例返回目录基于形态学的工件表面污点处理学习目标学习导图知识讲解典型案例场景延伸形态学处理是一种基于图像形状和结构的图像处理技术，形态学处理包括腐蚀、膨胀、开操作和闭操作四个基本操作。这些基本形态学操作可以单独使用也可以根据需要进行组合和串联。形态学处理可以用于检测零件表面的缺陷，如裂纹、划痕、凹陷等。通过腐蚀、膨胀和轮廓分析等操作，可以突出并提取出缺陷的特征，实现自动化表面污点处理。15/20场景延伸返回目录基于形态学的工件表面污点处理学习目标学习导图知识讲解典型案例场景延伸形态学处理还在条形码识别中扮演着重要的角色，它是一种图像分析方法，主要用来消除噪声、连接断开的线条等，从而提高条形码识别的准确性。16/20本章小结

本章所介绍的形态学概念和技术，为我们提供了一组强大的工具，用于从图像中提取我们感兴趣的特征。形态学图像处理之所以吸引人，其中一个重要原因就在于它拥有深厚的集合论基础，这一基础为形态学技术的不断发展提供了坚实的基础。从实现角度来看，膨胀和腐蚀作为基本操作，是构建各类形态学算法的关键。正如我们在后续章节中所看到的，形态学可以作为图像分割程序的重要基础，广泛应用于各种场景。本章小结学习导图知识讲解典型案例场景延伸17/20知识测评一、填空题1.形态学图像处理主要基于物体的_______特性，如大小、形状和结构。2.在形态学图像处理中，_______操作通常用于消除图像中的小物体或噪声。3.形态学图像处理中的_______操作可以用于连接断裂的物体或填充物体内部的孔洞。4.形态学梯度运算能够提取物体的_______信息，有助于边缘检测和形状分析。5.在形态学图像处理中，通过________操作可以去除小于结构元素的物体。6.形态学________操作可以用于填补物体中的细小孔洞。7.开运算和闭运算都是基于________和________两种基本操作的组合。8.形态学梯度运算通常用于检测图像的________，尤其是那些与结构元素尺寸相当的边缘。几何开运算闭运算边缘开运算闭运算腐蚀边缘本章小结知识测评知识讲解典型案例场景延伸膨胀18/20知识测评1.下列哪个操作属于形态学图像处理中的腐蚀操作？A.扩大物体的边界B.缩小物体的边界C.平滑物体的边缘D.增强物体的对比度2.在形态学图像处理中，开运算通常用于实现什么目的？A.消除小物体B.连接断裂的物体C.填充孔洞D.增强边缘3.形态学图像处理中的闭运算与开运算的主要区别在于？A.闭运算可以消除小物体B.闭运算可以连接断裂的物体C.闭运算可以填充孔洞D.闭运算可以增强边缘4.下列哪个操作不是形态学图像处理的基本运算？A.腐蚀B.膨胀C.梯度D.傅里叶变换5.下列哪个操作不属于形态学图像处理的基本操作？A.腐蚀B.膨胀C.开运算D.傅里叶变换6.开运算和闭运算在形态学图像处理中的主要区别是什么？A.开运算用于去除噪声，闭运算用于填充孔洞B.开运算用于填充孔洞，闭运算用于去除噪声C.开运算和闭运算都可以去除噪声D.开运算和闭运算都可以填充孔洞7.在形态学梯度操作中，其结果主要反映了什么信息？A.图像的亮度变化B.图像的边缘信息C.图像的形状特征D.图像的纹理特征BACDD本章小结知识测评知识讲解典型案例场景延伸AB19/20知识测评三、判断题1.开运算和闭运算是形态学图像处理中两种常用的组合运算，它们都可以用于消除噪声和简化物体结构。（）2.形态学梯度运算的结果通常是一幅二值图像，其中高亮区域表示物体的边缘。（）3.形态学腐蚀操作会导致图像中的物体边界向内收缩。（）4.形态学膨胀操作可以填补物体中的小空洞。（）5.开运算是对图像先进行腐蚀操作，再进行膨胀操作。（）6.闭运算可以断开图像中物体的狭窄连接。（）7.形态学图像处理主要用于分析和理解图像中的形状和结构信息。（）X√X√√XX本章小结知识测评知识讲解典型案例场景延伸20/20

机器视觉基础第7章图像分割学习目标学习导图知识讲解典型案例本章小结

7.1基础知识

场景延伸知识测评章节目录

7.2点、线和边缘检测

7.3阈值处理

7.4基于区域的分割

7.5分割中运动的应用学习目标1/26学习目标学习导图知识讲解典型案例场景延伸熟悉并掌握多种常用的图像分割方法，如阈值法、边缘检测法、区域生长法、聚类法等。了解各种方法的原理、特点、适用场景以及优缺点，能够根据实际题选择合适的分割方法。了解图像分割在各个领域中的实际应用，如医学图像处理、自动驾驶。通过分析这些案例，加深对图像分割技术的理解和应用能力的提升。学习导图2/26学习目标学习导图知识讲解典型案例场景延伸7.1基础知识返回目录数学形态学的基石是集合论，它为大量的图像处理问题提供了一种统一且有力的解决方案。在数学形态学中，集合用来表示图像中的对象。学习目标学习导图知识讲解典型案例场景延伸3/267.2点、线和边缘检测返回目录学习目标学习导图知识讲解典型案例场景延伸7.2.1背景知识

本节将重点讨论基于灰度局部剧烈变化检测的分割方法。我们主要关注三种图像特征：孤立点、线和边缘。边缘像素指的是图像中灰度发生突变的像素，而边缘（或边缘线段）则是由相连的边缘像素构成的集合。4/267.2点、线和边缘检测返回目录学习目标学习导图知识讲解典型案例场景延伸7.2.2孤立点的检测基于前一节得到的结论，我们可知点的检测应以二阶导数为基础5/267.2点、线和边缘检测返回目录学习目标学习导图知识讲解典型案例场景延伸7.2.3线检测

复杂度更高的检测是线检测。基于7.2.1节中的讨论，我们知道，对于线检测，可以预期二阶导数将导致更强的响应，并产生比一阶导数更细的线。6/267.2点、线和边缘检测返回目录学习目标学习导图知识讲解典型案例场景延伸7.2.4边缘模型边缘检测是一种基于灰度突变来分割图像的常用方法。我们将从介绍边缘建模的方法开始，随后探讨各种边缘检测手段。7/267.2点、线和边缘检测返回目录学习目标学习导图知识讲解典型案例场景延伸7.2.5基本边缘检测

正如前一节说明的那样，为了达到寻找边缘的目的，检测灰度变化可用一阶或二阶导数来完成。在这一节中，我们讨论一阶导数。图像梯度及其性质8/267.2点、线和边缘检测返回目录学习目标学习导图知识讲解典型案例场景延伸7.2.5基本边缘检测正如前一节说明的那样，为了达到寻找边缘的目的，检测灰度变化可用一阶或二阶导数来完成。在这一节中，我们讨论一阶导数。梯度算子9/267.2点、线和边缘检测返回目录学习目标学习导图知识讲解典型案例场景延伸7.2.6边缘连接和边界检测理想情况下，边缘检测应仅输出边缘上的像素集合。然而，受噪声、照明不均等因素影响，这些像素无法完整描述边缘特性。因此，边缘检测后常需连接算法，将边缘像素组合成有意义的边缘或区域边界。本节将探讨三种基本边缘连接方法：基于局部区域边缘点的知识、基于已知区域边界点的技术和处理整个边缘图像的全局方法。10/267.3阈值处理返回目录7.3.1基础知识图像阈值处理因其直观性、实现简便和计算高效，在图像分割应用中占据核心地位。早在3.1.1节，我们就已对阈值处理进行了介绍，并在后续的讨论中多次应用。本节我们将以更为正式的方式深入探讨阈值处理，并以一种比过去更为广泛和全面的视角来阐述这一技术。学习目标学习导图知识讲解典型案例场景延伸灰度阈值处理基础光照和反射的作用11/267.3阈值处理返回目录7.3.2基本的全局阈值处理正如前节所述，当物体与背景像素的灰度分布差异显著时，可以采用适用于整幅图像的单一（全局）阈值。然而，在大多数应用中，由于图像间的变化较大，即便全局阈值方法适用，也需要一种能够自动估计每幅图像阈值的算法。学习目标学习导图知识讲解典型案例场景延伸12/267.3阈值处理返回目录7.3.3用Otsu方法的最佳全局阈值处理阈值处理可视为一种统计决策理论问题，其目的是在把像素分配给两个或多个组(也称为分类)的过程中引入的平均误差最小。这一问题已知有一个精致的闭合形式的解，称为贝叶斯决策规则（见7.2.2节）。该解仅以两个参数为基础：即每一类的灰度级的概率密度函数(PDF)和在给定应用中每一类出现的概率。学习目标学习导图知识讲解典型案例场景延伸13/267.3阈值处理返回目录7.3.4用图像平滑改善全局阈值处理噪声可将一个简单的阈值处理问题变为一个不可解决问题。当噪声不能在源头减少，并且阈值处理又是所选择的分割方法时，那么通常可增强性能的一种技术是在阈值处理之前平滑图像。学习目标学习导图知识讲解典型案例场景延伸14/267.3阈值处理返回目录7.3.

5利用边缘改进全局阈值处理方图呈现高、窄、对称的波峰，并且这些波峰被深深的波谷清晰分隔时，选取一个“合适”阈值的机会相对较大。为了改进直方图的形状，一种有效方法是重点关注那些位于或靠近物体和背景交界处的像素。学习目标学习导图知识讲解典型案例场景延伸15/267.3阈值处理返回目录7.3.6多阈值处理学习目标学习导图知识讲解典型案例场景延伸16/267.4基于区域的分割返回目录7.4.1区域生长区域生长这一术语恰如其分地描述了其本质——按照预设的生长准则，将像素或子区域逐步合并成更大的区域。此过程的核心在于从“种子”点起步，逐步吸纳与种子点性质相近的邻域像素，从而不断扩展生长区域（如具有特定灰度或颜色范围的区域）。学习目标学习导图知识讲解典型案例场景延伸17/267.4基于区域的分割返回目录7.4.2边界提取上一节详细讨论了从种子点出发的区域生长方法。另一种策略则是先将图像划分为任意的不相交区域，随后对这些区域进行聚合或分裂操作，直至满足7.1节中提及的分割条件。接下来，我们将深入探讨分裂与聚合的基本概念。学习目标学习导图知识讲解典型案例场景延伸18/267.5分割中运动的应用返回目录学习目标学习导图知识讲解典型案例场景延伸7.5.1空间域技术基本方法累积差值19/267.5腐蚀和膨胀返回目录7.5.2频率域技术学习目标学习导图知识讲解典型案例场景延伸考虑一个序列f(x,y,t),t=1,2,…,K-1，该序列是由一台固定的照相机所拍摄的大小为M×N的K帧数字图像。我们从假设所有帧都有零灰度的均匀背景开始讨论。例外的是一个单一的具有单位灰度的一个1像素大小的物体，该物体以恒定速度运动。20/26典型案例返回目录基于边缘检测的零部件计数学习目标学习导图知识讲解典型案例场景延伸边缘检测是图像处理和计算机视觉中的基本问题，其主要目的是在图像中标识出亮度变化明显的点，这些点通常是物体的轮廓，即物体的边缘信息。在工业机器视觉中，边缘检测可以用于图像分割，将图像分割成不同的区域或对象。通过识别图像中的边缘，可以提取出物体的轮廓，实现精确的图像分割。还可以用于提取出物体的形状和结构特征，帮助识别和分类物体，在物体的形状和纹理等方面提供了重要的信息。21/26场景延伸返回目录基于边缘检测的零部件计数学习目标学习导图知识讲解典型案例场景延伸边缘检测计技术在工业中的应用十分广泛，随着技术的不断发展和创新，边缘检测也开始在农业领域得到应用。在农业中，边缘检测技术可用于果蔬的识别、计数和病虫害检测等方面。22/26本章小结

在自动图像模式识别和场景分析应用中，图像分割是不可或缺的前期准备步骤。如之前章节所展示的各种实例所示，所选用的分割技术主要依据具体问题的独特性而定。尽管本章中探讨的方法并非穷尽所有可能性，但它们确实是在实际应用中广泛采用并具备代表性的技术手段。读者可以进一步参考下面的文献，以深入探索该主题。本章小结学习导图知识讲解典型案例场景延伸23/26知识测评一、填空题1.图像分割是将图像划分为若干个互不重叠的区域，每个区域内部具有相似的_______或_______特征。2.在基于阈值的图像分割方法中，常用的阈值确定方法有_______法和_______法。3.基于区域的图像分割方法通常包括_______分割和_______分割两种类型。4.边缘检测是图像分割中的一种重要方法，常用的边缘检测算子有_______算子和_______算子等。5.在图像分割中，Otsu's方法是一种基于______的图像分割技术，通过计算类间方差来自动确定阈值。6.边缘检测通常使用______或______等算子来检测图像中的边缘。7.区域生长法的基本思想是从一组“种子”点开始，将与种子点具有______的邻近像素合并到种子点所在的区域中。灰度直方图阈值区域生长Sobel阈值Sobel相似特征本章小结知识测评知识讲解典型案例场景延伸纹理

Otsu区域分裂CannyCanny24/26知识测评1.图像分割的目的是什么？A.改变图像大小B.增强图像对比度C.将图像划分为不同区域D.提取图像中的特定颜色2.基于阈值的图像分割方法中，如果图像的直方图呈现双峰分布，通常使用哪种方法确定阈值？A.Otsu方法B.Sobel算子C.霍夫变换D.K-means聚类3.在基于区域的图像分割方法中，如果一个区域中的像素与邻域像素的相似度较高，这种方法通常称为什么？A.边缘检测B.区域生长C.阈值分割D.形态学操作4.以下哪种方法不是用于图像分割的？A.边缘检测B.色彩空间转换C.区域分割D.图割（GraphCut）方法5.下列哪种方法不属于基于阈值的图像分割技术？A.Otsu‘s方法B.K-means聚类C.直方图双峰法D.边缘检测6.边缘检测通常用于图像分割的哪个阶段？A.预处理B.特征提取C.区域划分D.后处理7.区域生长法在进行图像分割时，通常依据什么原则合并像素？A.像素值相近B.像素位置相邻C.像素梯度相似D.像素颜色相同CABBD本章小结知识测评知识讲解典型案例场景延伸BA25/26知识测评三、判断题1.开运算和闭运算是形态学图像处理中两种常