正版新书]计算机视觉基础(加)詹姆斯·彼得斯(James F.Peters)978

第 1 章通往机器视觉的基础知识 . 1
1.1 什么是计算机视觉 1
1.2 分而治之的方法 1
1.3 覆盖在图像上的沃罗诺伊图 4
1.4 计算几何简介 6
1.5 数字图像的框架 8
1.6 数字视觉空间 12
1.7 创建你自己的图像 12
1.8 随机生成图像 14
1.9 显示图像的方法 16
1.10 数字图像的格式 17
1.11 图像数据类型 18
1.12 彩色图像 21
1.12.1 彩色空间 21
1.12.2 彩色通道 21
1.13 彩色查找表 24
1.14 图像几何初步 26
1.15 访问和修改图像像素值 29
1.16 彩色、灰度和二值图像 31
1.17 像素的罗森菲尔德8-邻域 32
1.18 距离：欧几里得和出租车测度 35
1.19 假彩色：点彩派绘画 37
1.19.1 假彩色RGB 图像模式 37
1.19.2 假彩色灰度图像模式 39
1.20 数字图像上的矢量空间 41
1.20.1 点积 41
1.20.2 图像梯度 42
1.21 相机看见什么：智能系统视图 43
1.21.1 相机视觉系统中的智能系统方法 43
1.21.2 相机感知的场景彩色 44
1.22 图像几何：图像上的沃罗诺伊和德劳内网格 47
1.22.1 汽车图像上的沃罗诺伊网格 47
1.22.2 沃罗诺伊图像的子网格揭示了什么信息 50
1.23 神经结构 50
X 计算机视觉基础
1.23.1 汽车图像上的德劳内网格 54
1.23.2 在汽车图像上结合沃罗诺伊和德劳内网格 55
1.24 视频帧网格覆盖 57
1.24.1 离线视频帧处理 57
1.24.2 实时视频处理 60
第2 章像素加工 . 63
2.1 图像元素 63
2.2 分离彩色图像通道 65
2.3 彩色向灰度的转换 66
2.4 对像素强度的代数操作 67
2.5 用边缘像素选择解释像素选择 72
2.6 基于函数修改图像像素值 78
2.7 图像的逻辑操作 81
2.7.1 像素强度的补和逻辑非 81
2.7.2 成对二值图像的XOR 操作 . 82
2.8 从背景中提取前景 84
2.9 阈值化彩色通道的合并 85
2.10 增强图像的对比度 87
2.11 伽马变换 88
2.12 伽马校正 89
第3 章可视化像素强度分布 . 91
3.1 直方图和绘制 93
3.1.1 直方图 94
3.1.2 茎干图 95
3.1.3 绘制 96
3.1.4 表面绘制 96
3.1.5 线框表面绘制 98
3.1.6 轮廓绘制 98
3.2 等值线 98
3.3 彩色直方图 100
3.4 自适应阈值化 102
3.5 对比度拉伸 103
3.6 直方图匹配 106
第4 章线性滤波 . 108
4.1 图像滤波的重要性 108
4.2 滤波器核 109
4.3 线性滤波器实验 110
4.4 线性卷积滤波 111
4.5 选取感兴趣区域 112
目录 XI
4.6 给图像加噪声 114
4.7 均值滤波 116
4.8 中值滤波 117
4.9 排序滤波 118
4.10 正态分布滤波 120
第5 章边缘、线、角点、高斯核与沃罗诺伊网格 . 121
5.1 线性函数 121
5.2 边缘检测 123
5.3 双精度拉普拉斯滤波器 126
5.4 增强数字图像边缘 127
5.5 高斯核 128
5.6 高斯滤波器 130
5.7 高斯滤波器核图像恢复 131
5.8 高斯-拉普拉斯滤波器图像增强 . 132
5.9 零交叉边缘滤波器图像增强 132
5.10 各向异性与各向同性边缘检测 134
5.11 在数字图像中检测边缘核线 136
5.12 检测图像角点 138
5.13 基于图像角点的沃罗诺伊网格重访 140
5.13.1 沃罗诺伊镶嵌细节 140
5.13.2 沃罗诺伊多边形的位置 140
5.14 构建基于角点的沃罗诺伊网格的步骤 142
5.15 网格生成器集合中的极端图像角点 142
5.16 具有极端角点图像上的沃罗诺伊网格 144
5.17 孤立图像边缘的图像梯度方法 145
5.18 角点、边缘和沃罗诺伊网格 147
第6 章德劳内网格分割 . 149
6.1 德劳内三角化生成三角网格 149
6.2 三角形外接圆 151
6.3 在图像上构建基于角点的德劳内网格 151
6.4 基于质心的德劳内图像网格 152
6.4.1 寻找图像质心 153
6.4.2 寻找图像质心的德劳内网格 154
6.4.3 寻找图像质心的沃罗诺伊网格 154
6.4.4 寻找叠加在德劳内网格上的图像质心沃罗诺伊网格 155
第7 章视频处理、实时和离线视频分析介绍 . 157
7.1 视频处理基础 158
7.1.1 帧图像点处理 158
7.1.2 图像采集 158
XII 计算机视觉基础
7.1.3 斑块 159
7.1.4 帧拼贴和帧几何 159
7.2 视频帧的沃罗诺伊拼贴 160
7.3 在视频帧中检测目标形状 160
7.4 测量目标的形状相似性和沃罗诺伊视觉外壳 161
7.5 最大核聚类 163
7.6 问题 166
7.7 形状距离 171
7.8 边缘集的权函数 172
7.9 最大边缘集 173
7.9.1 粗糙轮廓边缘集 173
7.9.2 最大核聚类连通网格区域 175
第8 章洛韦关键点、最大核聚类、轮廓和形状 . 177
8.1 图像分析 . 178
8.2 场景分析 . 179
8.3 像素边缘增强 . 180
8.4 数字图像的裁剪和稀疏表示 . 183
8.5 形状理论和2-D 图像目标的形状：面向图像目标形状检测 . 185
8.6 图像像素梯度的朝向和强度 . 186
8.7 高斯差 . 187
8.8 图像关键点：洛韦SIFT 方法 189
8.9 应用：图像网格核的关键点边界 . 191
8.10 超（外）核轮廓 . 193
8.11 最大核聚类轮廓形状的质量 . 194
8.12 粗糙S2P 和S3P（2 级和3 级） 最大核聚类轮廓 194
8.13 关键点数量的实验 . 196
8.14 双重最大核聚类上的粗糙周边 . 199
8.15 图像最大核聚类区域的莱利熵 . 199
8.16 问题 . 202
第9 章后记：形状适合计算机视觉环境的地方 . 204
9.1 自然场景中的目标形状 . 204
9.2 形状估计 . 207
附录A Matlab 和Mathematica 编程 . 210
A.1 第1 章的程序 . 210
A.1.1 数字图像角点 210
A.1.2 沃罗诺伊镶嵌算法的实现 211
A.1.3 德劳内镶嵌算法的实现 213
A.1.4 沃罗诺伊和德劳内镶嵌结合算法的实现 216
A.1.5 第1 章的离线视频处理程序 218
目录 XIII
A.1.6 第1 章的实时视频处理程序 219
A.2 第2 章的程序 . 221
A.2.1 数字图像像素 221
A.2.2 彩色图像通道 223
A.2.3 彩色向灰度的转换 224
A.2.4 对像素强度的代数操作 225
A.2.5 选择和显示边缘像素的彩色像素强度 228
A.2.6 基于函数的像素值修改 231
A.2.7 对图像的逻辑操作 233
A.3 第3 章的程序 . 234
A.3.1 像素强度直方图（分档） 234
A.3.2 像素强度分布 235
A.3.3 像素强度等值线 237
A.4 第4 章的程序 . 238
A.5 第5 章的程序 . 238
A.5.1 1-D 高斯核绘图 . 238
A.5.2 高斯核实验 240
A.5.3 2-D 高斯核绘图 . 241
A.5.4 高斯平滑图像 242
A.5.5 图像恢复 243
A.5.6 图像角点 245
A.5.7 具有和没有图像角点的沃罗诺伊网格 247
A.6 第6 章的程序 . 248
A.6.1 查找2-D 和3-D 图像质心 248
A.6.2 另一种查找图像质心的方法 249
A.6.3 查找图像质心的德劳内网格 250
A.6.4 查找图像质心的沃罗诺伊网格 251
A.6.5 查找覆盖在德劳内网格上的图像质心沃罗诺伊网格 252
A.7 第7 章的程序 . 253
A.7.1 沃罗诺伊镶嵌视频帧中的边缘集测量 253
A.8 第8 章的程序 . 257
A.8.1 高斯金字塔方案 257
A.8.2 小波金字塔方案 258
A.8.3 像素边缘强度 259
A.8.4 绘制反正切值 260
A.8.5 像素几何：梯度方向和梯度幅度 261
A.8.6 高斯差图像 263
A.8.7 图像关键点和沃罗诺伊网格 263
XIV 计算机视觉基础
附录B 词汇表 . 266
B.1 数字与符号 . 266
B.2 B 268
B.3 C 271
B.4 D 271
B.5 F . 273
B.6 G 274
B.7 H 274
B.8 J 274
B.9 K 279
B.10 L . 281
B.11 M 284
B.12 N 284
B.13 P . 284
B.14 Q 285
B.15 S . 285
B.16 T . 287
B.17 W . 291
B.18 X 292
B.19 Z . 294
参考文献 . 296
主题索引 . 306

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]。
P91-94