 |
-- 會員 / 註冊 --
|
 |
|
|
|
計算機視覺基礎 ( 簡體 字) |
| 作者：[加] 詹姆斯·彼得斯（James F. Peters）著，章毓晉 譯 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 51466
詢問書籍請說出此書號！【缺書】
NT售價： 490 元 |
| 出版日：8/1/2019 |
| 頁數：319 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302529958 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：本書介紹計算機視覺基礎。計算機視覺（也稱為機器視覺）的主要目標是基于由各種
相機捕獲的圖像內容來重建和解釋自然場景（參見R. Szeliski[187]）。計算機視覺系統包括
諸如衛星測繪、機器人導航系統、智能掃描儀和遙感系統之類的東西。在計算機視覺研究
中，重點是從圖像中提取有用的信息（參見S. Prince [159]）。計算機視覺系統通常模仿人
類視覺感知。計算機視覺系統中選擇的硬件是某種形式的數碼相機，被編程為近似視覺感
知。因此，計算機視覺、數字圖像處理、光學、光度學和光子學之間存在密切聯系（參見
E. Stijns 和H. Thienpont [184]）。
從計算機視覺的角度來看，光子學是捕捉視覺場景中光的科學。圖像處理研究數字圖
像形成（如從模擬光學傳感器信號到數字信號的轉換）、操作（如圖像濾波、去噪、裁剪）、
特征提取（如像素強度、梯度方向、梯度幅度、邊緣強度）、描述（如圖像邊緣和紋理）和
可視化（如像素強度直方圖）。可以參見B. J?hne [85]和S.G. Hoggar [81]的圖像處理數學框
架，并擴展到許多相關人員對圖像處理的看法，如M. Sonka、V. Hlavac 和R. Boyle [183]，
W. Burger 和M. J. Burge [21]，R. C. 岡薩雷斯和R. E·伍茲[57]，R. C. 岡薩雷斯、R. E. 伍
茲和S. L. 埃丁斯 [58]，V. Hlavac [80]，C. Solomon 和T. Breckon [181]。這些有用的信息，
即可以檢測、分析和分類的圖像目標形狀和模式，為計算機視覺研究者的關注點提供了基
石（如[140]）。實際上，計算機視覺是對數字化圖像結構和模式的研究，而這是在圖像處
理和光子學之上一層的圖像分析。計算機視覺將圖像處理和光子學包括在其追求圖像幾何
和圖像區域模式的技巧集合中。
此外，培養數字圖像的智能系統觀點可幫助發現隱藏的模式（如圖像區域的重復凸輪
廓）和嵌入的圖像結構（如圖像中感興趣區域的點聚類）。通過量化器可以發現這種結構。
量化器將一組（通常是連續的）值限制為離散值。量化器在其計算機視覺里最簡單的形式
中，觀察特定的目標像素強度并在目標鄰域中選擇最接近的近似值。量化器的輸出被A.
Gersho 和R.M. Gray 稱為碼本[55，5.1 節，p.133] （另見S. Ramakrishnan、K. Rose 和A. Gersho
[161]）。
在圖像網格疊加的上下文中，Gersho-Gray 量化器被替換為基于幾何的量化器。基于幾
何的量化器將圖像區域限制在其外形輪廓中并在圖像中觀察特定的目標形狀輪廓，與其他
具有近似形狀的目標輪廓進行比較。在計算機視覺的基礎上，基于幾何的量化器觀察并比
較大致相同的圖像區域，例如將最大核聚類（MNC）與其他核聚類進行比較。最大核聚類
（MNC）是圍繞稱為核的網格多邊形的圖像網格多邊形的集合（參見J. F. Peters 和E. ?nan
在Edelsbrunner 神經中的沃羅諾伊圖像鑲嵌[147]）。一個圖像網格核是一個網格多邊形，它
是相鄰多邊形集合的中心。事實上，每個網格多邊形都是一個多邊形聚類的核。然而，只
有一個或多個網格核是最大的。
最大圖像網格核是具有最高數量的相鄰多邊形的網格核。MNC 在計算機視覺中很重
IV 計算機視覺基礎
要，因為MNC 輪廓能近似所考慮圖像目標的形狀。對圖像的沃羅諾伊鑲嵌是用多邊形對
圖像的拼貼。圖像的沃羅諾伊鑲嵌也稱為沃羅諾伊網格。對圖0.1（a）中音樂家圖像的拼
貼樣本圖如圖0.1（b）所示。在每個拼貼多邊形內的紅點（ ?）是沃羅諾伊區域（多邊形）
生成點的示例。更多的信息參見1.22.1 小節。這個音樂家網格核是如圖0.2（b）所示最大
核聚類的中心。這是圖0.1（b）中音樂家圖像網格中唯一的MNC。該MNC 也是沃羅諾伊
網狀神經的一個例子。對圖像MNC 的研究將我們帶到圖像幾何和圖像目標形狀檢測的入
門處。更多內容可見1.22.2 小節。
（a）音樂家 （b）音樂家拼貼
圖0.1 音樂家圖像的沃羅諾伊鑲嵌
（a）音樂家網格核 （b）音樂家最大網格核
圖0.2 音樂家圖像的最大核聚類
每個圖像拼貼多邊形是內部和頂點像素的凸包。一組圖像點的凸包是該組點的最小凸
集。一組圖像點A 是凸集，只要集合A 中任意兩點之間每條直線段上的所有點都包含在集
合中。換句話說，知識發現是計算機視覺的核心。知識和對數字圖像的理解可用于計算機
視覺系統的設計。在視覺系統設計中，需要理解數字圖像的組成和結構以及用于分析捕獲
圖像的方法。
本書的重點是對光柵圖像的研究。本書的續集將集中在由點（矢量），線和曲線組成的
矢量圖像。每幅光柵圖像基本由像素（典型的像素稱為網點或網格生成點），邊緣（共同的、
平行的、交叉的、凸的、凹的、直的、彎曲的、連通的、不連通的），角度（矢量角度、矢
量之間的角度、像素角度），圖像幾何（沃羅諾伊區域[139]、德勞內三角剖分[138]），顏色，
形狀和紋理組成。許多計算機視覺和場景分析中的問題可通過找到某些隱藏或未觀察到的
圖像變量核結構的最可能值來解決（參見P. Kohi 和P. H. S. Torr [94]）。這樣的結構和變量
前 言 V
包括像素的拓撲鄰域、像素集合的凸包、圖像結構的接近度（和分離度）、像素梯度分布以
及描述捕獲場景元素的特征矢量。
其他計算機視覺問題包括圖像匹配、特征選擇、最佳分類器設計、圖像區域測量、興
趣點識別、輪廓組合、分割、配準、匹配、識別、圖像聚類、模式聚類，見F. Escolono、
P. Suau、B. Bonev [45]和N. Paragios、Y. Chen、O. Faugeras [136]，地標點形狀匹配、圖像
變形、形狀梯度[136]，假著色、像素標記、邊緣檢測、幾何結構檢測、拓撲鄰域檢測、目
標識別和圖像模式識別。
在計算機視覺中，重點是檢測數字圖像中常見的基本幾何結構和物體形狀。這導致了
對圖像處理和圖像分析基礎知識以及對矢量空間和圖像計算幾何觀點的研究。圖像處理的
基礎包括彩色空間、濾波、邊緣檢測、空間描述和圖像紋理。數字圖像是歐幾里得空間（2-D
和3-D）的示例。因此，數字圖像的矢量空間觀點是其基本特征的自然結果。數字圖像結
構本質上是幾何或視覺拓撲結構。圖像結構的示例包括圖像區域、線段、生成點（例如，
洛韋關鍵點）、像素組、像素的鄰域、半空間、像素凸集和圖像像素集合的凸包。例如，這
種結構可以根據最接近選定點的圖像區域或具有指定直徑范圍的圖像區域來查看。一個圖
像區域是數字圖像內部的一組圖像點（像素）。任何圖像區域的直徑是該區域中一對點之間
的最大距離。這樣的結構也可以在由2-D 和3-D 圖像中選定點之間連接的線段所形成的三
角形區域中找到。
這種結構也常見于2-D 和3-D 圖像中由封閉的半空間所形成的點集凸包里、或如G. M·
齊格勒所稱的多面體[217]里。圖像半空間是一條線上方或下方的所有點的集合。在所有這
三種情況下都能獲得對數字化圖像的區域視圖。更多有關多面體的信息參見附錄B.14。
每個圖像區域都有一個形狀。一些區域的形狀比其他區域的更有趣。有趣的圖像區域
形狀包含感興趣的目標。這些圖像的區域視圖導致各種形式的圖像分割，它們在識別圖像
中的目標時具有實用價值。此外，檢測感興趣圖像區域的形狀可幫助發現圖像模式，它們
超越了圖像處理中對紋理元的研究。紋理元是一個由像素組表示的區域。更多有關形狀的
信息參見附錄B.18 關于形狀和形狀邊界的介紹。
圖像分析側重于各種數字圖像測量（例如，像素大小、像素鄰接、像素特征值、像素
鄰域、像素梯度、圖像鄰域的接近度）。圖像分析中三種基于區域的標準方法是等值線閾值
化（二值化圖像）、分水嶺分割（使用從前景像素到背景區域的距離圖計算）和非最大抑制
（通過抑制所有比周圍像素更不可能的像素來找到局部最大值）[208]。
在圖像分析中，前景和背景像素具有不同的鄰接（鄰域），見T. Aberra [3]。有三種基
本的鄰域類型：即羅森菲爾德鄰接鄰域[101，169]、豪斯多夫鄰域[73，74]，以及J. F. Peters
[140]和C. J. Henry [75，76]的描述性鄰域。使用不同的幾何形狀，像素的鄰接鄰域由與給
定像素相鄰的像素限定。一個像素p 的羅森菲爾德鄰接鄰域是一組與p 鄰接的像素。鄰接
鄰域常用于數字圖像中的邊緣檢測。
一個像素p 的豪斯多夫鄰域由與p 的距離小于一個正數r（稱為鄰域半徑）的所有像
素構成。一個像素p 的描述性鄰域（由N(img(x, y), r 表示）由一組具有特征矢量的像素構
成，這些特征矢量與描述img(x, y)的特征矢量匹配或相似，且在規定的r 半徑內。
與鄰接鄰域不同，描述性鄰域可以擁有其中的孔，即具有與鄰域中心不匹配和不屬于
鄰域的特征矢量的像素。其他類型的描述性鄰域在[140，1.16 節，pp.29-34]中介紹。
VI 計算機視覺基礎
本書的章節源于過去若干年中自己教授過的本科生計算機視覺課程的筆記。本書中的
許多主題源于自己與一些研究生和其他人員的討論和交流，尤其是S. Ramanna（很多形狀，
特別是在水晶中）、Anna Di Concilio（鄰近性、區域自由幾何和如圖0.3 的海景形狀）、Clara
Guadagni（花神經結構）、Arturo Tozzi（Borsuk-Ulam 定理的見解和Gibson 形狀，Avenarius
形狀）、Romy Tozzi（記得8，∞）、Zdzis?aw Pawlak（波蘭鄉村繪畫中的形狀）、Lech Polkowski
（那些純粹的，拓撲的和粗糙集結構）、Piotr Artiemjew（蜻蜓翅膀）、Giangiacomo Gerla（那
些UNISA 庭院三角形和空間區域的指示（點））、Gerald Beer（Som Naimpally’s 生活中的
時刻）、Guiseppe Di Maio（關于鄰近性的見解）、Somashekhar (Som) A. Naimpally（拓撲結
構）、Chris Henry（色彩空間，顏色形狀集）、Macek Borkowsk（i 3-D空間觀點）、Homa Fashandi，
Dan Lockery，Irakli Dochviri，Ebubekir ?nan（接近關系和接近組）、Mehmet Ali ?zturk（優
美的代數結構）、Mustafa U?kun、Nick Friesen（住宅的形狀）、?zlem Umdu、Doungrat
Chitcharoen、?enker Sandoz（德勞內三角化）、Surabi Tiwari（許多類別）、Kyle Fedoruk（計
算機視覺應用：斯巴魯EyeSight?）、Amir H. Meghdadi、Shabnam Shahfar、Andrew Skowron
（Banacha 的接近性）、Alexander Yurkin、Marcin Wolksi（束或滑輪）、Piotr Wasilewski、Leon
Schilmoeler、Jerzy W. Grzymala-Busse（關于粗糙集和LATEX 提示的見解）、Zbigniew Suraj
（Petri 網）、Jaros?aw Stepaniuk、Witold Pedrycz、Robert Thomas（傾斜的形狀）、Markovi? G.
oko（多形體）、Miroslaw Pawlak、Pradeepa Yahampath、Gabriel Thomas、Anthony（Tony）
Szturm、Sankar K. Pal、Dean McNeill、Guiseppe（Joe）Lo Vetri、Witold Kinsner、Ken Ferens、
David Schmidt（集合論）、William Hankley（基于時間的規范）、Jack Lange（黑板拓撲涂鴉）、
Irving Sussman（定理和證明中的金塊）和Brian Peters（在墻壁上稍縱即逝的幾何形狀一瞥）。
圖0.3 沿意大利維耶特里海岸線的海景形狀
我們系的技術人員非常樂于助人，尤其是Mount-First Ng，Ken Biegun，Guy Jonatschick
和Sinisa Janjic。
我的很多學生提出了有關本書主題的重要建議，特別是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。
前 言 VII
各章的問題已被分了類。以標記的問題可以迅速地回答。以標記的問題有可能
需要用喝一杯茶或咖啡的時間來完成。解決剩下的問題所需的時間各不相同。
詹姆斯F.彼得斯
溫尼伯，加拿大
|
內容簡介：本書介紹計算機視覺的基礎內容，比較側重計算幾何和目標檢測方面。本書對圖像網格的構建和疊加、德勞內三角剖分和沃羅諾伊鑲嵌、多邊形拼貼、圖像拓撲等都有比較全面深入的介紹，并對圖像結構給出了直觀可視的描述。書中提供了大量相應的Matlab程序，可結合原理學習進行實驗，以進一步加深理解并解決實際問題。 |
目錄：第1章通往機器視覺的基礎知識.1
1.1什么是計算機視覺1
1.2分而治之的方法1
1.3覆蓋在圖像上的沃羅諾伊圖4
1.4計算幾何簡介6
1.5數字圖像的框架8
1.6數字視覺空間12
1.7創建你自己的圖像12
1.8隨機生成圖像14
1.9顯示圖像的方法16
1.10數字圖像的格式17
1.11圖像數據類型18
1.12彩色圖像21
1.12.1彩色空間21
1.12.2彩色通道21
1.13彩色查找表24
1.14圖像幾何初步26
1.15訪問和修改圖像像素值29
1.16彩色、灰度和二值圖像31
1.17像素的羅森菲爾德8-鄰域32
1.18距離：歐幾里得和出租車測度35
1.19假彩色：點彩派繪畫37
1.19.1假彩色RGB圖像模式37
1.19.2假彩色灰度圖像模式39
1.20數字圖像上的矢量空間41
1.20.1點積41
1.20.2圖像梯度42
1.21相機看見什么：智能系統視圖43
1.21.1相機視覺系統中的智能系統方法43
1.21.2相機感知的場景彩色44
1.22圖像幾何：圖像上的沃羅諾伊和德勞內網格47
1.22.1汽車圖像上的沃羅諾伊網格47
1.22.2沃羅諾伊圖像的子網格揭示了什么信息50
1.23神經結構50
X計算機視覺基礎
1.23.1汽車圖像上的德勞內網格54
1.23.2在汽車圖像上結合沃羅諾伊和德勞內網格55
1.24視頻幀網格覆蓋57
1.24.1離線視頻幀處理57
1.24.2實時視頻處理60
第2章像素加工.63
2.1圖像元素63
2.2分離彩色圖像通道65
2.3彩色向灰度的轉換66
2.4對像素強度的代數操作67
2.5用邊緣像素選擇解釋像素選擇72
2.6基于函數修改圖像像素值78
2.7圖像的邏輯操作81
2.7.1像素強度的補和邏輯非81
2.7.2成對二值圖像的XOR操作.82
2.8從背景中提取前景84
2.9閾值化彩色通道的合并85
2.10增強圖像的對比度87
2.11伽馬變換88
2.12伽馬校正89
第3章可視化像素強度分布.91
3.1直方圖和繪制93
3.1.1直方圖94
3.1.2莖干圖95
3.1.3繪制96
3.1.4表面繪制96
3.1.5線框表面繪制98
3.1.6輪廓繪制98
3.2等值線98
3.3彩色直方圖100
3.4自適應閾值化102
3.5對比度拉伸103
3.6直方圖匹配106
第4章線性濾波.108
4.1圖像濾波的重要性108
4.2濾波器核109
4.3線性濾波器實驗110
4.4線性卷積濾波111
4.5選取感興趣區域112
目錄XI
4.6給圖像加噪聲114
4.7均值濾波116
4.8中值濾波117
4.9排序濾波118
4.10正態分布濾波120
第5章邊緣、線、角點、高斯核與沃羅諾伊網格.121
5.1線性函數121
5.2邊緣檢測123
5.3雙精度拉普拉斯濾波器126
5.4增強數字圖像邊緣127
5.5高斯核128
5.6高斯濾波器130
5.7高斯濾波器核圖像恢復131
5.8高斯-拉普拉斯濾波器圖像增強.132
5.9零交叉邊緣濾波器圖像增強132
5.10各向異性與各向同性邊緣檢測134
5.11在數字圖像中檢測邊緣核線136
5.12檢測圖像角點138
5.13基于圖像角點的沃羅諾伊網格重訪140
5.13.1沃羅諾伊鑲嵌細節140
5.13.2沃羅諾伊多邊形的位置140
5.14構建基于角點的沃羅諾伊網格的步驟142
5.15網格生成器集合中的極端圖像角點142
5.16具有極端角點圖像上的沃羅諾伊網格144
5.17孤立圖像邊緣的圖像梯度方法145
5.18角點、邊緣和沃羅諾伊網格147
第6章德勞內網格分割.149
6.1德勞內三角化生成三角網格149
6.2三角形外接圓151
6.3在圖像上構建基于角點的德勞內網格151
6.4基于質心的德勞內圖像網格152
6.4.1尋找圖像質心153
6.4.2尋找圖像質心的德勞內網格154
6.4.3尋找圖像質心的沃羅諾伊網格154
6.4.4尋找疊加在德勞內網格上的圖像質心沃羅諾伊網格155
第7章視頻處理、實時和離線視頻分析介紹.157
7.1視頻處理基礎158
7.1.1幀圖像點處理158
7.1.2圖像采集158
XII計算機視覺基礎
7.1.3斑塊159
7.1.4幀拼貼和幀幾何159
7.2視頻幀的沃羅諾伊拼貼160
7.3在視頻幀中檢測目標形狀160
7.4測量目標的形狀相似性和沃羅諾伊視覺外殼161
7.5最大核聚類163
7.6問題166
7.7形狀距離171
7.8邊緣集的權函數172
7.9最大邊緣集173
7.9.1粗糙輪廓邊緣集173
7.9.2最大核聚類連通網格區域175
第8章洛韋關鍵點、最大核聚類、輪廓和形狀.177
8.1圖像分析.178
8.2場景分析.179
8.3像素邊緣增強.180
8.4數字圖像的裁剪和稀疏表示.183
8.5形狀理論和2-D圖像目標的形狀：面向圖像目標形狀檢測.185
8.6圖像像素梯度的朝向和強度.186
8.7高斯差.187
8.8圖像關鍵點：洛韋SIFT方法189
8.9應用：圖像網格核的關鍵點邊界.191
8.10超（外）核輪廓.193
8.11最大核聚類輪廓形狀的質量.194
8.12粗糙S2P和S3P（2級和3級）最大核聚類輪廓194
8.13關鍵點數量的實驗.196
8.14雙重最大核聚類上的粗糙周邊.199
8.15圖像最大核聚類區域的萊利熵.199
8.16問題.202
第9章后記：形狀適合計算機視覺環境的地方.204
9.1自然場景中的目標形狀.204
9.2形狀估計.207
附錄AMatlab和Mathematica編程.210
A.1第1章的程序.210
A.1.1數字圖像角點210
A.1.2沃羅諾伊鑲嵌算法的實現211
A.1.3德勞內鑲嵌算法的實現213
A.1.4沃羅諾伊和德勞內鑲嵌結合算法的實現216
A.1.5第1章的離線視頻處理程序218
目錄XIII
A.1.6第1章的實時視頻處理程序219
A.2第2章的程序.221
A.2.1數字圖像像素221
A.2.2彩色圖像通道223
A.2.3彩色向灰度的轉換224
A.2.4對像素強度的代數操作225
A.2.5選擇和顯示邊緣像素的彩色像素強度228
A.2.6基于函數的像素值修改231
A.2.7對圖像的邏輯操作233
A.3第3章的程序.234
A.3.1像素強度直方圖（分檔）234
A.3.2像素強度分布235
A.3.3像素強度等值線237
A.4第4章的程序.238
A.5第5章的程序.238
A.5.11-D高斯核繪圖.238
A.5.2高斯核實驗240
A.5.32-D高斯核繪圖.241
A.5.4高斯平滑圖像242
A.5.5圖像恢復243
A.5.6圖像角點245
A.5.7具有和沒有圖像角點的沃羅諾伊網格247
A.6第6章的程序.248
A.6.1查找2-D和3-D圖像質心248
A.6.2另一種查找圖像質心的方法249
A.6.3查找圖像質心的德勞內網格250
A.6.4查找圖像質心的沃羅諾伊網格251
A.6.5查找覆蓋在德勞內網格上的圖像質心沃羅諾伊網格252
A.7第7章的程序.253
A.7.1沃羅諾伊鑲嵌視頻幀中的邊緣集測量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像素邊緣強度259
A.8.4繪制反正切值260
A.8.5像素幾何：梯度方向和梯度幅度261
A.8.6高斯差圖像263
A.8.7圖像關鍵點和沃羅諾伊網格263
XIV計算機視覺基礎
附錄B詞匯表.266
B.1數字與符號.266
B.2B268
B.3C271
B.4D271
B.5F.273
B.6G274
B.7H274
B.8J274
B.9K279
B.10L.281
B.11M284
B.12N284
B.13P.284
B.14Q285
B.15S.285
B.16T.287
B.17W.291
B.18X292
B.19Z.294
參考文獻.296
主題索引.306 |
| 序： |
|
