什么是计算机视觉

计算机视觉，也称机器视觉。它是利用一个代替人眼的图像传感器获取物体的图像，将图像转换成数字图像，并利用计算机模拟人的判别准则去理解和识别图像，达到分析图像和作出结论的目的。该技术是模拟识别人工智能、心理物理学、图像处理、计算机科学及神经生物学等多领域的综合学科。计算机视觉技术用摄像机模拟人眼，用计算机模拟大脑，用计算机程序和算法来模拟人对事物的认识和思考，替代人类完成程序为其设定的工作。该技术由多个相关的图像处理系统组成，主要包括光源提供系统、图像提取系统、计算机数据运算系统等。原理是：首先通过摄像机获得所需要的图像信息，然后利用信号转换将获得的图像信息转变为数字图像以便计算机正确识别。

计算机视觉的发展

计算机视觉起源于20世纪50年代的统计模式识别，开始的研究主要基于二维技术，用于二维图像的识别与分析。6o年代，Roberts通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述。到了7O年代，已经出现了一些视觉应用系统。7O年代中期，麻省理工学院（MIT)人工智fi~(AI)实验室正式开设“机器视觉”课程。80年代开始，计算机视觉技术得到了迅猛发展。Marr从心理物理学、神经生理学、临床神经病学出发，对人的视觉理论进行了系统的研究，提出了第一个较为完善的视觉系统框架。之后，计算机视觉领域展开了基于感知特征群集进行三维目标识别的研究。目前，关于计算机视觉的研究主要集中于其应用，其应用前景相当的广阔。

计算机视觉的关键技术

计算机视觉信息的处理技术主要依赖于图像处理方法，经过处理后输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。

1.图像分割

图像分割是将图像分成若干部分，每一部分对应于某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。其本质是将像素进行分类，分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。图像分割主要有两种方法：一是鉴于度量空间的灰度阈值分割法，另一种是空间域区域增长分割方法。

2.图像增强

图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表，与对比度紧密相连。

3.图像平滑

图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中因成像设备和环境所造成的图像失真，提取有用信息，去除噪声，恢复原始图像是图像处理中的一个重要内容。

4.图像编码和传输

数字图像的数据量是相当庞大的，高信道速率意味着高投资，也意味着普及难度增加。因此，传输过程中，对图像数据进行压缩显得非常重要。图像数据的压缩主要通过图像数据的编码和变换压缩完成。

5.边缘锐化

图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面，它是早期视觉理论和算法中的基本问题，也是中期和后期视觉成败的重要因素之一。

6.图像识别

图像的识别过程实际上可以看作是一个标记过程，即利用识别算法来辨别景物中已分割好的各个物体，给这些物体赋予特定的标记，它是机器视觉系统必须完成的一个任务。目前用于图像识别的方法主要分为决策理论和结构方法。

计算机视觉的应用领域

计算机视觉的应用主要包括对照片、视频资料如航空照片、卫星照片、视频片段等的解释、精确制导、移动机器人视觉导航、医学辅助诊断、工业机器人的手眼系统、地图绘制、物体三维形状分析与识别及智能人机接口等。

早期进行数字图像处理的目的之一就是要通过采用数字技术提高照片的质量，辅助进行航空照片和卫星照片的读取判别与分类。由于需要判读的照片数量很多，于是希望有自动的视觉系统进行判读解释，在这样的背景下产生了许多航空照片和卫星照片判读系统与方法。自动判读的进一步应用就是直接确定目标的性质，进行实时的自动分类，并与制导系统相结合。在导弹系统中常常将惯性制导与图像制导结合，利用图像进行精确的末制导。

工业机器人的手眼系统是计算机视觉应用最为成功的领域之一。由于工业现场的诸多因素是可控的，使得问题大为简化，有利于构成实际的系统。与工业机器人不同，对于移动机器人而言，由于它具有行为能力，于是就必须解决行为规划问题，即对环境的了解。随着移动式机器人的发展，越来越多地要求提供视觉能力，包括道路跟踪、回避障碍、特定目标识别等。目前移动机器人视觉系统研究仍处于实验阶段，大多采用遥控和远视方法。

在医学上采用的图像处理技术大致包括压缩、存储、传输和自动／辅助分类判读。与计算机视觉相关的工作包括分类、判读和快速三维结构的重建等方面。在地图绘制上利用航测加上立体视觉中恢复三维形状的方法绘制地图，大大提高了地图绘制的效率。同时，通用物体三维形状分析与识别一直是计算机视觉的重要研究目标，并在景物的特征提取、表示、知识的存储、检索以及匹配识别等方面都取得了一定的进展，构成了一些用于三维景物分析的系统。