读书笔记之——数字图像处理与机器视觉（一）

缺乏、安全感 2022-09-25 05:22 66阅读 0赞

这本书自从买来之后，一直没有仔细的看过，处于吃灰状态……在外界的作用下开始尝试写读书笔记，希望能够坚持下去，起到应有的作用！！！谨以此勉励自己！！！

虽然出身计算机专业，但是越发觉得懂得太少，无知者无畏，知道的越多，才知道不知道的夜更多，所以投资大脑是绝对正确的！

在上一家单位时，由于公司主要内容是机器视觉与图像处理——刚听上去觉得高大上，实际上也的确是比较前沿的东西，回头再安利。通常公司中接触的都是很小的一方面，所以在我看来所谓的机器视觉，就是以机器来代替实现人眼的某些部分功能，通常来讲就是通过机器视觉系统（包括图像采集单元＋控制单元＋图像处理单元）来实现，个人偏颇之见纯属易于理解，严谨点说，具体定义请参照下述美国制造工程等协会的定义：

机器视觉（Machine Vision）是通过光学的装置和非接触的传感器自动地接受和处理一个真实物体的图像，通过分析图像获得所需信息或用于控制机器运动的装置。简单来讲，机器视觉是指基于视觉技术的机器系统或学科。

以下是百度百科关于机器视觉的解释，http://baike.baidu.com/link?url=UOk5BTWHgsdBAft\_z02\_Vi\_IpjTRa9htV4LD4DDR8tekZlwA4cWf6IeR13hvn1n6VXwEgbvk6dKHTxPtPKJN5\_

机器视觉涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域，目前以及未来的应用前景非常广阔，目前大家所熟知的应用领域有（只说民用领域）：自动驾驶、无人机控制、扫码、机器人、工业自动化检测－PCB外观检测等。

机器视觉技术的实现离不开图像的处理，所以想要学习机器视觉方面的技术懂得图像处理方面的知识就得是必须的，张铮等老师著的《数字图像处理与机器视觉》就是选择之一，其他如冈萨雷斯的著作也是大名鼎鼎。由于是自学且高数功底不行，所以一旦涉及到复杂计算就比较晕了，先介绍一下通识基础点吧。

本书的第一章主要介绍了数字图像处理的基础知识，使得读者对其有一个基本的了解，能够正确的理解认识数字图像的本质。下面概述总结一些知识点：

1.数字图像含义及其分类——根据图像特性分为位图与矢量图；根据每个像素所代表的信息可将图像分为二值图像、灰度图像、RGB图像以及索引图像。

2.数字图像的实质——数字图像可以是两个变量（对于静止图像，Static Image）或三个变量（对于动态画面，video sequence）的离散函数。个人觉得到了这里就有点复杂了，对于我来说已经不太好理解了，现阶段对于使用相应的库来讲理解知道怎么使用是我的初级目标，所以在图像的实质上我将它理解成点阵矩阵就好了。

3.图像的分辨率——看了才知道之前理解的分辨率是很局限的，

图像有空间分辨率（Spatial Resolution）：指图象中单位长度包含的像素或者点的数目常以像素／英寸（Pixels per inch,ppi）为单位来表示，一般在没有必要对涉及像素的物理分辨率进行实际度量时，通常会称一幅大小为M＊N的数字图像的空间分辨率为M＊N像素，此为大家通常所理解的分辨率。

像素越小，单位长度所包含的像素数据就越多，分辨率也就越高，但同样物理大小范围内所对应的图像的尺寸也会越大，存储图像所需要的字节数也越多。在图像的放大缩小算法中，放大就是对图像的过采样，缩小就是对图像的欠采样。放大图像时是通过复制行列插值的方法来确定新增像素的取值，这会导致图像尺寸变大但是不清晰。

图像的灰度级／辐射计量分辨率（Radiometric Resolution）: 在数字图像处理中，灰度级分辨率又叫色阶，指图象中可分辨的灰度级数目，因为灰度级度量的是投射到传感器上的光辐射值的强度，所以灰度级分辨率也叫辐射计量分辨率。

本篇暂且简介到此，接下文。