計算機視覺的方向精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計算機視覺的方向主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺的方向范文

關鍵詞：人眼視覺特性；Butterworth濾波器；空間頻率；彩色圖像濾波

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2014）16-3893-03

已有的研究表明，空間頻率變化影響視覺紋理、面部模式和文字的識別績效[1]。而其中空間頻率的處理依賴于對變換域理論與人眼視覺特性的研究。但是是在以往的圖像濾波處理中，仍然存在計算方式不統一、不明確，單位多樣的問題，對研究結果之間的交流帶來了諸多不便。該文通過已有的圖像空間頻率和視覺空間頻率的公式，結合Butterworth濾波器的傳遞函數，提出了一種更加簡單、直觀的濾波器截止頻率參數計算方法，并結合MATLAB對彩色圖像進行了實際的處理和具體的分析。

1 視覺上的空間頻率和圖像空間頻率的轉換關系

人眼視覺特性（HVS）是圖像處理技術的理論基礎，在應用人眼的感知特性進行圖像處理的過程中，最關鍵的是將人眼視覺特性及其模型與圖像的變換域特征結合起來，也就是將視覺的空間頻率和圖像的空間頻率建立聯系，利用頻率之間的聯系就可以實現對圖像的濾波處理。

根據上式及公式（5），也可以得出位置[（u，v）]的點對應的圖像空間頻率[υ]。

3 基于人眼視覺特性的Butterworth濾波器空間頻率的計算方法

本文采用的濾波器為巴特沃思濾波器，它在線性相位、衰減斜率和加載特性三個方面具有特性均衡的優點。因此在自動控制、圖像、通信等眾多領域得到了廣泛的應用。因為Butterworth低通和高通濾波器的傳遞函數用到的參數均相同[3]，故這里就以Butterworth低通濾波器為例闡述頻率參數的計算方法。

已知n階截止頻率為Do的Butterworth低通濾波器的傳遞函數為：

5 總結

從圖像處理效果看出，在具體的濾波實驗中，只要設定好[f0]的數值，就可方便計算出Do的值，并應用MATLAB進行圖像處理。由于多數的圖像處理研究中經常將空間頻率的單位設定為cpi（cycle per image）、cpf（cycle per face）等，而其數值就是[α]（各自對應的視角）與[f0]的乘積，即Do。通過公式（7）可看出兩頻率之間的轉換關系是一個非常簡單的表達式，在圖像處理中，可以減少很大的圖像處理的計算量和復雜程度，并應用公式（8）和程序直接進行高低通的濾波處理。這表明提出的計算方法和彩色圖像濾波程序是一種簡單、直觀的處理方式。希望在圖像處理技術中能夠得到較好的應用。

參考文獻：

[1] 郭小朝.空間頻率、筆畫數及字頻對漢字識別的影響[J].人類工效學，1999，5（4）： 5-7.

第2篇：計算機視覺的方向范文

關鍵詞：計算機視覺技術；食品工業；分級；圖像處理

中圖分類號： TS207 文獻標識碼：A

隨著微型個人計算機應用的越來越廣泛，以及計算機在綜合學科中應用的深入研究，現如今在工農業、軍事國防、醫學衛生等眾多領域的使用和研究方面計算機視覺技術都起到了至關重要的作用，為了節省人力、降低成本、減少誤差，該項技術在食品企業、科研院所、檢測機構中的應用更加普遍。如今，在農產品藥物殘留檢測、水果重量分級、等級篩選、質量監管等方面計算機視覺技術有眾多應用。

1 計算機視覺技術概述

計算機視覺技術是利用計算機、攝像機、圖像卡以及相關處理技術來模擬人的視覺，用以識別、感知和認識我們生活的世界[1]。該技術是模擬識別人工智能、心理物理學、圖像處理、計算機科學及神經生物學等多領域的綜合學科。計算機視覺技術用攝像機模擬人眼，用計算機模擬大腦，用計算機程序和算法來模擬人對事物的認識和思考，替代人類完成程序為其設定的工作。該技術由多個相關的圖像處理系統組成，主要包括光源提供系統、圖像提取系統、計算機數據運算系統等。原理是：首先通過攝像機獲得所需要的圖像信息，然后利用信號轉換將獲得的圖像信息轉變為數字圖像以便計算機正確識別[2]。隨著科學技術的發展，計算機技術在各個領域得到廣泛應用，計算機視覺技術不僅在代替人類視覺上取得了重大成就，而且在很多具體工作方便超越了人的視覺功能。計算機視覺計算有如此快速的發展，是因為與人類的視覺相比該技術具有以下顯著優勢[3]。

1.1 自動化程度高

計算機視覺可以實現對農產品的多個外形和內在品質指標進行同時檢測分析，可以進行整體識別、增強對目標識別的準確性。

1.2 實現無損檢測

由于計算機視覺技術對農產品的識別是通過掃描、攝像，而不需要直接接觸，可以減少對所檢測食品的傷害。

1.3 穩定的檢測精度

設計的運行程序確定后，計算機視覺技術的識別功能就會具有統一的識別標準，具有穩定的檢測精度，避免了人工識別和檢測時主觀因素所造成的差異。

2 計算機視覺技術在食品檢測中的應用

20世紀70年代初，學者開始研究計算機視覺技術在食品工業中的應用，近幾十年電子技術得到快速發展，計算機視覺技術也越來越成熟。國內外學者在研究計算機視覺技術在食品工業中的應用方面主要集中在該技術對果蔬的外部形態（如形狀、重量、外觀損傷、色澤等）的識別、內部無損檢測等方面。國內有關計算機視覺技術在食品業中的應用研究起始于90年代，比國外發達國家晚多達20a，但是發展很快。

2.1 計算機視覺技術在果蔬分級中的應用研究

計算機視覺技術在食品檢測中的應用研究相當廣泛，從外部直徑、成熟度的檢測到內部腐爛程度的檢測都有研究。韓偉等[4]采用分割水果的拍攝圖像和新的計算機算法計算水果的半徑，進而得出果蔬的最大直徑。研究表明，該算法不僅降低了計算量而且提高了計算精度，此方法用于水果分級的誤差不超過2mm，高于國際水果分級標準所規定的5mm分類標準差，可在工業生產中很好應用。李慶中[5]也利用圖像的缺陷分割算法研究了計算機視覺技術在蘋果檢測與分級中的應用，結果表明此算法能快速、有效地分割出蘋果的表面缺陷。孫洪勝等[6]以蘋果色澤特征比率的變化規律為理論基礎，結合模糊聚類知識利用計算機視覺技術來檢測蘋果缺陷域，檢測不僅快速而且結果精確。劉禾等[7]通過研究認為蘋果的表面缺陷可以利用計算機視覺技術進行檢測，計算機視覺技術還可以將蘋果按照檢測結果進行分級，把檢測過的蘋果分成裂果、刺傷果、碰傷果和蟲傷果等類別。梨的果梗是否存在是梨類分級的重要特征之一，應義斌等[8]通過計算機視覺技術、圖像處理技術、傅立葉描述子的方法來描述和識別果形以及有無果柄，其識別率達到90%。楊秀坤等[9]綜合運用計算機視覺技術、遺傳算法、多層前饋神經網絡系統，實現了具有精確度高、靈活性強和速度快等優點的蘋果成熟度自動判別。陳育彥等[10]采用半導體激光技術、計算機視覺技術和圖像分析技術相結合的方法檢測蘋果表面的機械損傷和果實內部的腐爛情況，初步驗證了計算機視覺技術檢測蘋果表面的損傷和內部腐爛是可行的。馮斌等[11]通過計算機視覺技術對水果圖像的邊緣進行檢測，然后確定水果的大小用以水果分級。試驗表明，該方法比傳統的檢測方法速度快、準確率高，適用于計算機視覺的實時檢測。朱偉[12]在模糊顏色的基礎上，分析西紅柿損傷部分和完好部分模糊顏色的差別，用分割方法對西紅柿的缺陷進行分割，結果顯示準確率高達96%。曹樂平等[13]人研究了溫州蜜柑的果皮顏色與果實可滴定酸含量以及糖分含量之間的相關性，然而根據相關性，樣品檢測的正確識別率分別只有約74%和67%。劉剛等[14]從垂直和水平兩個方向獲取蘋果的圖像，并通過計算機自動分析圖像數據，對蘋果的外徑、體積、以及圓形度等參數進行處理，與人工檢測相比，計算機視覺技術具有檢測效率高，檢測標準統一性好等優點。Blasco. J [15]通過計算機視覺技術分析柑橘果皮的缺陷，進而對其在線分級，正確率約為95%。趙廣華等[16]人綜合計算機視覺識別系統、輸送轉換系統、輸送翻轉系統、差速勻果系統和分選系統，研制出一款適于實時監測、品質動態的智能分級系統，能夠很好地實現蘋果分級。王江楓等[17]建立了芒果重量與攝影圖像的相互關系，應用計算機視覺技術檢測桂香芒果和紫花芒果的重量和果面損傷，按重量分級其準確率均為92%，按果面損傷分級的準確率分別為76%和80%。

2.2 計算機視覺技術在禽蛋檢測中的應用研究

禽蛋企業在生產過程中，產品的分級、品質檢測主要采用人工方法，不僅需要大量的物力人力，而且存在勞動強度大、人為誤差大、工作效率低等缺點，計算機視覺技術可以很好的解決這類產品工業生產中存在的困擾。歐陽靜怡等[18]利用計算機視覺技術來檢測雞蛋蛋殼裂紋，利用攝像機獲取雞蛋圖像后，采用fisher、同態濾波和BET算法等優化后的圖像處理技術，獲得裂紋形狀并判斷，試驗結果表明，計算機視覺技術對雞蛋蛋殼裂紋的檢測準確率高達98%。汪俊德等[19]以計算機視覺技術為基礎，設計出一套雙黃雞蛋檢測系統。該系統獲取蛋黃指數、蛋黃特征和蛋形尺寸等特征，和設計的數學模型對比來實現雙黃雞蛋的檢測和識別，檢測準確率高達95%。鄭麗敏等[20]人通過高分辨率的數字攝像頭獲取雞蛋圖像，根據圖像特征建立數學模型來預測雞蛋的新鮮度和貯藏期，結果表明，計算機視覺技術對雞蛋的新鮮度、貯藏期進行預測的結果準確率為94%。潘磊慶等[21]通過計算機視覺技術和聲學響應信息技術相結合的方法檢測裂紋雞蛋，其檢測準確率達到98%。Mertens K等[22]人基于計算機視覺技術研發了雞蛋的分級檢測系統，該系統識別帶污漬雞蛋的正確率高達99%。

2.3 計算機視覺技術在檢測食品中微生物含量中的應用研究

計算機技術和圖像處理技術在綜合學科中的應用得到快速發展，在微生物快速檢測中的應用也越來越多，主要是針對微生物微菌落的處理。食品工業中計算機視覺技術在微生物檢測方面的研究和應用以研究單個細胞為主，并在個體細胞的研究上取得了一定的進展。殷涌光等[23]以顏色特征分辨技術為基礎，設計了一套應用計算機視覺技術快速定量檢測食品中大腸桿菌的系統，該系統檢測結果與傳統方法的檢測結果具有很好的相關性，但與傳統方法相比，可以節省5d時間，檢測時間在18h以內，并且能夠有效提高產品品質。Lawless等[24]人等時間段測定培養基上的細胞密度，然后通過計算機技術建立時間和細胞密度之間的動態關聯，利用該關聯可以預測和自動檢測微生物的生長情況，如通過計算機控制自動定量采集檢測對象，然后分析菌落的邊緣形態，根據菌落的邊緣形態計算機可以顯示被檢測菌落的具置，并且根據動態關聯計算機視覺系統可以同時處理多個不同的樣品。郭培源等[25]人對計算機視覺技術用于豬肉的分級進行了研究，結果顯示計算機視覺技術在識別豬肉表面微生物數量上與國標方法檢測的結果顯著相關，該技術可以有效地計算微生物的數量。Bayraktar. B等[26]人采用計算機視覺技術、光散射技術（BARDOT）和模式識別技術相結合的方法來快速檢測李斯特菌，在獲取該菌菌落中的形態特征有對圖像進行分析處理達到對該菌的分類識別。殷涌光等[27]人綜合利用計算機視覺、活體染色、人工神經網絡、圖像處理等技術，用分辨率為520萬像素的數字攝像機拍攝細菌內部的染色效果，并結合新的圖像處理算法，對細菌形態學的8個特征參數進行檢測，檢測結果與傳統檢測結果顯著相關（相關系數R=0.9987），和傳統檢測方法相比該方法具有操作簡單、快速、結果準確、適合現場快速檢測等特點。魯靜[28]和劉侃[29]利用顯微鏡和圖像采集儀器，獲取乳制品的掃描圖像，然后微生物的圖像特征，識別出微生物數量，并以此作為衡量乳制品質量是否達標的依據，并對產品進行分級。

2.4計算機視覺技術在其他食品產業中的應用研究

里紅杰等[30]通過提取貝類和蝦類等海產品的形狀、尺寸、紋理、顏色等外形特征，對照數學模型，采用數字圖像處理技術、計算機識別技術實現了對貝類和蝦類等海產品的無損檢測和自動化分類、分級和質量評估，并通過實例詳細闡述了該技術的實現方法，證實了此項技術的有效性。計算機視覺技術還可以檢驗玉米粒形和玉米種子質量、識別玉米品種和玉米田間雜草[31]。晁德起等[32]通過x射線照射獲取毛葉棗的透視圖像后，運用計算機視覺技術對圖像進行分析評估，毛葉棗可食率的評估結果與運用物理方法測得的結果平均誤差僅為1.47%，因此得出結論：計算機視覺技術可以應用于毛葉棗的自動分級。Gokmen，V等通用對薯片制作過程中圖像像素的變化來研究薯片的褐變率，通過分析特色參數來研究薯片中丙烯酰胺的含量和褐變率也關系，結果顯示兩項參數相關性為0.989，從而可以應用計算機視覺技術來預測加熱食品中丙烯酰胺的含量，該方法可以在加熱食品行業中得到廣泛應用。韓仲志等人拍攝和掃描11類花生籽粒，每類100顆不同等級的花生籽粒的正反面圖像，利用計算機視覺技術對花生內部和外部采集圖像，并通過圖像對其外在品質和內在品質進行分析，并建立相應的數學模型，該技術在對待檢樣品進行分級檢測時的正確率高達92%。另外，郭培源等人以國家標準為依據，通過數字攝像技術獲取豬肉的細菌菌斑面積、脂肪細胞數、顏色特征值以及氨氣等品質指標來實現豬肉新鮮程度的分級辨認。

3 展望

新技術的研究與應用必然伴隨著坎坷，從70年代初計算機視覺技術在食品工業中進行應用開始，就遇到了很多問題。計算機視覺技術在食品工業中的研究及應用主要存在以下幾方面的問題。

3.1 檢測指標有限

計算機視覺技術在檢測食品單一指標或者以一個指標作為分級標準進行分級時具有理想效果，但以同一食品的多個指標共同作為分級標準進行檢測分級，則分級結果誤差較大。例如，Davenel等通過計算機視覺對蘋果的大小、重量、外觀損傷進行分析，但研究結果顯示，系統會把花粵和果梗標記為缺陷，還由于蘋果表面碰壓傷等缺陷情況復雜，造成分級誤差很大，分級正確率只有69%。Nozer等以計算機視覺為主要技術手段，獲取水果的圖像，進而通過分析圖像來確定水果的形狀、大小、顏色和重量，并進行分級，其正確率僅為85.1%。

3.2 兼容性差

計算機視覺技術針對單一種類的果蔬分級檢測效果顯著，但是同一套系統和設備很難用于其他種類的果蔬，甚至同一種類不同品種的農產品也很難公用一套計算機視覺設備。Reyerzwiggelaar等利用計算機視覺檢查杏和桃的損傷程度，發現其檢測桃子的準確率顯著高于杏的。Majumdar.S等利用計算機視覺技術區分不同種類的麥粒，小麥、燕麥、大麥的識別正確率有明顯差異。

3.3 檢測性能受環境制約

現階段的計算機視覺技術和配套的數學模型適用于簡單的環境，在復雜環境下工作時會產生較大的誤差。Plebe等利用計算機視覺技術對果樹上的水果進行識別定位，但研究發現由于光照條件以及周邊環境的影響，水果的識別和定位精度不高，不能滿足實際生產的需要。

綜上所述，可看出國內外學者對計算機視覺技術在食品工業中的應用進行了大量的研究，有些研究從單一方面入手，有些研究綜合了多個學科，在研究和應用的過程中，取得了較大的經濟效益，也遇到了很多問題，在新的形勢下，計算機視覺技術和數碼拍攝、圖像處理、人工神經網絡，數學模型建設、微生物快速計量等高新技術相融合的綜合技術逐漸成為了各個領域學者的研究熱點，以計算機視覺為基礎的綜合技術也將在食品工業中發揮更加重要的作用。

參考文獻

[1] 寧紀鋒，龍滿生，何東健.農業領域中的計算機視覺研究[J].計算機與農業，2001（01）：1-3.

[2] 李崢.基于計算機視覺的蔬菜顏色檢測系統研究[D].吉林：吉林大學，2004.

[3] 曾愛群.基于計算機視覺與神經網絡的芒果等級分類研究[D].桂林：桂林工學院，2008.

[4] 韓偉，曾慶山.基于計算機視覺的水果直徑檢測方法的研究[J].中國農機化，2011（05）：25-29.

[5] 李慶中.蘋果自動分級中計算機視覺信息快速獲取與處理技術的研究[D].北京：中國農業大學，2000.

[6] 孫洪勝，李宇鵬，王成，等.基于計算機視覺的蘋果在線高效檢測與分級系統[J].儀表技術與傳感器，2011（06）：62-65.

[7] 劉禾，汀慰華.水果果形判別人工神經網絡專家系統的研究[J].農業工程學報，1996，12（0l）：171-176.

[8] 應義斌，景寒松，馬俊福.用計算機視覺進行黃花梨果梗識別的新方法[J].農業工程學報，1998，14（02）：221-225.

[9] 楊秀坤，陳曉光，馬成林，等.用遺傳神經網絡方法進行蘋果顏色白動檢測的研究[J].農業工程學報，1997，13（02）：193-176.

[10] 陳育彥，屠康，柴麗月，等.基于激光圖像分析的蘋果表面損傷和內部腐爛檢測[J].農業機械學報，2009，40（07）：133-137.

[11] 馮斌，汪憋華.基于計算機視覺的水果大小檢測方法[J].農業機械學報，2003，34（01）：73-75.

[12] 朱偉，曹其新.基于模糊彩色聚類方法的西紅柿缺陷分割[J].農業工程學報，2003，19（03）：133-136.

[13] 曹樂平，溫芝元，沈陸明.基于色調分形維數的柑橘糖度和有效酸度檢測[J].農業機械學報，2009，41（03）：143-148.

[14] 劉剛，王立香，柳兆君.基于計算機視覺的蘋果質量檢測[J].安徽農業科學，2012，40（08）：5014-5016.

[15] Blasco J，Aleixos N，Molto puter vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J].Journal of Food Engineering，2007，81（03）：535-543.

[16] 趙廣華，飛，陸奎榮，等.智能化蘋果品質實時分選系統[J].中國科技信息.

[17] 王江楓，羅錫文，洪添勝，等.計算機視覺技術在芒果重量及果面壞損檢測中的應用[J].農業工程學報，1998（12）：186-189.

[18] 歐陽靜怡，劉木華.基于計算機視覺的雞蛋裂紋檢測方法研究[J].農機化研究，2012（03）：91-93.

[19] 汪俊德，鄭麗敏，徐桂云，等.基于計算機視覺技術的雙黃雞蛋檢測系統研究[J].農機化研究，2012（09）：195-199.

[20] 鄭麗敏，楊旭，徐桂云，等.基于計算機視覺的雞蛋新鮮度無損檢測[J].農業工程學報，2009，25（03）：335-339.

[21] 潘磊慶，屠康，詹歌，等.基于計算機視覺和聲學響應信息融合的雞蛋裂紋檢測[J].農業工程學報，2010，26（11）：332-337.

[22] Mertens K，De Ketelaere B，Kamers B，et al.Dirt detection on brown eggs by means of colorcomputer vision[J]. Poultry Science，2005，84（10）：1653-1659.

[23] 殷涌光，丁筠.基于計算機視覺的食品中大腸桿菌快速定量檢測[J].吉林大學學報（工學版），2009，39（02）：344-348.

[24] Lawless C，Wilkinson DJ，Young A，et al.Colonyzer： automated quantification of micro-organism growth characteristics on solid agar[J].BMC Bioinformatics，2010（08）：38-44.

[25] 郭培源，畢松，袁芳.豬肉新鮮度智能檢測分級系統研究[J].食品科學，2010，31（15）：68-72.

[26] Bayraktar B，Banada PP，Hirleman ED，et al.Feature extraction from light-scatter patterns of Listeria colonies for identification and classification [J].Journal of Biomedical Optics，2006，11（03）：34- 36.

[27] 殷涌光，丁筠.基于計算機視覺的蔬菜中活菌總數的快速檢測[J].農業工程學報，2009，25（07）：249-254.

[28] 魯靜.乳品微生物自動檢測系統的設計[J].湖北第二師范學院學報，2010，27（08）：115-117.

[29] 劉侃.鮮奶含菌量快速檢測系統[D].華中科技大學，2008.

[30] 里紅杰，陶學恒，于曉強.計算機視覺技術在海產品質量評估中的應用[J].食品與機械，2012，28（04）：154-156.

第3篇：計算機視覺的方向范文

關鍵詞 計算機視覺；立體匹配；研究情況

中圖分類號：TP391 文獻標識碼：A 文章編號：1671-7597（2014）07-0001-01

隨著科學技術的快速發展，計算機技術也得到了飛速的發展。將計算機技術應用于人類的視覺系統，并輔助人們觀察到一些眼睛難以看到的東西，已經逐漸成為一門大家所熱捧和追逐的技術。隨著人們對視覺傳感器技術越來越多的探索，人們也逐漸實現了古代時想擁有千里眼的夢想。目前，人們已經把視覺傳感器技術和計算機技術良好的結合在一起，并把這些技術應用到食品、建筑、醫藥、電子、航天航空等眾多領域當中。而該項技術的快速發展，也幫助人們解決了一些日常工作當中人類視覺存在盲區的問題，保證了人們工作過程的安全。視覺技術與IT技術的完美結合使得人們的生活變得更加便利，讓人們親身體會到了IT技術給人們生活帶來的便捷。

1 雙目立體視覺概述

雙目立體視覺又稱雙目視覺技術，是目前計算機視覺應用領域的重要研究內容。雙目立體視覺控制系統的組成因其采用的原理和應用功能的不同，組成也都各不相同。

雙目立體視覺的實現原理是基于人眼的視網膜看物體的特性，從兩個不同的方向來觀看同一個物體的不同角度，從而實現清楚的了解到物體的圖像的目的。雙目立體視覺從不同的角度獲得物體的投影信息，并根據匹配的結果，獲取同一個物體不同偏差位置的信息。最后在依據三角測量技術，根據已經獲得的這些偏差信息從而獲得這些不同點對應的距離信息，并最終獲得這些實際物體的具體坐標位置信息。

視差測距技術告訴我們，要清楚的觀察到一個物體的全貌，需要兩個觀察物從不同的方向，或者固定一個觀察物，移動另外一個觀察物的方式，以達到拍攝同一個物體的目的。根據同一個物體在兩個觀察物當中的位置偏差，從而確定該物體的三維信息。一般來說，雙目立體視覺的組成包括：圖像獲取設備、圖像預處理設備、攝像機標定設備、立體匹配設備、根據二維信息實現三維重構設備等五個重要設備。

2 雙目立體視覺技術的原理

立體畫又可以稱之為三維立體畫，是一種人們可以從三維立體圖中獲取二維平面圖信息的技術。三維立體圖表面看似毫無規則，但是假如通過一些特殊的技術或者通過合理的觀察手段和觀察設備，就可以看到一組秩序井然的美妙圖片。

三維立體圖是一組重復的二維圖片有序的堆積積累而成，因此可以呈現出立體效果。人體觀察物體的原理大致如下：當人類通過左右眼觀察所在的空間平面的時候，這些平面圖都只是一些毫無秩序的圖片。而當左右眼重新聚焦或者在觀察畫面的時候呈現一定的層次感，則人類的左右眼觀察到的一組重復案在經過人體識別以后，這些畫面之間將存在一定的距離差異，從而在腦中生成立體感。

雙目立體視覺技術正是基于以上的原理，從兩個不同的方向去觀察物體，并獲得目標圖像的信息，并經過一定的處理獲得三維重建的物體立體信息的技術。

雙目立體視覺在計算機技術中實現三維重建的大致流程

如下。

1）攝像機定位，并通過單片機計算得到要獲取圖像信息需要的外部的參數的大概值，并根據這些參數值設定攝像機。

2）用設定參數的攝像機拍攝目標場景的畫面，并采集這些畫面的二維圖的信息。

3）通過計算機技術實現雙目匹配，并判定采集畫面中的二維圖像中的不同點之間的對應關系。

4）在第三步中若得到兩組二維圖像的關系是稠密的時候，則生成三維視差圖。如果不是則進一步采集圖片信息。

5）根據得到的視差圖最終實現場景的三維圖形的重建。

3 雙目立體匹配技術的研究難點和未來的發展方向

盡管目前有很多學者都投身到雙目立體匹配技術的研究和開發當中，直至目前為止也解決了很多關于視覺理論當中存在的很多缺陷問題。但是視覺問題是一個復雜且難以解決的問題，特別是在雙目立體匹配問題方面更是困難重重。立體匹配技術的難點已經成為限制將雙目技術應用到計算機技術當中的重要瓶頸。

立體匹配的主要手段就是找到計算機采集到兩幅和多副圖片的中像素的對應關系，然后根據這些像素關系判定并生成三維重建圖。但是二維圖像的匹配存在層層困難，主要體現在以下幾個方面。

1）由于視角的問題或者觀察物體存在遮擋問題，導致采集回來的圖片信息存在盲點，這樣子更難找到圖片的匹配區域。

2）場景中的一些深度不連續的區域大都處在場景當中的邊界位置，這些位置容易出現像素不高，邊界不清晰等問題，這些問題也給圖像匹配帶了很多困擾。

3）場景當中的低紋理的圖片匹配特征和匹配關系較少，而且該位置的每個像素點極為相似。假如只是通過簡單的像素相似性檢測的話，會檢測到很多匹配結果，而這些匹配結果當中有一大部分是錯誤的。這樣子的結果勢必會導致最終的圖像匹配正確率極為低下。

從以上的分析，我們可以看出立體匹配技術存在很多技術上的難點，這些都在很大程度上限制雙目立體匹配技術在計算機當中的應用發展。如何才能設計出有效、準確、快速、通用性強的立體匹配算法將會是以后雙目立體匹配計算發展的重要方向。也只有通過設計出一套行之有效的立體匹配算法才能使得雙目立體匹配技術在計算機視覺當中得到廣泛的應用。

4 結束語

人們通過眼睛可以感受到外界事物的存在，可以清楚的了解到事物的立體信息，分辨出觀察物的廣度和深度，以及物體的遠近。因此人類視覺感知系統就是一個雙目的立體感知系統。本文講述的計算機中的雙目立體匹配技術正是基于人眼視覺觀察物體的原理，通過雙目立體視覺原理，對計算機采集獲得兩幅二維圖像的信息進行分析，并結合計算機的分析，最終獲得同人類眼睛一樣觀察到物體三維表面信息的目的。雙目立體匹配技術與計算機技術的完美結合幫助人們可以更加輕易的獲得物體的信息。希望在不久的將來，可以將該項技術應用于人類的視網膜當中，以幫助一些視網膜存在問題的人們，讓他們重新感受到光明，感受世間的溫暖。

參考文獻

[1]高文，陳熙霖.計算機視覺算法與系統原理[M].北京：清華大學出版社，2002.

[2]明祖衡.雙目立體視覺測距算法研究[M].北京：北京理工大學，2008.

[3]劉昌，郭立，李敬文，劉俊，楊福榮，羅鋒.一種優于SAD的匹配準則及其快速算法[J].電路與系統學報，2007，12（4）：137-14.

[4]陳蛟.雙目立體匹配的算法研究及其多核并行化[M].南京：南京郵電大學，2012.

第4篇：計算機視覺的方向范文

關鍵詞：計算機視覺；三維測量；結構光；時間編碼；相位解包裹

基于計算機視覺的非接觸三維測量技術，以圖形、圖像為基礎來恢復三維形狀，具有高速高效、高度自動化、成本低廉等優點。在要求自動、在線、快速的現代工業三維測量技術中，計算機視覺三維測量技術是最為重要的發展方向。

近年來，結構光三維測量技術有了了長足的進步，取得了較多的研究成果。按照光投射圖案的不同，可以分為點、線和編碼結構光法。其中，點、線結構光法存在測量效率低的缺點；而編碼結構光法極大地提高了測量效率，是計算機視覺三維測量技術的發展方向，但其測量準確度和分辨力有所降低。

結構光編碼法分為空間編碼和時間編碼，空間編碼具有投射圖案幅數少的優點，適用于動態測量，其缺點是解碼困難，測量誤差增大，存在分辨率較低。時間編碼方法將多個不同的編碼圖案按時序投射，將對應的編碼圖像序列組合起來進行解碼，具有采樣密度高、測量準確度高的優點，成為最具實用性的計算機視覺三維測量方法，但其不適用于動態測量。本文將對時間編碼技術的國內外研究現狀和發展趨勢進行總結分析。

1 系統結構

基于計算機視覺的結構光三維測量系統，包括投影單元、圖像獲取單元以及數據處理分析單元。具體測量過程為：a.計算機1產生編碼圖案（通常是正弦條紋圖案）并控制投影儀依次將編碼圖案投射到被測物表面上；b.計算機2控制數碼相機采集由于被測物表面調制而改變形狀的編碼圖像；c.通過分析編碼圖案計算包裹相位；d.采用一種適當的相位解包裹方法得到連續相位分布，這種連續相位是與被測物表面的高度變化成正比的；e. 根據數碼相機和投影儀之間的位置姿態參數通過標定方法獲得被測物表面的三維信息。基于計算機視覺的結構光三維測量系統的工作流程如圖1所示。

2 時間編碼方法

2.1 數字碼

2.1.1 二進制碼

二進制碼是較早采用的時間編碼方法，投射m幅編碼圖案形成2m個編碼值，可將被測空間劃分為2m個區域。該方法要求測量過程中測量系統和被測物位置不能有相對變化。Posdamer和Altschuler首先利用2m個簡單的二進制條紋進行編碼，編碼圖案如圖2所示。

為了提高二進制編碼結構光法的抗干擾能力，Minou在原來基礎上發展了分時平行條紋編碼技術，利用二進制碼和海明糾錯碼結合編碼，該編碼具有25條編碼條紋，二進制編碼長度和糾錯碼長度分別為5和9，主要應用于深度抗噪檢測系統。為減小二進制編碼結構光法三維測量系統的測量誤差，Trobina提出了二進制編碼結構光三維測量系統的誤差模型，并論證了圖像中條紋的準確定位是降低誤差的關鍵，同時也提出了兩種利用亞像素技術來準確定位黑白條紋邊緣的檢測方法。Valkenburg和Mclvor進一步研究了二進制碼條紋準確定位的方法。每幅采集的強度圖像被分成17 17像素的區域，并用一個二元三次多項式對每個區域進行插值，實驗結果表明，該方法對提高條紋定位準確度有所幫助。為減小被測表面反射率不一致、曲率不一致、顏色不一致以及環境光對二進制編碼結構光法三維測量系統的影響，Skocaj和Leonardis提出通過增加不同照度的投射圖案來克服上述局限。

準確度有很大的影響，該方法只適用于表面顏色單一的物體的測量。

2.1.2 多值碼

在二進制碼的基礎上，通過增加灰度級數量的方法進行編碼可減少投射圖案數量，提高編碼效率。關于多值碼較有代表性的研究是Horn和Kiryati提出的一種灰度多值編碼方法，用Hillbert或Peano空間填充曲線來進行編碼，在特定噪聲條件下找到一組灰度級最少的編碼方案。實驗表明該方法在較少的投射圖案數量下獲得了較高的準確度。相對于格雷碼，多值碼具有類似于二進制碼缺點，即解碼時若碼值誤判存在于高位則帶來較大的解碼誤差。

2.2 相移法

相移法是基于物體深度變化對入射光波相位調制的一種三維測量方法。相移法測量作為一種高精度測量技術，被廣泛應用于許多科學研究和工程領域的精密測量中，其突出的優點是能夠測量被測表面不規則的物體。相移法發展非常迅速，在三維測量中具有一定的優勢。

Grevenkamp提出了一種簡單的三步相移方法來進行三維測量，投射圖案是三幅相移120°的正弦條紋。該方法的優點是采樣密度高，分辨率高，測量精度高，由于該方法在相位計算階段涉及到一個耗時的反正切函數，所以處理速度比較慢。Song Zhang， Shing-Tung Yau還開發出基于2+1相移方法的可以測量動態對象的實時、三維測量系統，該方法是基于三步正弦相移方法，為了減少由運動引起的錯誤，把第三幅圖像換成相移為90°的圖像。該方法的特點是處理速度快，準確度高。Jiahui Pan等提出一種彩色相移方法，三幅正弦條紋圖案分別包含在RGB顏色通道中從而形成一幅彩色條紋圖案。該方法能夠在一幅編碼圖案中承載更多的信息量，與傳統三步正弦相移相比具有編碼圖案數量少、測量效率高的優點，但其不適用于測量表面顏色豐富的被測物，而且顏色通道之間的顏色耦合問題也會導致測量結果出現較大誤差，測量準確度較低。

上述條紋測量方法在實際測量過程中存在一個共性問題，那就是獲取的條紋圖像是非正弦的（當使用正弦相移法時）或者不是線性分布的（當使用梯形相移法或者三角形相移法時），條紋圖像中存在諧波，這將導致不可忽略的測量誤差。這主要是由投影儀的伽馬非線性和CCD照相機的非線性引起的，目前該問題已經引起了許多國內外研究人員的重視。

第5篇：計算機視覺的方向范文

關鍵詞：計算機視覺系統 工業機器人 探究

中圖分類號：TP242 文獻標識碼：A 文章編號：1007-9416（2015）05-0000-00

計算機視覺系統主要是為了工業機器人更好的工作而研發出來的，是一套裝有攝像機視場的自動跟蹤與定位的計算機視覺系統。近年來，機器人已經廣泛使用于工業生產，但是多數機器人都是通過“示教-再現”的模式工作，在工業機器人工作是都是由操作員進行操作示范再由機器人跟著示范進行工作。由于機器人缺乏對外界事物的識別能力，工作中經常發生偏差或者位移等情況。由于工作環境的惡劣以及各種阻礙，為了提高工業機器人的工作效率、靈活性、適應性等，讓機器人更好的識別外部環境并及時調整運作方向，能更好的發揮其作用，在原有的機器人系統中添加了一套計算機視覺系統，利用計算機視覺圖像裝置的信息，通過圖像使機器人進行外部環境的識別處理，采用三維的重建，通過作業中利用三維圖像的信息進行計算，采用Motocom32軟件和機器人控制柜通訊等設備，對工業機器人進行控制，更好的實現機器人對空間特點的跟蹤與定位。

1系統的結構與原理

本文主要針對Motoman UP6工業機器人系統的二次研究，在原有的工業機器人的系統中，增加了一套計算機視覺系統， 使工業機器人更好的識別外界環境的系統。計算機視覺系統主要包括：Panasonic CCD攝像機、Motoman UP6工業機器人系統、工控機、OK C-50圖像采集卡等外部設備。工業機器人的整個系統由原有系統與計算機視覺系統組成，在原有的系統中包含了YASNAC-XRC- UP6機器人控制柜、Motoman UP6工業機器人本體、示教編程器、Motocom32系統以及相關的外部設備等[1]。計算機視覺系統的設備主要有Panasonic CCTV攝像機、AVENIR TV鏡頭、OK系列C-50圖像采集卡、工控機、AVENIR TV鏡頭、Panasonic CCD攝像機、OK系列C-50圖像采集卡形成的視頻采集系統主要是捕獲物體的圖像，該功能主要是分三個層次進行圖像處理、計算、變換以及通信等功能來實施工控機。利用遠程控制來對工業機器人進行Motocom32系統進行通信。

2計算機視覺系統的構建

2.1硬件的組成

CCD攝像頭：選用的CCD攝像機采用PAP-VIVC810AOZ型彩色攝像頭，如圖1。攝像機的像素為P：500（H）x582（V），N：510（H）x 492（V），攝像機的分辨率為420。攝像機的成像器使用1/33"CCD，信噪>48 dB，同時攝像機具有自動背景光補償、自動增益控制等功能。

圖像采集卡：圖像采集卡主要采用CCD攝像頭配套的MV-200工業圖像處理。如圖2所示。MV-200圖像采集卡的分辨率、圖像清晰度具有較高的穩定性，其真彩色實施工業圖像采集卡，該圖像采集卡的硬件構造、地層函數都具有穩定性，同時在惡例的環境中都可以穩定運行[2]。圖像采集卡的圖像采集效果非常好，畫面效果非常流暢。

MV-200圖像采集卡性能特點：其分辨率為768 x 576，具有獨特的視頻過濾技術，使圖像質量的采集、顯示更加清晰流暢。主要支持的系統為Win98 /2K/XP，主要用于人工智能、事物識別、監控等多種領域。

工控機：工控機以奔4系列為主。

2.2軟件組成

圖像匹配軟件。

圖像處理與獲取軟件。

定標和定位算法軟件，功能分布如圖3所示。

3視覺系統的原理及流程圖

工業機器人的主要系統包括是由工業機器人本體、相關的外部設備、控制器（供電系統、執行器等）計算機視覺系統主要由三部分組成：圖像處理和獲取、圖像匹配、攝像機的定位等組成。通過借助OpenCV的視覺庫進行VC++.NET實行，流程如下圖表4所示。

在本視覺系統運行中，需要對攝像機實行定標，建立實際空間點和攝像機的對應點。在定標的過程中，就需要標記基準點，使攝像機在采集圖像時可以準確的把這些基準點投放到攝像機的坐標上[3]。同時在采集卡的圖像中，對圖像進行處理并計算出該基準點圖像的坐標，通過定標計算法，從而得出攝像機的參數。

在機器人系統中的反饋，計算機通過C語言的調節圖像采集卡進行動態鏈接來控制函數[4]。同時，對攝像機中的數據、視頻信號進行采集，構成數字化的圖像資料，采用BMP格式存儲進行計算，在計算機上顯示活動視頻，然后系統對獲取的圖像進行分析處理，以及對噪聲的去除、圖像的平滑等進行處理，利用二值化處理對那些灰度閥值的圖像進行處理，同時檢測計算機獲取圖像的特征量并計算[5]。在完成圖像的處理后，就需要確立圖像的匹配特征，對圖像進行匹配[6]。如果兩個圖像不重疊，就需要建立3D數據庫進行模型重新選擇，再把模型進行計算、投影計算、坐標更換等指令，直到找到與圖像相匹配的數據模型，才能真正得到真實有效的圖像。重疊時，要獲得有效的圖像，以工業機器人識別物體為目的，才能建立機器人系統之間的通信。同時，通過三維圖像重建，進行機器人空間定位[7]。如下圖表5所示。

4結語

綜上所述，計算機視覺系統主要是為了工業機器人更好的工作而研發出來的，是一套裝有攝像機視場的自動跟蹤與定位的計算機視覺系統。通過3D數據模型指定目標，機器人系統利用計算機視覺圖像的采集裝置來識別外界環境的數據，經過圖像的姿態預算、影像的投影計算產生圖像，通過圖片的合成比較，以此來實現機器人在工作中對物體的識別。利用計算機系統對機器人進行有效的控制，在工業機器人工作中對事物目標的搬運、跟蹤、夾持等指令。計算機視覺系統具備清晰的視覺功能，有利于提高工業機器人的靈活性以及適應性。

參考文獻

[1]夏群峰，彭勇剛.基于視覺的機器人抓取系統應用研究綜述[J].機電工程，2014（06）：221-223.

[2]華永明，楊春玉.機器人視覺系統在立體編織自動鋪紗過程中的應用研究[J].玻璃纖維，2011（01）：189-191.

[3]王培屹.基于多傳感器多目標實時跟蹤視覺系統在全自主機器人上的應用[J].軟件導刊，2011（01）：263-264.

[4]譚民，王碩.機器人技術研究進展[J].自動化學報，2013（07）：123-125.

[5]鮑官軍，荀一，戚利勇，楊慶華，高峰.機器視覺在黃瓜采摘機器人中的應用研究[J].浙江工業大學學報，201（01）：93-95.

第6篇：計算機視覺的方向范文

關鍵詞：機器學習；模式識別；計算機視覺；機場管制；民航安全

引言

安全管理是我們民用航空管理中的一個非常重要的問題，一直以來都受到整個行業的高度重視。機器學習作為人工智能技術的分支，已經在短短的幾年時間內滲透到我們身邊的各行各業，為之提供了大量的便利并極大的節省了人力及物力資源。由此我們推測，將機器學習及其相關技術應用到民航安全管理體系中，也將起到卓越的成效。本文便是對機器學習在民航安全管理的應用領域進行探索和分析。

1 機器學習介紹

1.1 定義

利用計算機對給定的數據進行分析并從中獲取規律是機器學習的首要研究目標，這些數據我們稱作觀測樣本，所學習到的規律我們稱之為模型。通過這些規律模型，可以對未來將要出現的數據進行預測。

圖1即機器學習的簡單示例。機器學習的第一步即是選擇一個規律模型，定義為決策函數f（x，？茲），該函數中的參數？茲并不確定。第二步則是通過機器學習的算法尋找出一個最適合的參數？茲？鄢，這個過程叫做訓練過程。經過以上兩個步驟，我們就可以使用f（x，？茲）模型對輸入的x進行結果預測。

1.2 應用場景

我們所描述的機器學習，不僅僅是針對一些已經經過結構化處理的信息，還應當包含圖像、音頻在內的數字化數據。從范圍上講，它類似于模式識別、統計學習、數據挖掘，正是由于機器學習與這些不同領域的結合，從而形成了它在計算機視覺、自然語言處理、語音識別這些交叉學科中的研究優勢。

2 民航安全管理

2.1 安全管理系統簡介

民用航空中比較傳統的思想認為沒有危險就表示安全，然而現代的安全管理思想并不這樣認為。現代的安全管理思想把安全當做一種狀態，同時也是識別危險和管理風險的一個過程。由此可見，我們的安全管理系統（safety management system簡稱：SMS）必須是一個完整的、正規的、自頂向下的和有條不紊的綜合安全管理系統。

2.2 我國的民航安全管理系統現狀

分階段發展的策略是在改革開放以來我國的民航業實施的總方針[1]，并且已取得顯著成效：第一階段，通過逐漸放松進入市場的時機，讓民航走上企業化發展的道路；第二階段，在民航業內部實施全面的制度改革，為進入市場化進行機制創造條件，同時大步跨入市場化經營時期；第三階段，抓緊時機進行民航的行業重組，這一項改革已經取得了重大突破。雖然分階段的策略成績斐然，然而就目前來看，我國民航業的安全管理信息化進程依舊相對落后。

3 機器學習在安全管理體系中的應用

3.1 模式識別與機場管制

模式識別是工業業界提出的概念，而機器學習主要來自于計算機學術領域，在本質上二者沒有區別。機場管制也稱航空管制，航空流控 航路流控 等，指的是由于起降航班班次集中，飛機按關門先后順序排隊起飛，或者由于天氣、軍事、目的地機場問題等原因，塔臺對飛機起飛時間進行管制。機場管制的目的是保證航空安全，以及保障飛機的飛行秩序。

通過機器學習的模式識別技術，安全管理系統可以對機場終端區域的所有飛行器進行實時監控，分析處理一次雷達、二次雷達及自動相關監視系統（ADS-B）等監視設備傳回的包括飛行器高度、位置、運行狀態以及氣象信息在內的各種大規模數據，并在異常情況出現時，或者在異常情況即將出現之前（取決于機器學習算法的數據預測功能），向塔臺管制員提供預警服務，避免各種特情的發生。

3.2 計算機視覺與機場安全

人臉識別[2]是計算機視覺領域的一個非常重要的研究方向。傳統的人臉識別技術在實際應用中已經非常廣泛，但是從性能的角度來看，依然存在諸多問題，最重要的是，從安全的角度考慮亦存在諸多漏洞。現在已經證明出現的針對傳統人臉識別的黑客技術，已經屢見不鮮。而通過機器學習改進后的人臉識別技術[3]，不僅可以解決安全問題，并且十分有利于人臉識別精度的改善和人臉識別速度的提高。將優化后的人臉識別系統應用到機場的安檢流程中，可以大大提高安檢人員的工作效率，同樣降低人工工作的強度。

同樣的，計算機視覺及圖像處理技術還可應用于機場場面安全管理。比如，隨著通用航空的發展，無人機的數量快速增加，由于其制造成本低操作簡單等特性，越來越多的單位和個人開始使用無人機從事私人的業務。這些沒有規范管理的無人機，在缺乏地空空域管理的情況下，很容易就能夠飛行進入機場的管制區，形成巨大的安全隱患。利用計算機視覺進行遠距離攝像實時監控，有望很好的解決這個安全問題。

3.3 其他應用領域

除此之外，機器學習的各種算法模型，包括貝葉斯模型（Bayesian）、人工神經網絡（Artificial Neural Networks）、深度學習（Deep Learning）、組合方法（Ensemble Methods）、回歸（Regression）等等，均可根據各自的特性，應用于民航安全系統：數據預測特性可以應用于航空氣象數據的分析與預測中，用以提前為管制人員提供盡可能準確的氣象預報數據；語音識別及文本分析特性，可以應用于管制員與飛行員的陸空通話過程中，不僅可以監控陸空通話的內容，同時可以對參與人員的疲勞程度進行研判；大規模數據中的異常數據監測，可以應用行器設備及地面設備的維修與保障中。

4 結束語

近年來，以機器學習技術推動的人工智能已滲透到幾乎所有的工業領域。而機器學習的應用場景，也就是它的應用領域，也恰好與我們信息化安全建設的方方面面都有諸多重合。對于我們民航，確切的說，對于我們民航的安全管理系統，盡早引入并應用機器學習相關技術，將會極大的改善系統的工作效率并提高安全保障的成效。

參考文獻

[1]李洋.我國民航安全管理系統研究[D].中國海洋大學，2013.

第7篇：計算機視覺的方向范文

【關鍵詞】OpenCV視覺庫 圖像處理 Android平臺

Opencv全稱：Open Source Computer Vision Library，是一個可以移植到其他開發工具中的一個跨平臺的圖像處理視覺庫，它由C++語言編寫，主要有C++、C語言接口，為了能在手機等移動端更方便的進行圖像處理，我們利用其JAVA接口將opencv視覺庫添加到Android的開發工具中，實現了在移動端的圖像處理功能。

1 opencv的特點

（1）跨平臺，有很好的移植性。Opencv由跨平臺的中高層API構成，可以運行在Linux、Windows和Mac OS操作系y上，該庫有C++、C、Java接口，我們運用Java接口就可以將Opencv視覺庫移植到Android studio開發工具中。

（2）免費、開源，與耗費很高的商業化工具（比如 MATLAB+Simulink）有很大的區別。

（3）高效、快速、使用方便。Opencv視覺庫具有強大的圖像運算功能，API中有比較完善的處理函數，能夠明顯提高開發效率。

2 Opencv在Android studio中的環境搭建流程

2.1 安裝Java JDK

需要完成JDK的下載、安裝和環境配置的流程，安裝完成后，要運行資源管理器輸入 Java Version來驗證是否安裝成功，若顯示Java版本信息，則安裝成功。

2.2 下載Android Studio開發工具并安裝

在Android Studio的中文社區下載最新的Android Studio開發工具（要包含Java SDK），并運行Android Studio，根據安裝提示進行安裝，并運行開發工具。

2.3 配置Opencv Android SDK

在Opencv官網（http：//）下載Opencv Android SDK并解壓。在Android Studio中，新建一工程，點擊File并import Module，并選中解壓的Opencv SDK文件夾中的Java文件夾，這樣就將Opencv視覺庫移植到了Android Studio中。然后右鍵App project，打開open Module Settings中的Depencies，點擊Module Dependency，添加OpencvLibrary，這樣就完成了深層配置。最后把Opencv SDK文件夾中的native文件夾中的libs的4個文件夾復制到所建好的工作空間中的project中的libs中。

3 圖像的灰度處理和像素取反處理的應用舉例

本文中是用的移動端為魅族MX3，Android版本號為5.0.1。

3.1 灰度處理

使用OpenCv將一幅圖像轉換為灰度圖像在實際應用中也不少，轉換為灰度圖像比較簡單，關鍵函數： cvCvtColor：cvCvtColor（IplImage* src， IplImage* dst， CV_BRG2GRAY）。值得注意的是：最后一個參數為 CV_BRG2GRAY ，表示將BRG圖片（彩色圖片）轉換為灰度圖片（黑白），參數src、dst必須事先分配好內存空間，使用完之后必須要釋放空間。

3.2 像素操作―取反

OpenCV中圖像取反是將圖像中的像素點變為原來像素點的反色。例如，如果一副灰度圖像的每個像素值由2^8=256個，假設點i點像素值為brga[i] ，則取反后的像素值為 255- brga[i]&oxff。

關鍵代碼為：

int cnum = src.channels（）；

byte[] bgra = new byte[cnum]；

for （int i = 0；i

bgra[i] = （byte） （255 - bgra[i]&0xff）；}

然后運用matToBitmap函數將Mat格式的圖像轉換成Bitmap的圖像，并顯示在android手機移動端。

經過編寫代碼并運行得到的處理結果如圖1所示。

4 結束語

OpenCV視覺庫是一套簡單易用且完整的計算機視覺框架，幫助開發人員完成大量的底層工作，減少了工作量，更有效提高了設計出復雜計算機圖形處理的能力。并且我們將OpenCV移植到Android操作系統中去，也是圖像處理領域的一大進步。我們相信，在OpenCVForAndroid的應用不斷拓展中，眾多圖像處理領域會有廣泛的前景。

參考文獻

[1]陳雪嬌.基于Open CV的計算機視覺技術研究[J].電腦知識與技術，2015（30）.

[2]張家怡.圖像識別的技術現狀和發展趨勢[J].電腦知識與技術，2010（21）.

[3]黎松，平西建，丁益洪.開放源代碼的計算機視覺類庫Open CV的應用[J].計算機應用與軟件，2005.22（08）.

[4]何鵬，王連鵬，楚艷紅.基于Open CV 的機器視覺在智能手機中的應用[J].計算機工程與設計，2011（10）.

[5]王福斌，李迎燕，劉杰，陳至坤.基于OpenCV的機器視覺圖像處理技術實現[J].機械與電子，2010（06）.

作者簡介

劉賢輝（1992-），男，山東省青島市人。現為青島市山東科技大學在讀研究生。主要研究方向為移動端的圖像處理研究

第8篇：計算機視覺的方向范文

關鍵詞：數字圖像技術；應用；發展趨勢

中圖分類號：TP391.41

計算機的特點在于能夠處理各種數據，數字圖像能夠經過增強、復原、分割等處理，隨著計算機技術的不斷發展和進步，現在的數字圖像技術具有圖像處理多樣性、精度高、圖像的再現性好、處理量大的優點，本文主要研究數字圖像處理技術的發展現狀和發展趨勢。

1 數字圖像處理技術研究現狀

所謂圖像處理是指利用計算機來處理圖像的過程，主要是實現改善圖像的視覺效果，研究的內容主要包括圖像數字化、圖像增強、圖像還原以及圖像分割等。數字圖像處理最早來源于20世紀20年代的報紙業，到20世紀50年代，隨著計算機的發展，數字圖像處理技術得到人們的普遍關注，數字圖像處理技術隨著太空計劃得到很大的發展，最具有典型的例子，是對月球照片的處理。

進入到20世紀70年代后，數字圖像處理技術隨著計算機斷層掃面（CT）的出現得到發展，在以后的時間里，數字圖像處理技術不斷有新的研究成果，1975年EWI公司研究的CT裝置獲得諾貝爾獎，目前數字圖像技術已廣泛應用在各行各業中。

2 數字圖像處理技術的應用

數字圖像處理技術目前在各行各業中都得到了很大的進展。在遙感航空航天方面，不少國家都派出了偵查飛機對目標地區進行空中攝影，進而通過圖像處理技術來分析照片，節省了人力、物理，也能夠從圖片中得到其他的有用信息。在20世紀60年代以來，美國以及其他的一些國家發射了資源遙感衛星，由于成像條件非常差，因此圖像本身的質量也不高，需要采取數字圖像處理技術處理，如采用多波段掃描器進行掃描成像，圖像分辨率為30m，這些圖像轉變為數字信號傳送下來，再經過處理。數字圖像處理技術在各國的應用中已非常廣泛，如用在森林調查、災害監測、資源勘查以及城市規劃中。

數字圖像處理技術最早來源于醫藥方面，因此在生物醫學工程方面，數字圖像處理技術也發揮出了巨大作用，除了上文所講述的CT之外，還有一些顯微圖像處理技術，主要是識別紅細胞、白細胞以及染色體分析等，在醫學診治方面X光肺圖像增強、心電圖分析以及超聲波圖像處理技術等發揮出了重要作用。

在通信工程方面，目前通信主要的發展趨勢為綜合性的多媒體通信，也就是將電視、計算機以及電話聯合在一起在數字通信網上傳輸，在傳輸的過程中最為復雜和困難的地方集中在圖像的處理中，比如說，彩色電視信號速率為100Mbit/s以上，想要傳輸出去就需要壓縮信息的比特量，因此技術成敗的關鍵就在于編碼壓縮。目前國家正在大力研發的新的編碼方法，如小波變換圖像壓縮編碼以及自適應圖像網絡編碼等。

在工業和工程方面，主要的應用集中在自動裝置配線中檢測零件的質量、彈性力學照片的應力分析以及郵政信件的自動分檢等，另外在智能機器人中也有應用。在軍事、公安方面，數字圖像處理技術的應用主要集中在導彈的精確制導、偵查照片以及圖像的傳輸和顯示方面，在公安方面，主要應用在鑒別人臉、識別指紋以及圖片復原方面。數字圖像處理技術除了以上所講述的應用領域之外，在電視圖像的編輯、服裝設計、發型設計以及文物資料復原等方面也有廣泛的使用。

3 數字圖像處理技術的發展趨勢

目前數字圖像技術隨著科技的進步得到了很大的發展，隨著低成本硬件相關技術的發展可以想象數字圖像技術將會得到更加廣泛的應用，目前國內的研究成果主要集中在一些診斷、圖像壓縮編碼以及目標識別等方面，但是還沒有廣泛應用在實際生活中。數字圖像處理技術將會向著高分辨率、立體化、超高速以及智能化等方面發展，下面具體講述數字圖像處理技術的發展趨勢。

隨著計算機、人工智能以及思維科學研究的不斷發展，數字圖像處理技術在計算機視覺方面將會進一步的發展，智能機器人的重要感覺器官是視覺，目前研究的開放話題集中在理解和識別三維應力，將會應用在軍事勘察、危險環境作業以及家庭服務等方面，目前人們對于自身的視覺了解的還非常少，因此在計算機視覺方面還需要進一步的探索。

數字圖像處理技術還會向著虛擬現實發展，所謂虛擬現實就是使用計算機構成一個虛擬的三維空間，這項技術的發展是在計算機硬件技術的提高方面提出的，人們應用機器人身上的攝像機能夠真實的感受到所在的環境，進而操縱機器人的行為，另外網上虛擬現實也是未來的一個發展方向。人們在完成社會生產中往往習慣使用自身的認識和工具，將這些掌握在自身手中，因此目前時代的發展趨勢就是將原來二維的東西向著三維發展，如三維重建技術在地圖方面的使用，在軍事方面能夠使用電子沙盤實現任意角度的轉化和計算，也能夠真實的直觀的反應兩點之間的障礙物等，還能夠實現模擬飛行路線，為作戰指揮帶來極大的便利。在計算機中進行三維重建目前的熱點和難點問題主要是計算機視覺研究領域。在圖像壓縮、識別以及分割方面，目前已取得很大的研究進展，目前圖像處理面臨的新的問題主要是圖像專業壓縮算法、圖像識別算法等。

4 結束語

綜上所述，本文先分析了數字圖像處理技術研究現狀和主要的應用領域，進而研究數字圖像技術的發展趨勢。目前數字圖像處理技術已廣泛的應用在生活中，如在網絡、手機等中的應用，數字圖像處理技術的發展與人們的生活息息相關，隨著技術的不斷發展，數字圖像處理技術還會不斷得到進步，這些還需要更多的人努力去研究。

參考文獻：

[1]孔大力，崔洋.數字圖像處理技術的研究現狀與發展方向[J].山東水利職業學院院刊，2012（04）：11-14.

[2]陳炳權，劉宏立，孟凡斌.數字圖像處理技術的現狀及其發展方向[J].吉首大學學報（自然科學版），2009（01）：63-70.

[3]呂戈靜.淺談數字圖像處理技術的現狀及發展[J].電腦知識與技術，2012（33）：8035-8036.

[4]丁可.數字圖像處理技術研究與發展方向[J].經濟研究導刊，2013（18）：246+270.

第9篇：計算機視覺的方向范文

摘要：針對集成芯片制造中對定位、校準的高精度、實時性要求，提出了用機器視覺技術解決芯片基板定位的方法，通過對幾種模板匹配算法的研究，采用基于OpenCV的圖像分析技術實現了對集成芯片基板的準確定位，解決了傳統機械定位精度低、速度慢的問題。

關鍵詞：機器視覺；開放源代碼計算機視覺類庫；集成芯片基板；模板匹配

中圖分類號：TP39文獻標識碼：A

The Positioning Technology of Intergrated Chip Strip Based on OpenCV

LIU Hun-hai, HU Peng-hao,XIE Hu

(School of Instrument Science and Opto-electronics Engineering ,

HeFei University of Technology ,Hefei 230009 ,China)

Abstract: Because of the high requirement of position and speed in the process of integrated chips, A position method of integrated chip strip based on machine vision was proposed in this paper. By researching several template match algorithms, the accurate positioning of intergrated chip strip is implemented by using image processing technology based on OpenCV, and low precision and slow speed problem of traditional method is solved.

Keywords:machine vision; OpenCV; integrated chip strip; template match

引言

隨著現代半導體器件向微型化、集成化和高可靠性方向的發展，芯片生產和制造設備也朝著高速、高精度、智能化的全自動化的方向發展。機器視覺在芯片生產過程中扮演著越來越重要的角色，其中最為廣泛的應用是定位。

上海技美電子科技有限公司是一家生產集成芯片基板（如圖1）貼膜機的廠家，貼膜工序主要是將芯片貼在一層特殊的膜上，為下一步打斷芯片引線做好準備，而為了提高切割效率，通常將三塊基板一起，但這樣存在相對位置的偏差。針對傳統的光電式傳感器定位精度低、速度慢的缺點，開發了基于OpenCV的視覺定位系統，系統結構如圖2所示。當機械手臂將基板搬運到薄膜上之前，通過該系統，對基板進行定位，然后將結果反饋到控制單元進行調整。

系統使用的CCD相機是型號為XC-ES50CE的SONY相機，有效像素為752×582，圖像采集卡使用圖1集成芯片基板

的是比利時Euresys公司的產品，型號為Picolo Pro2。在整個系統中，最為關鍵的問題就是模板匹配。

1 基于灰度的模板匹配方法

本文主要比較了幾種基于灰度的圖像匹配算法：SSDA算法，金字塔算法，NCC算法等。

模板匹配的基本原理是通過相關函數的計算來找到它和被搜索圖的坐標位置[1-2]。如圖3所示，設模板T(n×m像素點)疊放在搜索圖S上移動，模板覆蓋下的那塊搜索圖為子圖 Sij，i,j為這塊子圖的左上角像點在S圖中的坐標。比較T和Sij的內容，若兩者一致，則T和S之差為零。測度方法:

1.1 SSDA算法

序貫相似性檢測算法（即SSDA算法）是對傳統模板匹配算法的改進。SSDA算法計算子圖像和模板圖像之間的差值，求和時不需要計算所有像素，而是隨機抽取某幾點像素，只要其和超過設定的閾值，則說明當前位置不匹配，進行下個位置的計算。

但是該算法本身沒有抗干擾性，如果在外界有噪聲的情況下，算法的精確度不高[3]。

1.2 金字塔算法

金字塔算法也叫分層算法，是直接基于人眼的視覺特點，先粗后細地觀看事物，步驟如下：

（1) 預處理。首先對模板和搜索圖進行分層預處理。通過每2×2=4個像素平均為一個像素構成二級圖像，然后將此圖像再用同樣的方法處理后得到一個分辨率更低的圖像。如此反復，我們可以得到K個處理后的圖像。

（2) 先粗后細的匹配。先從低分辨率的圖像Sk和TK開始進行匹配運算，找到粗匹配位置(xK,yK)，然后在較高分辨率的圖像Sk-1和Tk-1上的粗匹配位置進行搜索，如此下去，一直到最高分辨率的SO和TO上找到匹配位置為止。

1.3 NCC算法

NCC算法就是歸一化互相關匹配算法，是一個經典的匹配算法，它是通過計算模板圖像和待匹配圖像的互相關值來決定匹配的程度，方法如下：

這種算法簡單，適用于尺寸較小的圖像匹配，且具有很強的抗白噪聲能力，在灰度變化及幾何畸變不大的情況下精度很高[3]。

2 基于OpenCV的模板匹配程序的 實現

2.1 程序流程及其實現

程序的流程如圖4所示，實驗采用的算法是NCC算法，函數完成比較后，通過使用cvMinMaxLoc找全局最大值，然后將匹配結果在原圖的對應位置標記出來（如圖5所示）。

程序實現主要利用OpenCV函數庫中的cvMatchTemplate函數[4]，通過滑動過整個待匹配圖像，用指定的NCC算法比較模板圖像與待匹配圖像尺寸為 w×h 的重疊區域，并且將比較結果保存起來。

2.2 OpenCV簡介

開放源代碼的計算機視覺類庫OpenCV(Intel Open Source Computer Vision Library)由英特爾公司位于俄羅斯的研究實驗室所基于IPL(Intel Image Processing Library)開發，并與之兼容。具有良好的獨立性、跨平臺性、功能強大、處理速度快等特點[5]。

3 實驗數據

采用的是一張640×484的原圖，以及一張64×74的模板圖，實驗用電腦CPU為IntelCeleron

C PU420 1.6GHz ，內存為1G。經過實驗得出，匹配的平均時間為100.128ms，且能找到準確位置，能夠滿足廠家提出的2,000個/小時的技術要求。

4 結 論

綜上所述，利用OpenCV開發的模板匹配程序，擁有匹配準確、執行效率較高等特點，對于個別處理器還進行了優化，適用于對實時性要求不太高的場合，能夠滿足該企業芯片基板的定位要求，目前該系統已在企業運行。

參考文獻

[1] 張廣軍,機器視覺[M],科技出版社,2005: 7-03-014717-0.

[2] Kenneth R.Castleman,Digital Image Processing,Prentice Hall,1995:0132114674.

[3] 劉錦峰,圖像模板匹配快速算法研究[D].湖南長沙:中南大學,2007.

[4] IntelOpen Source Computer Vision Library Reference Manuals[EB／0L].2001.12.

[5] Intel Open Source Computer Vision Library HTML Reference.2003.2.

[6] 黎松,平西建,丁益洪.開放源代碼的計算機視覺類庫OpenCV的應用[J],計算機應用與軟件. 2005,22(8):134-136.

[7] 呂學剛,于明,劉翠響.數字圖像處理與計算機視覺編程的有力工具-IPL和OpenCV[J].現代計算機,2002,147:69-71.