1. 数字图像绪论

1.4 图像处理与计算机视觉的相关学科领域

1.4.1 图像处理与相关学科的联系和区别

1.4.1.1

1.4.1.2 图像处理和数字信号处理

• 数字信号处理与图像处理是紧密相关的学科。

1.4.1.2 图像处理与计算机图形学

• 计算机图形学与图像处理是逆过程。

1.4.2 图像处理与相关学科的关系

• 多学科的交叉与结合。
• 计算机研究领域绝大多数问题都是病态的，存在着诸多不确定性因素。
• 一个相对完备的视觉系统是也是一个知识管理系统。
• 基于几何、概率和运动学计算与三维重构的计算视觉理论，它的基础包括摄影几何学、刚体运动力学、概率论与随机过程、图像处理、人工智能等理论。

1.5 图像处理与计算机视觉的发展与应用

1.5.1 数字图像处理

1.5.1.1 数字图像处理的发展

1. 数字图像处理起源于20世纪20年代。

   当时，人们通过Bartlane海底电缆图片传输系统，从伦敦到纽约传输了一幅经过数字压缩后的照片，从而把传输时间从一周多减少到不到3小时。为了传输图片，该系统首先在传输端进行图像编码，然后在接收端用特殊打印设备重构该图片。

   该应用已经包含了数字图像处理的知识，但还称不上真正意义的数字图像处理，因为它没有涉及到计算机。

2. 第一台可以执行有意义的图像处理任务的大型计算机出现在20世纪60年代早期。

   1964年，位于加利福尼亚的美国喷气推进实验室（JPL实验室）处理了太空船“徘徊者七号”发回的月球照片，以校正航天器上电视摄像机中的各种类型的图像畸变，标志着图像处理技术开始得到实际应用。

3. 数字图像处理技术在20世纪60年代末和20世纪70年代初开始用于医学图像、地球遥感监测和天文学等领域。

   其后，军事、气象、医学等学科的发展也推动了图像处理技术迅速发展。

   数字图像处理技术已经融入到科学研究的各个领域，成为工程学、计算机科学、信息科学、生物学以及医学等各学科之间学习和研究的对象。

1.5.1.2 数字图像处理的应用

1. 生物医学中的应用

   • 最突出的临床应用就是超声、核磁共振、γ相机和CT等技术。如X射线照片的分析，血球计数与染色体分类等。

2. 遥感领域中的应用

   • 森林遥感图像处理与应用
   • 国土资源遥感图像处理与应用
   • 海洋遥感图像处理与应用

3. 工业方面的应用

   • 在生产线中对生产的产品及部件进行无损检测也是图像处理技术的一个广泛的应用领域。

     如晶振元件缺陷检测、食品包装出厂前的质量检查、浮法玻璃生产线上对玻璃质量的监控和筛选、零件及产品无损检测、焊缝及内部缺陷检查、流水线零件自动检测识别、邮件自动分检、生产过程的监控等。

4. 军事公安领域的应用

   • 可采用图像处理与模式识别等方法实现监控、案件侦破、交通管理等。如巡航导弹地形识别；侧视雷达的地形侦察；遥控飞行器RPV的引导；目标的识别与制导；警戒系统及自动火炮控制；反伪装侦察；指纹自动识别；虹膜识别；犯罪脸形的形成；手迹，人像，印章的鉴定识别；过期档案文字的复原等。

5. 通信中的应用

   图像通信按业务性能可分为：

   • 电视广播
   • 可视电话和会议电话
   • 传真
   • 图文电视和可视图文
   • 电缆电视（CATV）

6. 文字识别

   • 计算机文字识别俗称光学文字识别（OCR），是指通过计算机技术及光学技术对印刷或书写的文字进行自动的识别，是实现文字高速自动录入的一项关键技术。
   • 文字识别通过一定的方法和技术提取文字的特征并将其存贮于机器设备中，实现对文字的自动识别。
   • 包括：图文输入、前处理、单字识别及后处理。

7. 交通

   • 电子警察、智能交通等。

1.5.2 计算机视觉

1.5.2.1 CV的发展

计算机视觉作为一门学科开始于60年代初。

计算机视觉的基本研究中的许多重要进展是在80年代取得的。

现在计算机视觉已成为一门不同于人工智能、图像处理、模式识别等相关领域的成熟学科。

1）计算机视觉20多年来的二大事件

1. Marr计算视觉理论（80年代）：使计算机视觉成为一门独立科学。

   • 首次从信息处理的角度综合了图像处理、人工智能、心理物理学、神经生理学及临床精神病学的研究结果。

   • 提出了第一个较为完善的视觉系统框架为计算机视觉这门学科形成奠定基础。

   • 马尔视觉理论特点

     • 没有考虑视觉中的选择性和整体性
     • 没有重视高层知识的知道
     • 信息的加工过程自下而上，单向流动，没有反馈，计算量大

   • Marr计算视觉理论二个核心论点：

     • 人类视觉的主体是重构可见表面的几何形状
     • 人类视觉的重构过程是可以通过计算的方式完成的。

   • Marr视觉系统研究的三个层次

   • Marr 视觉信息处理的三个阶段

2. 摄影机自标定和分层重建（90年代）：使计算机视觉走出了低谷。

2）CV发展现状

• 基于几何方法的计算机视觉理论体系已臻于完善
• 机器学习方法受到越来越多的关注
• 针对众多特定领域的应用研究不断深入，较大规模的应用系统逐步走向商业化

1.5.2.2 CV的应用

1. 计算机人-机交互
2. 自动导航
3. 生产自动化
4. 多媒体技术、数据库与图像通信
5. 医学影响处理
6. 三维场景建模与显示