機器視覺

《機器視覺》的核心是：機器視覺應該基於對成像過程的深刻理解！作為作者在麻省理工學院（MIT）所講授的機器視覺課程的指定教材，本書已經被使用了近30年，仍被歐美許多著名高校所廣泛使用。本書提供了一個理解現有方法和技術以及為以後的研究做準備的系統框架，其中包含了很多將機器視覺方法應用於實際問題的內容。全書共包括18章，前13章主要講述早期視覺的內容，后5章更加關注於：解決一些更加複雜的實際問題。最後，作者將各個章節所介紹的方法整合到一起，搭建了一個可以和周圍環境進行交互的“眼-手”系統。書中所用到的數學方法，也都收錄在最後的附錄中；作為內容的補充和擴展，本書還提供了豐富的練習題。

本書可以作為高等院校相關專業本科生和研究生一年級課程的教材，也可以作為研究人員的參考書籍。

這本書是計算機視覺的“聖經”！如果任何人想要學習計算機視覺的基本內容，一定要以這本書作為起始點。千萬不要錯過！尤其是，這本經典著作對於書中概念的傑出的介紹方法。我強烈地將這本不可或缺的書推薦給所有學習計算機視覺的人。

伯特霍爾德·霍恩（BertholdKlausPaulHorn）現為美國麻省理工學院（MIT）計算機與電子工程系（EECS）人工智慧實驗室（CSAIL）的教授、美國工程院（NAE）院士、美國人工智慧協會（AAAI）院士，是享有國際聲望的計算機視覺領域專家。他從事計算機視覺領域的研究長達40多年，在該領域有許多開創性和奠基性的貢獻，其博士論文《ShapefromShading》開創了一個嶄新的研究領域。他提出的經典光流演演算法（Horn-Schunck方法）奠定了光流及運動視覺研究的基礎。霍恩教授的很多研究成果，如：二維retinex演演算法、反射圖、擴展Gauss圖、無源導航等，都在計算機視覺領域和工業界發揮著巨大的作用。他所開創的基於逆問題理論、通過分析成像過程來研究機器視覺的方法，被稱為霍恩學派。

霍恩教授獲得了諸多獎項和榮譽，其中包括：

Rank獎：“為了表彰其在引領視覺系統實用化的工作中所做出的開創性貢獻。”

——Rank基金委員會。1989年9月。

入選美國人工智慧協會：“由於其在人工智慧領域中所做出的巨大貢獻。”——美國人工智慧協會。1990年8月。

入選美國工程院：“為其在計算機視覺領域（特別是在：通過圖像亮度來恢復三維幾何結構的研究中）所做出的開創性貢獻。”——美國工程院。2002年2月。

AzrielRosenfeld終身成就獎：“為表彰其在早期視覺（包括：光流、從明暗恢復形狀）中所做出的奠基性貢獻。”——IEEE計算機協會。2009年9月。

第 1 章 簡介

1.1 機器視覺

1.2 機器視覺的任務

1.3 機器視覺和其他領域的關係

1.4 後續章節的概要

1.5 本章參考文獻

1.6 習題

第 2 章 成像與圖像檢測

2.1 成像的兩個方面

2.1.1 透視投影

2.1.2 正射投影

2.2 亮度

2.3 透鏡

2.4 我們的視覺世界

2.5 圖像檢測

2.5.1 感知顏色

2.5.2 隨機性和雜訊

2.5.3 圖像量化

2.6 本章參考文獻

2.7 習題

第 3 章 二值圖：幾何性質

3.1 二值圖

3.2 簡單幾何性質

3.2.1 區域的位置

3.2.2 朝向

3.3 投影

3.4 離散二值圖

3.5 行程編碼

3.6 本章參考文獻

3.7 習題

第 4 章 二值圖：拓撲性質

4.1 多個物體

4.1.1 標註圖像中的物體

4.1.2 連通性

4.1.3 串列標註演演算法

4.2 局部計數和迭代修正

4.2.1 局部計數

4.2.2 集合可加性

4.2.3 迭代修正

4.3 本章參考文獻

4.4 習題

第 5 章 區域與圖像分割

5.1 設定閾值的方法

5.2 統計直方圖

5.3 空間相關性

5.4 圖像分割

5.5 使用顏色信息

5.6 合併與分裂

5.7 本章參考文獻

5.8 習題

第 6 章 圖像處理：連續圖像

6.1 線性移不變系統

6.2 卷積與點擴散函數

6.3 調製傳遞函數

6.4 Fourier 變換和濾波

6.5 Fourier 變換和卷積

6.6 廣義函數與單位衝擊函數

6.7 收斂因子與單位衝擊函數

6.8 偏微分與卷積

6.9 旋轉對稱與各向同性運算元

6.10 模糊，失焦和運動拖尾

6.11 圖像復原與增強

6.12 相關以及功率譜

6.13 最優濾波器與雜訊抑制

6.14 圖像模型

6.15 本章參考文獻

6.16 習題

第 7 章 圖像處理：離散圖像

7.1 有限的圖像尺寸

7.2 離散圖像採樣

7.3 採樣定理

7.4 離散 Fourier 變換

7.5 循環卷積

7.6 一些有用的結果

7.7 本章參考文獻

7.8 習題

第 8 章 邊緣和邊緣查找

8.1 圖像中的邊緣

8.2 微分運算元

8.3 離散近似

8.4 局部運算元和雜訊

8.5 邊緣的檢測和定位

8.6 結論和例子

8.7 本章參考文獻

8.8 習題

第 9 章 光照與顏色

9.1 物體表面的反射率以及 Land 實驗

9.2 Mondrian 圖

9.3 復原光照

9.4 求解逆問題

9.5 光照的歸一化

9.6 選擇閾值

9.7 離散情況下計算光照

9.8 一個物理模型

9.9 本章參考文獻

9.10 習題

第 10 章 反射圖：光度立體視覺

10.1 圖像亮度

10.2 輻射

10.3 圖像的形成

10.4 雙向反射分佈函數

10.5 連續光源

10.6 物體表面的反射性質

10.7 物體表面的亮度

10.8 物體表面的朝向

10.9 反射圖

10.10 圖像中的明暗

10.11 明暗圖

10.12 光度立體視覺

10.13 估計反射率

10.14 曲面朝向的查詢表

10.15 本章參考文獻

10.16 習題

第 11 章 從明暗恢復形狀

11.1 從明暗中恢復形狀

11.2 特徵曲線與初始曲線

11.3 奇異點

11.4 奇異點附近的冪級數

11.5 閉合邊界

11.6 球極投影

11.7 鬆弛方法

11.8 從針狀圖中恢復景深

11.9 本章參考文獻

11.10 習題

第 12 章 運動場和光流

12.1 運動場

12.2 光流

12.3 光流的光滑性

12.4 填充光流信息

12.5 邊界條件

12.6 離散情況

12.7 光流的不連續

12.8 本章參考文獻

12.9 習題

第 13 章 攝影測量和立體視覺

13.1 兩張圖像之間的差異

13.2 攝影測量

13.3 絕對朝向

13.4 相對朝向

13.5 使用已知的相對朝向

13.6 計算景深

13.7 外部朝向

13.8 內部朝向

13.9 尋找共軛點對

13.10 本章參考文獻

13.11 習題

第 14 章 模式分類

14.1 由一個例子引入

14.2 特徵向量

14.3 基本方法

14.4 最近鄰分類

14.5 最近中心分類

14.6 實例：白血球分類

14.7 使用概率密度模型設計分類方法

14.8 不同形狀的聚類

14.9 聚類的自動形成

14.10 一個童話

14.11 本章參考文獻

14.12 習題

第 15 章 多面體物體

15.1 多面體場景的素描圖

15.2 恢復三維結構

15.3 梯度空間

15.4 明暗和梯度空間

15.5 圖像分割與多個物體的情況

15.6 標記素描圖

15.7 演示：複製一個積木結構

15.8 本章參考文獻

15.9 習題

第 16 章 擴展 Gauss 圖

16.1 凸多面體

16.2 Gauss 圖

16.3 Gauss 曲率

16.4 擴展 Gauss 圖

16.5 擴展 Gauss 圖的例子

16.6 離散情況

16.7 圓環面的擴展 Gauss 圖

16.8 對單位球面的剖分

16.9 旋轉體的擴展 Gauss 圖

16.10 一般情況下的 Gauss 曲率

16.11 擴展 Gauss 圖的應用

16.12 本章參考文獻

16.13 習題

第 17 章 無源導航

17.1 恢復觀測者的運動

17.2 預備知識和技術

17.3 平動的情況

17.4 使用其他的范數形式

17.5 轉動的情況

17.6 一般剛體運動的情況

17.7 本章參考文獻

17.8 習題

第 18 章 從容器中抓取零件

18.1 方法總覽

18.2 動機

18.3 裝著零件的容器

18.4 圖像分割

18.5 典型物體模型

18.6 物體表面的透視收縮

18.7 對齊主軸

18.8 非凸的物體

18.9 物體在空間中的姿態

18.10 旋轉的表示方法

18.11 朝向統計直方圖的匹配

18.12 針狀圖的二次投影

18.13 對偏離理想情況的矯正

18.14 選擇要抓取的物體

18.15 移動機器臂

18.16 “眼 --- 手”坐標系之間的變換

18.17 任意形狀的物體

18.18 結論

18.19 結束語

18.20 本章參考文獻

18.21 習題

附錄: 一些有用的數學工具

A.1 求解三角形

A.2 向量操作

A.3 向量和矩陣的導數

A.4 線性方程組的最小二乘解

A.5 Lagrange 乘子

A.6 變分法

A.7 本附錄參考文獻

參考文獻

索引