计算机视觉：figure-ground原则与特征提取方法详解

计算机视觉复习整理1主要探讨了图像理解中的一些核心原则和概念，包括： 1. **图像与背景关系原则（figure-ground）**：这是一种认知现象，人类大脑倾向于将图像中的物体或图形识别为与背景分离的部分，使其在视觉上更加突出。 2. **接近原则（proximity）**：物体如果在空间上靠近，会被视为一个整体，这是人类观察时的基本组织原则。 3. **相似原则（similarity）**：物体在形状、大小、颜色或强度等方面的相似性有助于我们将其视为一个整体，这是感知过程中的一种整合方式。 4. **连续性原则（contiguity）**：连续的图形部分容易被感知为一个整体，即使它们之间存在空隙。 5. **封闭/闭合原则（closure）**：大脑会自动填充未完成的图形，使其看起来完整，这有助于识别复杂的视觉元素。 6. **蕴含律（principle of grouping）**：在感知复杂对象时，人们倾向于假设对象具有对称性、简单性和规则性，有助于简化视觉信息。 7. **格式塔法则（Gestalt principles）**：这些原则是一套心理学理论，用于解释人类如何从视觉信息中构建有意义的形状和结构。 **PrimalSketch** 技术通过处理原始图像，提取出如角点、边缘、纹理等基本特征，形成基元图，作为后续分析的基础。 **2.5D Sketch** 和 **3D Model** 分别涉及二维场景的深度信息恢复和三维物体的重建，前者是基于观察者的视角，后者则以物体为中心。 视觉框架通常分为三个阶段： - **二值图像**：将图像转化为黑白形式，便于分析。 - **形状特征提取**，如面积（零阶矩）、区域中心（一阶矩）、方向（最小二乘法求解），以及伸长率、密集度、形态比等。 - **几何特性**，如水平和垂直投影的计算，对角线投影的处理和标号对应关系。 此外，还介绍了**连通分量标记算法**，它是一种用于分割图像中连通区域的递归方法，包括检查相邻像素标记、复制标记或合并标记等步骤。 整个资源围绕计算机视觉的基础理论和方法展开，对理解图像数据的分析和处理至关重要，涵盖了从低级特征提取到高级场景理解和三维重建等多个层次。