电子科技大学徐行老师高级视觉课重点整理与期末复习

"这份资源包含了2023年电子科技大学徐行老师高级视觉课程的期末考试回忆内容和复习资料，适用于本科及研究生学习。资料涵盖了老师重点讲解的知识点，特别是图像表示和滤波方面的内容，对理解计算机视觉中的颜色空间和图像处理技术有极大帮助。" 在计算机视觉领域，图像表示是基础且关键的一环。1024*1024的图片存储需求是基于像素的数量计算的，每个像素通常用RGB模型表示，需要24位（3个8位通道）存储红、绿、蓝三种颜色的信息。因此，这样大小的图片总共需要1024 * 1024 * 24比特。RGB模型是一种加性颜色模型，由红、绿、蓝三种原色组合而成，形成不同的颜色。在数学上，RGB图像可以被表示为一个M×N×3的三维矩阵，M和N代表图像的高度和宽度。 颜色空间的转换对于图像处理至关重要。RGB模型虽然广泛使用，但在某些情况下，如颜色分析和调整时，HSV（色调、饱和度、明度）颜色空间更为适用。HSV模型更符合人类对颜色的感知，其中色调H表示颜色种类，饱和度S表示颜色纯度，明度V表示颜色亮度。另一个常见颜色空间是YCbCr，常用于视频压缩和传输，因为它能将亮度信息Y与色度信息Cb和Cr分离，从而实现高效压缩。 在图像处理中，滤波是常用的降噪和特征提取手段。高斯滤波器是一种低通滤波器，主要用于去除图像中的高频噪声，如高斯噪声，同时保留部分细节信息。与之对比，均值滤波器虽然也能平滑图像，但它对所有频率的噪声都同等对待，可能会抹去图像的边缘和细节，对椒盐噪声的处理效果不如高斯滤波器。高斯滤波器的特点在于其核函数是高斯分布，这使得它在平滑图像时对边缘有一定的保护作用。 此外，高斯滤波器在平滑图像的同时，能够有效地降低噪声，特别是在处理高斯噪声时表现优异。不过，对于椒盐噪声这种局部突变的噪声，由于其非连续性和随机性，均值滤波器可能无法有效去除，而高斯滤波器由于其平滑特性，会相对较弱。因此，在实际应用中，针对不同类型的噪声，会选择合适的滤波方法。 这些复习资料对于深入理解和掌握计算机视觉课程中的图像表示和滤波技术非常有价值，无论是本科还是研究生阶段的学习，都能从中受益匪浅。