计算机视觉

计算机视觉的课程笔记，按主题、章节与习题整理。

系统整理图像滤波、特征提取、分割、几何与深度学习等计算机视觉核心主题。

围绕二维卷积、互相关和滤波复杂度展开的理论推导与图像处理实验。

1. 掌握图像的参数化几何变换原理 2. 掌握图像的前向变换与逆向变换 3. 掌握图像的下抽样原理以及图像的内插方法原理 4. 掌握图像的高斯金字塔与拉普拉斯金字塔表示原理 前向变换: ; 存在问题 不一定是整数 逆向变换: ; 存在问题 不一定可逆. 且逆变换也不一定是整数。

1. 计算基于高斯一阶微分的图像梯度（幅值图与方向图）, 分析高斯方差对图像梯度的影响。

软件: 华谷动力相机驱动, python (环境如下)。

以 的检测窗口为例, cell 大小为 , block 为 , 则窗口内 HOG 特征维度为。

从离散信号与卷积出发，整理均值、中值、高斯、可分离和双边滤波的基本方法。

几何变换 为什么需要缩放? 远处的物体看起来小，近处的物体看起来大 需要识别不同尺度的物体（尺度不变性） 将图像调整到相同大小有助于识别。