计算机视觉REVIEW.pdf要点
一、引言：
计算机视觉：根据场景的图像实现场景中对象信息的恢复和利用
格式塔法则（理解每条意思，能简单解释）——公理性的描述而非机理性的解释
1、Law of Proximity(相近)：接近或邻近原则。
2、Law of Similarity(相似)：相似原则。刺激物的形状、大小、颜色、强度等物理属性方面比较相似时，这些刺激物就容易被组织起来而构成一个整体。
3、Law of Common Fate(方向)：共方向原则。如果一个对象中的一部分都向共同的方向去运动，那这些共同移动的部分就易被感知为一个整体。
4、Law of Symmetry：即，人们对一个复杂对象进行知觉时，若无特定要求，常常倾向于把对象看作是有组织的简单的规则图形——匀称、简单而稳定。
5、Law of Continuation(连续)：连续性原则。如果一个图形的某些部分可以被看作是连接在一起的，那么这些部分就相对容易被我们知觉为一个整体。
6、Law of Closure(封闭)：封闭的原则，有时也称闭合的原则。有些图形是一个没有闭合的残缺的图形，但主体有一种使其闭合的倾向，即主体能自行填补缺口而把其知觉为一个整体。
Marr视觉理论：
1、信息处理分析的三个层次：计算层、表示和算法层、实现层
2、视觉表示框架的三个阶段：
第一阶段(Primal Sketch)：将输入的原始图像进行处理，抽取图像中诸如角点、边缘、纹理、线条、边界等基本特征，这些特征的集合称为基元图；
第二阶段(2.5D Sketch)：指在以观测者为中心的坐标系中由输入图像和基元图恢复场景可见部分的深度、法线方向、轮廓等，这些信息包含了深度信息，但不是真正的物体维表示，因此，称为二维半图；
第三阶段(3D Model)：在以物体为中心的坐标系中，由输入图像、基元图、二维半图来恢复、表示和识别三维物体--三维建模。
二、二值图像
二值图像的几何特性（能举例说出有哪些几何特性）
1、尺寸和位置：面积(零阶矩)、区域中心(一阶矩)
2、方向：
（1）某些形状(如圆)是没有方向的；假定物体是长形的,长轴方向为物体的方向。
（2）用最小二乘法拟合求解方向-> 最小化问题：
3、伸长率（max/min）、密集度（面积/周长2，Cir>Sqr>Rect）、形态比（最小外接矩形的长宽比）
4、欧拉数（亏格数，genus）：连通分量数减去洞数。平稳、旋转和比例不变。
投影计算（水平、垂直；知道定义与基本原理、给例子会计算）
1、定义：给定一条直线，用垂直该直线的一簇等间距直线将一幅二值图像分割成若干条，每一条内象素值为
1的象素的数量。
2、投影计算：
垂直（横向积累）
水平（纵向积累）
对角线投影（仿射变换）
连通区域
1、定义：
--连通：自反性、互换性、传递性；
--连通分量：连通像素的集合；
--邻点：四连通邻点、八连通邻点-->四连通路径、八连通路径
2、连通分量标记算法（递归、序贯）
（1）递归算法：
1.扫描图像，找到没有标记的一个前景点（像素值为1），分配标记L
2.递归分配标记L给该点的邻点
3.如果不存在没标记的点，则停止
4.返回第一步
（2）序贯算法：（for 4连通）
1.从左至右，从上到下扫描图像
2.如果像素点值为1，则
a.如果上面点和左面点有且仅有一个标记，则复制这一标记
b.如果两点有相同标记，复制这一标记
c.如果两点有不同标记，则复制上点的标记且将两个标记输入等价表中作为等价标记
d.否则给这一个像素点分配一新的标记并将这一标记输入等价表
3.如果需要考虑更多点，返回2
4.在等价表中的每个等价集中找到最低的标记
5.扫描图像，用等价表中的最低标记取代每一标记
3、区域边界跟踪算法
1.从左向右，从上到下扫描图像，求区域S的起始点
2.用c表示当前边界上被跟踪的像素点，置c=s(k)，记c的左邻点为b，b属于非S
3.按照逆时针方向记从b开始的c的8个8邻点分别为n1,n2,n3……n8，k=k+1
4.从b开始，沿逆时针方向找到第一个ni属于S
5.置c=s(k)=n i,，b=n i-1
6.重复步骤3、4、5，直到s(k)=s(0)
三、边缘
模板&卷积（给一个图像和模板，会计算卷积结果）
1、定义
（1）模板：矩阵方块，代表一个算子，其数学含义是一种卷积运算。
（2）卷积运算：可看作是加权求和的过程，使用到的图像区域中的每个像素分别与卷积核（该矩阵与使用的图像区域大小相同，其行、列都是奇数，是一个权矩阵）的每个元素对应相乘，所有乘积之和作为区域中心像素的新值。
2、计算示例：
3 * 3 的像素区域R与卷积核G的卷积运算：
R5(中心像素)=R1G1 + R2G2 + R3G3 + R4G4 + R5G5 + R6G6 + R7G7 + R8G8 + R9G9
边缘检测的基本思想
函数导数反映图像灰度变化的显著程度．
一阶导数的局部极大值，或二阶导数的过零点
基于一阶导数的边缘检测（有哪些）
1、梯度&用差分近似偏导数
（1）Roberts交叉算子（2*2）
（2）Sobel算子（3*3）
（3）Prewitt算子：运算较快（3*3）
2、均值差分：一定邻域内灰度平均值之差（3*3邻域加权）
C=1: Prewitt算子
C=2: Sobel算子
C=3: Sethi算子
基于二阶导数的边缘检测（有哪些）
* 图像灰度二阶导数的过零点对应边缘点-> 二阶微分算子
1、Laplacian算子：二阶导数的二维等效式
2、LoG算子（高斯滤波+拉普拉斯边缘检测）
基本特征：
平滑滤波器是高斯滤波器
采用拉普拉斯算子计算二阶导数
边缘检测判据是二阶导数零交叉点并对应一阶导数的较大峰值
使用线性内插方法，在子像素分辨率水平上估计边缘的位置
3、两种等效计算方法：
图像与高斯函数卷积，再求卷积的拉普拉斯微分
求高斯函数的拉普拉斯微分，再与图像卷积
Canny边缘检测（理解方法，能写出该方法的关键步骤，能说出其中两个阈值的意义或者结果）
1、关键步骤：
1.用高斯滤波器（获得平滑去噪和边缘检测的最佳平衡）平滑图像
2.用一阶偏导有限差分计算梯度幅值和方向
3.对梯度幅值进行非极大值抑制（NNS）：去掉幅值局部变化非极大的点
4.用双阈值算法检测和连接边缘：
(a) 取高低两个阈值(T2, T1)作用于新幅值图N[i,j]，得到两个边缘图：高阈值和低阈值边缘图。
高阈值图：N[i,j] > T2；
低阈值图：N[i,j] > T1
(b) 连接高阈值边缘图，出现断点时，在低阈值边缘图中的8邻点域搜寻边缘点。
2、为什么用双阈值？（意义）
* 阈值太低-> 假边缘;
* 阈值太高-> 部分轮廊丢失.
* 选用两个阈值：更有效的阈值方案．
四、曲线
链码（给一个曲线，会写出四方向链码或八方向链码）
方法：从图象边界上任意选取一个象素点作为
起始点，顺时针沿着边界编号，按照方向编号规则，
记录每一对象素间线段的方向编号，依次将方向编号连接即可得到图象边界的链码表示
写出四方向链码与八方向链码：
曲线拟合（Douglas-Peucker算法的步骤能理解并能写出）
1、曲线拟合思路概述：用解析法（p个点，不鲁棒）或回归法（全部值逼近，最小二乘法）拟合曲线模型，
通过最小二乘法来最小化MSE（均方差）减小拟合误差。
2、Douglas-Peucker算法-- 分线段（多边形）拟合
对每一条离散曲线的首末点虚连一条直线，求所有点与直线的距离，并找出最大距离值dmax，用dmax 与阈值D相比：
1. 若dmax＜D，这条曲线上中间点全部舍去；
2. 若dmax≥D，保留dmax对应的点，并以该点为界把曲线分为两部分，对这两部分重复使用该方法。Hough变换直线检测（理解Hough变换，知道原理，能写出基本步骤）
1、Hough变换是一种使用表决原理的参数估计技术。Hough变换的实质是将图像空间内具有一定关系的像
元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点。
2、原理：用图像空间和Hough参数空间的点－线对偶性（y=mx+c -> c= -xm+y，以(x,y)为自变量，(m,c)
为因变量，每个点(x,y)对应空间(m,c)上一条直线），把图像空间中的检测问题转换到参数空间。通过在参数空间里进行简单的累加统计，然后在Hough参数空间寻找累加器峰值的方法检测直线。（另：采用极坐标表示，以使参数空间离散化，累加对应的参数组合。）
3、算法步骤：
（1）适当地量化参数空间
（2）假定参数空间的每一个单元都是一个累加器，把累加器初始化为零
（3）对图像空间的每一点，在其所满足的参数方程对应的累加器上加1
（4）累加器阵列的最大值对应模型的参数
五、图像分割（每种方法能用1-2句话描述其基本思想）
*基本思想：基于像素值的不连续性（基于边界的分割）和相似性（基于区域的分割）展开分割算法。另外还有基于边缘的分割（需进行边缘检测和边缘拟合）。以下五种均为基于区域的分割算法。
基于K-means的聚类分割
（1）首先从n个数据对象任意选择k 个对象作为初始聚类中心；对于其它对象，根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。
（2）k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
（3）算法分步骤描述：
A.初始化：初始化一个包含K个类、N个点的特征空间，随机选取K个点作为初始聚类质心m1...m k
B.重复以下步骤：
a)遍历N个点，将每个点赋值为x j，以最近的聚类质心为依据划分聚类；
b)以每个积累的成员点为依据重新计算调整聚类质心；
c)如果不再发生聚类质心的变化，则停止。
基于区域生长的分割
以一组“种子”点开始将与种子性质相似的相邻像素附加到生长区域的每个种子上。
是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程。
初始化种子点-> 提取种子点形成种子区-> 为区域生长选定准则（1.任何像素和种子之间的灰度值绝对差必须小于65；2.像素必须与此区域中至少一个像素是8连通的）
基于Meanshift的分割
一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束。
基于分水岭的分割
（1）是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。
（2）算法：首先对每个像素的灰度级进行从低到高排序，然后在从低到高实现淹没过程中，对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。
流程：
所有的像素点以可能的最小值开始计算。
对于每个k级的组像素：
1.如果毗邻完全属于一个完整区域，添加这些像素到这些区域
2.如果毗邻的不属于一个完整的区域，则标记这些像素为边界
3.否则则而那位它开始了一个新的区域。
（3）分水岭变换得到的是输入图像的集水盆图像，分水岭表示的是输入图像极大值点。
基于GraphCut的分割（Ford-Fulkerson算法；给一个例子会计算最后的最大流/最小割）
（1）思想描述：图像分割问题即如何将像素划分到不同类别，图割是一种将图中各顶点划分到互斥划分的方法，于是我们可以将图像建立成图，运用图论中的图割思想来进行图像的分割。
（2）最大流/最小割（给一个例子要会计算最后的最小割）
最大流/最小割问题要求在不超过边容量限制的前提下求出网络中两个顶点之间的最大流。
最大流最小割定理：一个网中所有流中的最大值等于所有割中的最小容量。
（3）Ford-Fulkerson算法：
基本思想：
1）初始化一条容量为0的流f和一个剩余网络Gf，第一个剩余网络为原图G，每条边的剩余容量初始化为每条边的初始容量cf (u,v)=c(u,v)。
2）在剩余网络Gf中寻找增广路径p，取增广路径p中的边的剩余容量cf (u,v)最小值作为流的增量△f，使得f’=f+△f。修改剩余图中每条边的容量cf’(u,v)= cf (u,v)- △f得到剩余网络Gf。
3）重复步骤2），直到找不到一条增广路径为止。
六、局部特征
Harris角点检测的原理
１、基本思想：
（１）从图像局部的小窗口观察图像特征
（２）角点定义<-窗口向任意方向的移动都导致图像灰度的明显变化
（3）小结：沿方向[u,v]的平均灰度变化可以表达成双线性形式；使用M的特征值表达图像点局部灰度变化的情况，定义角点响应函数；一个好的角点沿着任意方向移动都将导致明显的图像灰度变化，即：R具有大的正数值。
2、算法（流程：角点响应函数R->提取R的局部极值）
对角点响应函数R进行阈值处理：
R > threshold
提取R的局部极大值
SIFT描述子的计算（怎么提取描述值）
（1）SIFT算子是一种图像局部描述子，具有尺度、旋转、平移的不变性，而且对光照变化、仿射变换和3维投影变换具有一定的鲁棒性。
（2）基本思想：在尺度空间寻找极值点，然后对极值点进行过滤，找出稳定的特征点。最后在每个稳定的特征点周围提取图像的局部特性，形成局部描述子并将其用在以后的匹配中。
（3）计算步骤
a. 确定计算描述子所需的图像区域
b. 将坐标轴旋转为关键点的方向，以确保旋转不变性
c. 将领域内的采样点分配到对应的子区域内，将子区域内的梯度值分配到8个方向上，计算其权值
d. 计算每个种子点八个方向的梯度
e. 如上统计的4*4*4=128个梯度信息即为该关键点的特征向量。
f. 描述子向量门限。
g. 按特征点的尺度对特征描述向量进行排序。
尺度不变的原理
SIFT特征=尺度不变特征转换（同一物体在图片上不论尺度大小，都能根据SIFT算法提取到相同的特征点）
七、相机模型及定标
理解：景深/光圈/焦距/视场
1、含义：
（1）景深：当焦距对准某一点时，其前后都仍可清晰的范围；
（2）光圈：控制透过镜头进入机身内感光面的光量（why不尽可能小：会更少的光进入；会发生衍射现象）（3）焦距：透镜中心到焦点的距离--照相机中从镜片中心到底片或CCD等成像平面的距离。
（4）视场：摄像头能够观察到的最大范围，通常以角度来表示，视场越大，观测范圉越大。
2、光圈对景深的影响（能用图示解释）
光圈越大，景深越小；光圈越小，景深越大
3、焦距对景深的影响（能用图示解释）
同样光圈下，焦距越短，景深越大。
4、焦距对视场的影响
一般情况下，焦距越短，视场越大。
理想的针孔相机模型（基本投影公式，能画图说明，会写齐次坐标形式下的矩阵形式的透视投影公式）
1、模型图示？
2、齐次坐标形势下的透视投影公式（背）
3*4：
4*4：
3、为什么引入齐次坐标
将所有的算子整合到单独一个矩阵中
实际的相机模型（有哪几个内参（不包括畸变参数），会写内参矩阵）
内参（与相机位置无关）：
（f x, f y, c x, c y）
相片中心（c x, c y），Sx, Sy—像素宽/高比，F：焦距
内参矩阵：
畸变
1、径向畸变和切向畸变各由什么原因引起
径向畸变：不完美的镜头（镜头形状）；光线通过镜头边缘时候发生了明显变形。
切向畸变：组装工程中光学部件发生中心偏移（和小孔形成了角度）
2、径向畸变常见的有哪两种
桶形畸变Barrel--由镜头中透镜物理性能以及镜片组结构引起的成像画面呈桶形膨胀状的失真
枕形畸变Pin cushion--由镜头引起的画面向中间“收缩”
3、畸变参数的定义
(k1, k2, p1, p2, k3)
k1,k2,k3是径向畸变
p1,p2是切向畸变
外参（有哪几个，分别代表什么含义）
(θ,φ,ψ, t x, t y, t z)
内参、外参、畸变参数在成像各阶段中的角色（从三维物体到真实图像的过程，老师说有个典型图，不知在哪）
以下内容不确定。。。。。。。。。。
物体坐标系（三维）
外参：
转化至世界坐标系（三维）
相机坐标系（三维）
内参：
转化至图像平面坐标系（二维）
转化至理想的像素坐标系模型（二维、int）
若像素坐标建模非理想，借由畸变参数恢复
相机定标需要求解哪些参数
输入：有N个角点的待标定物体的K个视角—输入一定数量的相符的场景和图片
（共计有：K个视角、2NK个角点、2NK>=K*6+4(k>=2,N>=4)）
求解---恢复相机参数：外参、内参、畸变参数
基于棋盘的相机定标
1、已知？求解？
又是一个不确定….回顾作业4…应该是输入有K个角点的棋盘的N个视角的照片，然后恢复相机参数吧…
已知：棋盘维数，棋盘大小，角点个数。求解：外参内参畸变参数
2、简述基本过程的步骤
待标定物体信息（知道方格关于坐标系的角点位置）->提取图片的角点信息->构造等式（将图像的平面坐标系与世界坐标系联系起来）->求解等式来获得相机参数
八、双目视觉—注：恢复的是深度图，不是三维模型
双目立体视觉的基本步骤（How to do stereo？）
清除畸变->非畸变图像
校正：调整相机，使两幅图行对齐
一致性：找到两幅图的相同点，计算差值
重新映射：三角化获取深度图
三角测量的基本原理与公式：
基本原理：假设我们有一套多重摄影机装配，即两个焦距相同且相机完全无畸变、行对齐、度量相同，假设我们知道一个三维点在两个图片中的二维位置，利用相似三角形获取深度图
为什么要做校正（极限几何，行对齐）
为什么：-- 使行对齐极限约束：给出图片上的一个点，它在另一张图上的的匹配视角必须与之核线行对齐。
意义：使一致性匹配更加容易（二维搜索->以为搜索）；消除特殊点影响，使结果更鲁棒性；为了三角化的映射为数学理论上的平行。
Stereo Matching—自适应窗口算法的基本步骤（校正之后）--计算差值
找到特征
->一致性方法（局部匹配或全局匹配）
->回归三角测量（两幅图已非畸变、正面平行、行对齐、相对应）
局部匹配方法：块匹配、基于梯度的优化、特征匹配
全局匹配方法：动态规划、本征曲线、图分割、非线性扩散、置信度传播、非对应性方法
九、三维数据获取
典型的距离成像技术有哪些
结构光系统
激光测距系统
结构光成像系统的构成
结构光投影仪、CCD相机、深度信息重建系统。
利用结构光获取三维数据的基本原理（公式） --尼玛这和ICP到底是不是一回事啊！自己撸吧！
迭代最近点方法（ICP-Iterative Closest Point）
①首先建立两个扫描结果之间点的对应关系；
②通过迭代获得一个仿射变换函数能够描述①中对应点之间的变换关系；
③对扫描结果上的所有点应用该仿射变换函数；
④选取两个扫描结果中距离最近的点作为对应点，计算对应点的距离，如果该距离大于设定的阈值，则继续
执行②③，否则结束。
十、光流（运动像素点的方向、速度的估算）
光流解决的是什么问题
解决像素一致性问题。（即估计像素运动--给定图H中的一个像素，在I中找到相同颜色的邻近像素）光流的三个基本假设
亮度稳定性（也即颜色稳定）
空间一致性（邻近点同属相同表面，运动状态相似、整体运动小）
时间持续性（图像的表面运动是持续的小运动）
一个点的约束公式会推导
十一、人脸检测（赶着写完赶晕了..应该是这样吧，各位自己找资料核对一下）
如何利用积分图（Integral Image）计算Rectangle Feature
1、Rectangle Feature的value = ∑ (pixels in white area) - ∑ (pixels in black area)
2、用积分图计算：
点（x, y）的值是其上及其左所有点的和，即：
2个Rectangle Feature需6个数组参照
3个……8个数组；4个…….9个数组。
计算机视觉第八次作业 Standardization of sany group #QS8QHH-HHGX8Q8-GNHHJ8-HHMHGN#
第十一章 立体视觉 习题 证明：对于校正过的图像对，在第一个摄像机的归一化坐标系内，P 点深度可 以表示为B z d =-，其中B 是基线，d 是视差。 图 11-1 一个校正图像对 证明：为了证明B z d =-，有必要根据图11-1对题目背景及符号进行说明。 符号说明： 1) ∏、'∏分别为物体平面(d ∏)对应的两个像平面； 2) O 、O '分别为第一、二个摄像机的光心，且基线长度为B OO '=； 3) p 、p '分别为物体平面d ∏中点P 在两个像平面中的投影点； 4) q 、q '分别为物体平面d ∏中点Q 在两个像平面中的投影点； 5) 0C 、0 C '分别为过光心O 、O '与基线垂直相交的点(垂足)； 6) H 为过Q 点与线段O O '垂直相交的点(垂足)； 7) u 、u '的方向分别表示第一、二个摄像机坐标系的横轴x 的正方向，且 彼此相互平行； 8) v 、v '的方向分别表示第一、二个摄像机坐标系的纵轴y 的正方向，且 彼此相互平行； 9) 向量0OC 、0 O C ''的方向分别表示第一、二个摄像机坐标系的z 轴正方向，且彼此相互平行； 显然，p 点和p '点位于同一条扫描线上，不妨设p 点和p '的在各自坐标系中的坐标分别为(),u v 和(),u v '，则它们的横坐标之差为视差d u u '=-。 在图11-1中，根据上述符号描述以及相似三角形性质，有
0~QHO OC q ?? ? 00OH qC QH OC = (1) ~QHO O C q ''''?? ? 0 O H q C QH O C '''= '' (2) (1)式与(2)相加得 000 OO qC q C QH OC O C '''= + '' (3) 又因为在第一个摄像机位于归一化坐标系中，即 00 1OC O C ''==； 基线B OO '=，QH z =-，0qC u =-，0q C u '''=，代入(3)式得 证毕。 证明当两个窗口的图像亮度可以用一个仿射变换I I λμ'=+相联系时，相关函 数达到最大值1，其中λ和μ为某个常数，0λ>。 证明：考虑两幅图像I 和I '，分别用向量()12,, ,T p w w w w =和 ()1 2,,,T p w w w w ''''=表示。其中，w 、p w R '∈，()()2121p m n =+?+，m 和n 为正整数。则归一化相关函数可以表示为 显然，为使()max 1C d =，则当且仅当向量w w -与向量w w ''-之间的夹角 为零时，即() ,0w w w w λλ''-=->则 或 w w λμ'=+，,0w w μλλ'=-> 所以当两个窗口的图像亮度可以用一个仿射变换I I λμ'=+相联系时，相关函数达到最大值1，其中λ和μ为某个常数，0λ>。 证毕。
燕山大学 课程设计说明书题目：基于矩形物体的旋转角度测量 学院（系）电气工程学院 年级专业： 学号： 1301030200 1301030200 学生姓名： 指导教师： 教师职称：讲师 燕山大学课程设计（论文）任务书
院（系）：电气工程学院基层教学单位：仪器科学与工程系 说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。 2016年 12 月 22 日燕山大学课程设计评审意见表
摘要 本文主要研究对矩形物体旋转角度的测量，并且比较每种方法的处理速度。通过对图像的滤波、二值化、边框的识别等等操作，完成对矩形物体的角度测量。本文采用五种方法分别对同一个矩形物体进行旋转角度测量，并比较其处理时间。五种方式分别为，边缘直线角度测量、对角线角度测量、矩形内部标准角度测量、角点边缘角度测量、垂线角度测量。 关键词：图像处理二值化旋转角测量定位识别
目录 第一章矩形物体的识别 (1) 1、图像滤波 (1) 2、图像的边缘检测 (2) 3、图像的二值化处理 (3) 4、图像的区域选择及处理 (4) 第二章旋转角度的测量 (6) 1、边缘直线角度测量 (6) 2、对角线角度测量 (8) 3、矩形内部标准角度测量 (9) 4、角点边缘角度测量 (10) 5、垂线角度测量 (11) 第三章算法时间的比较 (15) 参考文献 (16) 附录一 (17) 1、边缘直线角度测量程序 (17) 2、对角线角度测量程序 (17) 3、矩形内部标准角度测量程序 (18) 4、角点边缘角度测量程序 (19) 5、二值化-垂线角度测量程序 (23) 6、Soble-垂线角度测量程序 (24) 附录二 (26)
模型设计与制作课程总结 －论明清家具的结构 二O一四年四月二十五日
目录 1 前言 (4) 2 模型设计与制作技巧与方法 (4) 2.1手工艺品设计与制作 (4) 2.1.1设计思路 (4) 2.1.2材料与工具选择 (4) 2.1.3制作过程 (5) 2.1.4小结 (5) 2.2卡纸建筑模型设计与制作 (6) 2.2.1设计思路 (6) 2.2.2材料与工具选择 (6) 2.2.3制作过程 (6) 2.2.4小结 (7) 2.3石膏产品模型设计与制作 (8) 2.3.1设计思路 (8) 2.3.2材料与工具选择 (8) 2.3.3制作过程 (8) 2.3.4小结 (9) 2.4木质家具模型设计与制作 (9) 2.4.1设计思路 (9) 2.4.2材料与工具选择 (9) 2.4.3制作过程 (9) 2.4.4小结 (10) 3明清家具结构的分析 (10) 3.1文献解读 (10) 3.2案例分析 (11) 3.3见解与分析 (12) 4模型设计与制作课程结 (12)
4.1在专业学习中的作用与地位 (12) 4.2对该课程的建议 (12) 4.3心得与体会 (13) 5参考文献 (13) 1.前言 模型作为设计理念和形态的表达，由二维的设计方案转化为三维的实施
模型，使设想变成现实，是产品的立体表现技法，模型的制作能直观立体的体现设计师的设计想法[1]。模型的设计与制作，就是根据设计的图纸，按一定的比例微缩制作，要求制作材料的相似，特别注重细节，同时在制作方面注重精细，完整。模型制作的精细非常重要，才能保证实体的顺利制作。同样，模型也是适用于展示，收藏的艺术品。由此可见，模型的制作对于设计创造非常重要。 2. 模型设计与制作技巧与方法 2.1手工艺品设计与制作 2.1.1设计思路 对于手工艺的制作，我选择了一个我较为熟悉的乐器，二胡。整体看来，二胡的结构还是较为简单的，大体上由琴筒、琴杆、琴头、琴轴、弓子和琴弦等部分组成，还有千斤、琴马等细小部分。可以按照一比三的比例作一个缩小版二胡。底盘由400mm*300mm*15mm的长方体构成。如图 1.1 图1.1 二胡 2.1.2材料与工具选择 主要材料，牙签，一个和琴筒类似的塑料材质的空心圆柱体，废纸来做琴杆，硬卡纸，琴弦由白线制成，底盘则由卡纸制成。 工具上需要，剪刀，直尺，美工刀，双面胶，U胶，胶水等。 2.1.3制作过程
数字水印技术 一、引言 随着互联网广泛普及的应用，各种各样的数据资源包括文本、图片、音频、视频等放在网络服务器上供用户访问。但是这种网络资源的幵放也带了许多弊端，比如一些用户非法下载、非法拷贝、恶意篡改等，因此数字媒体内容的安全和因特网上的侵权问题成为一个急需解决的问题。数字水印作为一项很有潜力的解决手段，正是在这种情况下应运而生。 数字水印（技术是将一些代表性的标识信息，一般需要经过某种适合的变换，变换后的秘密信息（即数字水印），通过某种方式嵌入数字载体（包括文档、音频、软件等）当中，但不影响原载体的使用价值，也不容易被人的知觉系统（如视觉或听觉系统）觉察或注意到。通过这些隐藏在载体中的信息，可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。在发生产权和内容纠纷时，通过相应的算法可以提取该早已潜入的数字水印，从而验证版权的归属和内容的真伪。 二.算法原理 2.1、灰度图像水印 2.1.1基本原理 处理灰度图像数字水印，采用了LSB（最低有效位）、DCT变换域、DWT变换域三种算法来处理数字水印。在此过程中，处理水印首先将其预处理转化为二值图像，简化算法。 （1）LSB算法原理：最低有效位算法(Least Sig nificant Bit , LSB)是很常见的空间域信息隐藏算法, 该算法就是通过改变图像像素最不重要位来达到嵌入隐秘信息的效果, 该方法隐藏的信息在人的肉眼不能发现的情况下, 其嵌入方法简单、隐藏信息量大、提取方法简单等而获得广泛应用。LSB 信息嵌入过程如下: S′=S+f S ,M 其中,S 和S′分别代表载体信息和嵌入秘密信息后的载密信息;M为待嵌入的秘密信息, 而隐写分析则是从S′中检测出M以至提取M 。 （2）DCT算法原理：DCT 变换在图像压缩中有很多应用，它是JPEG，MPEG 等数据
数字图像处理 课程编码：3073009223 课程名称：数字图像处理 总学分： 2 总学时：32 (讲课28，实验4) 课程英文名称：Digital Image Processing 先修课程：概率论与数理统计、线性代数、C++程序设计 适用专业：自动化专业等 一、课程性质、地位和任务 数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。 二、教学目标及要求 1．了解图像处理的概念及图像处理系统组成。 2．掌握数字图像处理中的灰度变换和空间滤波的各种方法。 3．了解图像变换，主要是离散和快速傅里叶变换等的原理及性质。 4．理解图像复原与重建技术中空间域和频域滤波的各种方法。 5. 理解解彩色图像的基础概念、模型和处理方法。 6. 了解形态学图像处理技术。 7. 了解图像分割的基本概念和方法。 三、教学内容及安排 第一章：绪论（2学时） 教学目标：了解数字图像处理的基本概念，发展历史，应用领域和研究内容。通过大量的实例讲解数字图像处理的应用领域；了解数字图像处理的基本步骤；了解图像处理系统的组成。 重点难点：数字图像处理基本步骤和图像处理系统的各组成部分构成。 1.1 什么是数字图像处理 1.2 数字图像处理的起源
1.3.1 伽马射线成像 1.3.2 X射线成像 1.3.3 紫外波段成像 1.3.4 可见光及红外波段成像 1.3.5 微波波段成像 1.3.6 无线电波成像 1.3.7 使用其他成像方式的例子 1.4 数字图像处理的基本步骤 1.5 图像处理系统的组成 第二章：数字图像基础（4学时） 教学目标：了解视觉感知要素；了解几种常用的图像获取方法；掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间的联系的概念；了解数字图像处理中的常用数学工具。 重点难点：要求重点掌握图像数字化过程及图像中像素的联系。 2.1 视觉感知要素（1学时） 2.1.1 人眼的构造 2.1.2 眼镜中图像的形成 2.1.3 亮度适应和辨别 2.2 光和电磁波谱 2.3 图像感知和获取（1学时） 2.3.1 用单个传感器获取图像 2.3.2 用条带传感器获取图像 2.3.3 用传感器阵列获取图像 2.3.4 简单的图像形成模型 2.4 图像取样和量化（1学时） 2.4.1 取样和量化的基本概念 2.4.2 数字图像表示 2.4.3 空间和灰度级分辨率 2.4.4 图像内插 2.5 像素间的一些基本关系（1学时） 2.5.1 相邻像素 2.5.2 临接性、连通性、区域和边界 2.5.3 距离度量 2.6 数字图像处理中所用数学工具的介绍 2.6.1 阵列与矩阵操作
设计学习总结 篇一：展示设计学习总结 展示空间设计学习总结 通过这四周的展示设计的课程学习，对于展示空间设计有了很大的了解，我不敢说学得很好了，但是真的收获了很多。 回顾学习历程可以分为两个阶段，第一阶段的学习包括调研品牌案例、准 备工具与材料、绘制平立面图、制作草模、制作精模和整理相关的过程图片和交流课件等；第二阶段的学习包括接受展览任务、人员的分组分配、深入展厅现场调研，到方案确定等，通过这个过程的学习，让我们充分感受到了从头到尾靠自己的双手和思维创造成功的那份成就感和自豪感，为我们今后的设计以及踏上工作岗位后自我能力的展现增加了一份自信，一份从容，一份经验。 通过课题设计一何课题设计二方案的制作，我们展现出的是不同
的思想，不同的风格，在整个制作过程中，很多同学从开始制作时的不确定，慢慢通过自己的思考，解决制作过程中的难点，渐渐使整个制作过程豁然开朗。在这个过程中，我们提高了动手能力，思维能力以及空间的感受能力，更重要是我们对于空间关系的把握有了更深刻的理解和体会。 展示设计是一项强调空间环境和道具形式的独立设计职业，它是一种空间形 态的构成。展示环境分为室内空间和室外空间。室内空间是以展品本位为出发点，在展示道具形式作用下的空间形态。 展示艺术与空间是密不可分的，甚至可以说展示艺术就是对空间的组织利用 的艺术。无论从展示设计的概念，展示设计的本质与特征，展示设计的范畴以及展示设计的程序，我们都可以发现，“空间”这个概念是贯穿始终的。展示设计是一种人为环境的创造，空间规划就成为展示艺术中的核心要素。所以，在对空间设计进行探讨之前首先明确
空间的概念是非常必要的，也是每一个设计师需要把它当做“理念的基石”铭记在心的。 任何性质的空间环境都是由各种功能空间组成的，而展示环境由于其特殊的 性质，是通过空间的表现手段向观众传递信息，达到宣传、深化企业和产品形象的目的，所以它对所包含的功能空间的组织规划具有更高的要求。只有处理好各个功能空间如大众空间、信息空间、辅助功能空间、储藏空间、工作人员空间、接待空间等之间的的关系，使它们和谐统一的存在与一个公共空间之内，才能做到真的意义上的好的展示设计 当代的展示艺术已经发展成为现代科技成果的综合体现，所涉及的构成因素 也愈来愈复杂，并且融入了数码手段、声光电一体的方法等等，与之相呼应的便是功能空间的更新和增加。这为设计师对空间进行分析规划提出了更高的要求。就展示环境本身而言，采用合理的空间设
二、技术应用场景及典型厂商分析 1.计算机视觉技术已应用于传统行业和前沿创新，安全/娱乐/营销成最抢先落地的商业化领域 计算机视觉技术已经步入应用早期阶段，不仅渗透到传统领域的升级过程中，还作为最重要的基础人工智能技术参与到前沿创新的研究中。 本报告将重点关注技术对传统行业的影响。其中，计算机对静态内容的识别应用主要体现在搜索变革和照片管理等基础服务层面，意在提升产品体验；伴随内容形式的变迁（文字→图片→视频），动态内容识别的需求愈加旺盛，安全、娱乐、营销成为最先落地的商业化领域。 Analysys易观认为，这三类领域均有一定的产业痛点，且均是视频内容产出的重地，数据体量巨大，适合利用深度学习的方式予以改进。与此同时，行业潜在的商业变现空间也是吸引创业者参与的重要原因。 另一方面，当前计算机视觉主要应用于二维信息的识别，研究者们还在积极探索计算机对三维空间的感知能力，以提高识别深度。
2.计算机视觉的应用从软硬件两个层面优化安防人员的作业效率和深度 安防是环境最为复杂的应用领域，通常的应用场景以识别犯罪嫌疑人、目标车辆（含套牌车/假牌车）以及真实环境中的异常为主。 传统安防产品主要功能在于录像收录，只能为安防人员在事后取证的环节提供可能的线索，且需要人工进行反复地逐帧排查，耗时耗力；智能安防则是将视频内容结构化处理，通过大数据分析平台进行智能识别搜索，大大简化了工作难度，提高工作效率。 除此之外，在硬件层面上，传统安防产品超过4-5米的监控内容通常无法达到图像识别的像素要求，并容易受复杂环境中光影变化和移动
遮挡的影响而产生信息丢失，因此计算机会出现大量的误报漏报，这些局限为治安工作造成了一定的阻碍。 安防技术厂商在此基础上进行了创新，以格灵深瞳为例，目前已将摄像头的有效识别距离稳定至70-80米，同时开创了三维计算机视觉的应用，通过整合各类传感器达到类人眼的效果，减弱了环境对信息采集的负面影响，提高复杂环境下的识别准确度。 Analysys易观认为，计算机视觉的应用从行业痛点出发，以软硬件的方式大大优化了安防人员的作业效率与参考深度，是顺应行业升级的利好。不过，在实际应用过程中，对公安、交警、金融等常见安防需求方而言，更强的视觉识别效果往往意味着更多基础成本（存储、带宽等）的投入，安防厂商的未来将不只以技术高低作为唯一衡量标准，产品的实用性能与性价比的平衡才是进行突围、实现量产的根本，因此市场除了有巨大的应用空间外，还会引发一定的底层创新。
中国海洋大学计算机视觉课程大纲（理论课程） 英文名称：Computer Vision 【开课单位】信息学院计算机系【课程模块】工作技能 【课程编号】080504301305 【课程类别】选修 【学时数】68 （理论51 实践17 ）【学分数】3.5 一、课程描述 （一）教学对象 计算机相关专业学生。 （二）教学目标及修读要求 1、教学目标 了解计算机视觉的应用领域，掌握基本的图像分割、特征检测、聚类及分类算法，理解相机模型以及相机标定方法，学会利用已有相关算法，使用OpenCV进行相关视觉应用的开发。 2、修读要求 计算机视觉属于计算机专业的一门新课，和研究前沿结合的比较紧密，需要学生具有数字图像处理、计算机图形学以及线性代和概率论方面的基础。 （三）先修课程 数字图像处理。 二、教学内容 （一）绪论 1、主要内容：介绍计算机视觉的基本概念，应用领域，发展历史等相关内容。 2、教学要求：了解计算机视觉的应用领域及学习的内容。 （二）第二章图像形成 1、主要内容：几何基元和变换，光度测定学的图像形成，数字摄像机。 2、教学要求：理解图像形成的物理过程，包括相机镜头的物理特性对图像形成过程的影响，掌握3D到2D的投影变换，掌握相机内参和外参的概念。 3、重点、难点：相机内参和外参的标定。 （三）第三章图像处理 1、主要内容：点算子，线性滤波器，其他邻域算子，傅里叶变换，几何变换等。 2、教学要求：掌握数字图像处理课程相关的基本内容，包括空间域的图像处理及频率域的图像处理基本方法。 3、重点、难点：傅里叶变换。 （四）第四章特征检测与匹配 1、主要内容：图像的点与块，图像的边缘，直线。 2、教学要求：理解图像特征的概念，掌握几种特征（点、块、边缘、直线）的检测方法，了解特征匹配的在图像拼接及相机标定等方面的应用。 3、重点、难点：几种特征描述子的生成过程。 （五）第五章图像分割 1、主要内容：活动轮廓，基于区域的分割。 2、教学要求：掌握几种流行的图像分割方法，包括基本的阈值方法，活动轮廓方法，基于聚类的方法。 （六）第六章基于特征的配准 1、主要内容：基于2D和3D特征的配准，姿态估计，几何内参标定。
网页课程设计心得 篇一：网页设计课程心得体会 “网页设计”学习心得体会 现在，计算机和网络已经深入到了我们生活中的方方面面，也已经成了生活中不可缺少的一部分，网络成了我们获取知识和信息的一种便捷工具，现在的网民也在不断的增多，所以，了解和学习网络知识是我们作为一名大学生迫切所需的。我通过这一学期的学习，对网页设计有了初步的认识和了解，并基本掌握了Dreamweaver的应用。 在学习了网页设计的同时，我更加深入的了解了关于计算机和网络的知识。基于对计算机基础与C语言的基本掌握，学习网页设计的基础部分便显得较为轻松。虽然如此，在设计过程中依然出现了很多的问题，但通过看书，上网查询，等方式，不断的学习、解决、提高，设计出的网页不论是外观还是内
容，都在不断的进步、改善。可以说在自己动手，不断实践的过程中，网页设计水平得到了很大的提高。 通过对网页设计书籍的翻阅，我学习到了一些关于建设网站和制作网页的知识，在实践查阅资料时，对flash也有所了解。我还了解了一些基础的网络技术。通过学习，我对计算机有了更深层次得到了解，也有了更浓厚的兴趣。尤其是对网页制作的过程与一些技巧手法更有了另外一番了解，对网页制作的基础知识也有了一定的掌握。在这个过程中，我同样认识到网页设计不是一门学科的独秀，而是多种课程的综合，他是Flash、Fireworks等网页软件的综合应用。 下面阐述一下我在设计我的网站时的一些关于网页设计的见解。在具体的制作时我了解到一个优秀的网页设计应该具备一些基本原则。 首先，要确定网页设计的内容，一个优秀的风站要有一个明确的主题。整
个网站围绕这个主题,也就是你在网页设计之前要明确你这个网站有什么目的,用来做什么，所有页面都是围绕着这个内容来制作，有了明确的内容对排名有很重要的作用；其次，要了解你网站所在行业的客户，及你的网页属于哪个类别。用户是一个网站成败的关键,如果用户要花很多时间进入你网站很有可能用户会立即关掉你网站,或者你网站操作很不方便用户也会马上离开,这种网站是很失败的设计,只会让用户失望的离去. 在完成以上的基本内容之后网页的基本框架便成形成了。下面要开始的便是优化工作。 内容是整个网页的核心。在网页设计之前必须明确网页的内容安排。优秀网页设计是要建立在平凡的基础上的。然后在具体的规划一个网页时，可以用树状结构先把每个页面的内容大纲列出来，尤其要制作一个大的网站的时候，特别需要把这个架构规划好，也要考虑到以后可能的扩充性，免得做好以后又
展示设计课程学习总结 展示设计是一门多位空间的综合艺术设计，通过这门课程的学习，对它囊括的内容更加了解，它的定义是在既定的时间和空间范围内，运用艺术设计语言，通过对空间与平面的精心创造，使其产生独特的空间效果，不仅含有解释展品宣传主题的意图，并使观众能参与其中，达到完美沟通的目的，这样的空间形式，我们一般称之为展示空间。 展示设计的内容很多，包括空间的规划，光影声色效果等等，通过这个课程也理解之前我们学习了很多基础课如二维三维练习都是这个课程的基础，通过展示设计课程老师的讲解以及一些案例的分析介绍，使我更加了解这个专业的方向，也了解到专业方向的多样性，同时学习到很多与会展业相关的知识。简单的理解，展示设计其实就在我们的生活中，如展览会，博物馆，商业空间等都是一种需要展示的空间，分析一个空间，了解产品的特性，才能做出最合适的设计，通过造型，材质，光影的效果营造出一个与品牌展品符合的展示空间，能更好的把参展人的眼球吸引过来，即使产品可能不出名。 现在展示空间的手法各异，展示形式也是不定化的，通过学习，我想我们应该在固定的基础上应该再做出一些创新，如利用新型的材料，或者是新型的排列手法，只要我们用心去设计其实都可以推陈出新的。同时在这个课程里，我也了解到在当代设计更应该注意到环保以及节约成本的问题，展示空间一般都是流动性强持续时间短的设计，不像是室内设计一样是一个长时间使用的空间，所以我们更应该采用轻便可重复利用的材料，注重环保节省人力物力，作为设计师以后还可以才材料上的使用多做创新。 老师在展示设计课程方面，让我们对很多问题做出了分析，借此机会也浅略的了解了中外会展设计的差别，知道了我国目前的会展业现状以及国外会展业的一些优点以及发展历史，通过这些练习也有了自己的对展示设计这个专业的思考以及感悟，我相信每个人都是受益匪浅的，这次课程丰富了专业的知识，同时也提高了设计的理念，对未来设计方向也有了一定的了解，也许在以后的工作中我们的设计理念会被商业化，但是我相信，每个人心中都有自己的风格，并且会在未来的设计有机会中展现出来自己想要的设计效果，这样就足够体现了这门课带给我们的价值了。 最后这个作业的制作其实我也是遇到了很多的问题，比如在一个有限的长条形的空间内，设计的思路总是有些受到限制，设计的方案更改过很多次，思路经过长时间的混乱才确定出最后的方案，还有在材质的配置上，很难预想到整体效果，所以花了较多的时间调整材质，在这次作业的过程中也能感觉到自己还有很多不足的地方，需要在课程结束后继续学习。 总的来说通过这个课程，对展示设计确实有了比之前更加深刻的了解，并且也会对以后的设计生涯也有了潜移默化的帮助，给自己更多的信心，希望未来能够在展示设计方面做出好的作品。
大学计算机视觉实验报告 摄像机标定 ：振强 学号：451 时间：2016.11.23
一、实验目的 学习使用OpenCV并利用OpenCV进行摄像机标定，编程实现，给出实验结果和分析。 二、实验原理 2.1摄像机标定的作用 在计算机视觉应用问题中，有时需要利用二位图像还原三维空间中的物体，从二维图像信息出发计算三维空间物体的几何信息的过程中，三维空间中某点的位置与二维图像中对应点之间的相互关系是由摄像机的几何模型决定的，这些几何模型的参数就是摄像机参数，而这些参数通常是未知的，摄像机标定实验的作用就是通过计算确定摄像机的几何、光学参数，摄像机相对于世界坐标系的方位。 2.2摄像机标定的基本原理 2.2.1摄像机成像模型 摄像机成像模型是摄像机标定的基础，确定了成像模型才能确定摄像机外参数的个数和求解的方法。计算机视觉研究中，三维空间中的物体到像平面的投影关系即为成像模型，理想的投影成像模型是光学中的中心投影，也称为针孔模型。实际摄像系统由透镜和透镜组组成，可以由针孔模型近似模拟摄像机成像模型。 图2.1 针孔成像 2.2.2坐标变换 在实际摄像机的使用过程中，为方便计算人们常常设置多个坐标系，因此空间点的成像过程必然涉及到许多坐标系之间的相互转化，下面主要阐述几个重要坐标系之间的转换关系。
2.2.2.1世界坐标系--摄像机坐标系 图2.2 世界坐标系与摄像机坐标系空间关系 世界坐标系与摄像机坐标系之间的转换关系为： ????? ? ????????????=???? ????????111w w w T c c c Z Y X O T R Z Y X R 和T 分别是从世界坐标系到摄像机坐标系的旋转变换和平移变换系数，反映的是世界坐标系和摄像机坐标系之间的关系，因此称为外参数。 2.2.2.2物理坐标系--像素坐标系 图2.3 像素坐标系
《人工智能》课程教学大纲 课程代码：H0404X 课程名称：人工智能 适用专业：计算机科学与技术专业及有关专业 课程性质：本科生专业基础课﹙学位课﹚ 主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授 总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚ 课程学分：2学分 预修课程：离散数学，数据结构 一.教学目的和要求： 通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。 此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。 二.课程内容简介 人工智能的主要讲授内容如下： 1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。 2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。 3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。 4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。 5.比较详细地讨论了人工智能的主要应用，包括专家系统、机器学习、自动规划、Agent、自然语言理解、机器视觉和智能控制等。对于应用内容，根据学时，有选择地进行讲授。 6.评述近年来人工智能的争论，讨论人工智能对人类经济、社会和文化的影响，展望人工智能的发展。 以上内容反映了人工智能的最新进展，理论联系实际，具有很好的针对性。 三.教学内容和学时安排
“展示设计”课程标准 英文名称：Displaying Design 课程性质：专业限选课 学分：学时：64 面向对象：本科/专科三年级学生 一、课程简介 《展示设计》课程分为四部分：展示设计基本原理、展示设计的程序和方法、展示设计的专项设计、展示设计的过程表达及案例分析，每一讲都由基本理论和方法联系到行业的最新信息，展示设计是具有鲜明时代特点和创新性的空间设计学科，需要广泛的专业知识做支撑，这些专业知识要跟着社会的发展进行实时更新，因此《展示设计》本着“系统”研究方法，突出创造性思维，让学生运用视觉传达手段、空间规划、平面布置、借助道具、设施、照明技术，对展示空间环境进行再创造，力求使观者接受设计者所要传达的媒介信息。二、课程地位与教学目标 课程地位：本课程是环境设计专业的限选课，属于专业技能系列。本课程将展示设计基础知识与设计课题相结合，启发学生的思考，鼓励学生的探索，让学生在课题设计中做出高质量、有深度、有创新力、逻辑性清晰的设计。并通过设计课题引导学生在从专业系统的角度再强化展示设计的方法及程序，包括：设计准备、设计定位、设计方案、方案深化、图纸表达、设计与施工的对接、施工阶段的程序规范、施工完成的验收等。同时，也为未来的毕业设计以及真实设计项目打下坚实的基础。 课程教学目标：本课程让学生了解展示设计师在做方案设计的时候不是天马行空，而是依据展示设计程序和方法，扎实的推进设计，每一个问题都需要专业知识做后盾，掌握课程内讲授的理论及方法，并在设计中进行思考和应用。该目标具体分解为以下子目标。 1展示设计基本原理。 2展示设计的程序和方法。 3展示空间的专项设计。 4展示设计的过程表达。 展示设计基本原理告诉学生展示设计的宏观概念及发展历史概况；展示设计的程序和方法告诉学生系统设计在展示设计中如何应用，创造性思维在展示设计中的重要性；展示空间的专项设计告诉学生展示设计涉及到空间设计、版面设计、色彩设计、照明设计、道具设计、材料设计等要素，众多的要素交织在一起，如何让这些元素灵活互动，达到理想的设计效果对各要素的解析是必不可少的；展示设计的过程表达告诉学生有序、精准、直观的过程表达有助于方案自身的推敲及设计思想和方案的传达。 学生通过学习本课程的四方面专业知识，对展示设计课题有更深的理解，获得专业的基础能力，为毕业设计要求第3，掌握手工制作基本技术，具有能够把设计概念制作成一件能够工作的物品的能力；了解专业设计领域的主要材料、工艺及制造技术方面的知识实现提供支持。
《数字图像处理》课程教学大纲 (Digital Image Processing) 课程编号：1223523 课程性质：专业课 适用专业：计算机科学与技术 先修课程：高等数学、线性代数、概率论与数理统计、数据结构、程序设计 后续课程：模式识别 总学分：2.5学分（其中实验学分0.5） 一、教学目的与要求 1．教学目的 数字图像处理是模式识别、计算机视觉、图像通讯、多媒体技术等学科的基础，是一门涉及多领域的交叉学科。通过对本课程的学习，使学生能够较深入地理解数字图像处理的基本概念、基础理论以及解决问题的基本思想方法，掌握基本的处理技术，了解与各个处理技术相关的应用领域。 2．教学要求 根据我院计算机专业的实际情况和教学条件采用讲授实验与学生自学相结合的方法进行教学。教学过程中力求做到重点突出、概念明确、线索清晰，注意适当介绍本学科前沿及当前应用领域中有关的热门问题。 实验是本课程中重要的教学内容，要求学生自己完成规定的实验并认真观察教师的实验演示。 二、课时安排 三、教学内容 1 概论（2学时） (1)教学基本要求
了解：数字图像处理的研究内容，图像处理的发展历史、现状。 掌握：图像处理系统的基本概念、特点和主要内容；数字图像处理系统的硬件组成及其相关应用 (2)教学内容 ①数字图像处理及其特点。（重点） ②数字图像处理的目的和主要内容。 ③数字图像处理系统 ④数字图像处理的应用 ２数字图像处理基础（4学时） (1)教学基本要求 了解：图像数字化设备，色度学基础 掌握：图像数字化技术（采样、量化）；数字图像的类型和文件格式；数字图像的颜色模型（RGB模型和HIS模型） (2)教学内容 ①图像数字化技术。 ②数字图像类型和文件格式。 ③色度学基础与颜色模型。（重点、难点） ３Matlab图像编程基础（3学时） (1)教学的基本要求 了解：数字图像程序设计的各种方法。 掌握：Matlab中各种图像处理的函数。 (2)教学内容 ①Matlab 概述。 ②Matlab图像的代数运算函数。 ③Matlab 图像处理工具箱函数。（重点） ④Matlab图像程序设计。（难点、重点）
空间设计课程小结 通过这四周的空间设计课程学习，不论是理论上还是在模型制作中，对于空间设计有了很大的了解。 空间设计是指房子装修完毕之后，利用那些易更换、易变动位置的饰物与家具，如窗帘、沙发套、靠垫、工艺台布及装饰工艺品、装饰铁艺等，对室内的二度陈设与布置以及布艺、挂画、植物等等。而其中的商业空间是我们模型制作的主要方向。 商业归根结底就是交换。“随着和产力的发展，商业活动也由非定期到定期，由赶集成为集贸，由流动的时空进至特定的时空。“而商业空间也就应该理解为上述活动过程中所需的各类空间形式。 从广义上可以把商业空间定义为：所有与商业活动有关的空间形态。从狭义上则可以把商业空间理解为：当前社会商业活动中所需的空间，即实现商品交换、满足消费者需求、实现商品流通的空间环境。其实就是狭义的概念理解商业空间也包含了诸多的内容和设计对象。如：各类商业用信得过的空间，博物馆、展览馆、商场、步行街、写字楼、宾馆、餐饮店、专卖店、美容美发店等空间均可以包含在内。 然而随着时代的发展，现代意义上的商业空间必然会呈现多样化、复杂化、科技化和人性化的特征。其概念也会产生更多的不同解释和外延。 商业空间设计，实际上是对于商业空间的分析判断，其实我们认为，就是商业的这种建筑设计也好、装饰设计也好、环境设计也好，实际上还是要针对消费者去做。也就是针对市场去做。如果没有这个前提条件，后面的所有东西是没有基础去评判的。 我们不能简单地去照搬国外的东西，我们也不能够就是无视现代人的，就是现代中国消费者，各个城市的消费者，不同的消费需求。所以实际上，归根到底是要创造一个符合现代人们生活方式的一个商业环境。 我了解了商业空间设计的分类：百货店、邮政、连锁店、超级市场、购物中心、商业街、量贩店、便利店、专卖店。而商业空间的功能也有多种：1.展示性，除了一半意义上的商品陈列，商业空间还可以包括舞台上动态的表演、各种形式广告的发布、POP等有关商品自身以及附加信息的传达；2.服务性：商业空间提供各种有形或无形的服务，包括购物、休闲、咨询、汇兑、寄存、修理、餐饮、美容等；3.娱乐性：提供影剧院剧场、儿童游乐、电子游戏、运动休闲等调剂身心的活动；4.文化性，无论是商品成例或娱乐活动，其本质均是文化活动，包括各类流行也是一种文化。 除此之外，我们还必须要了解消费者的消费心理与购物环境。要考虑购物环境的舒适和美观性、安全性方便性、可选择性、标识性。顾客消费行为的心理活动过程式设计者必须了解的基本内容，人们的消费心理活动，大致可分为三个阶段：认知过程、情感过程、意志过程。 另外，我发现现代商业空间的展示手法各种各样，展示形式也不定向化，动态展示是现代展示中倍受青睐的展示形式，它有别于陈旧的静态展示，采用活动式、操作式、互动式等，观众不但可以触摸展品，操作展品，制作标本和模型更重要的是可以与展品互动，让观众更加直接的了解产品的功能和特点，由静态陈列到动态展示，能调动参观者的积极参与意识，使展示活动更丰富多彩，取得好的效果。 总之，这门课程让我收获了很多，对于设计，尤其是对商业空间设计有了更清楚的认知。
《人工智能导论》教学大纲 大纲说明 课程代码：3235042 总学时：32学时（讲课32学时） 总学分：2学分 课程类别：限制性选修 适用专业：计算机科学与技术，以及有关专业 预修要求：C程序设计语言，数据结构 课程的性质、目的、任务： 人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。本课程是计算机科学与技术，以及有关专业重要的专业方向与特色模块课程之一。通过本课程的开设，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 课程教学的基本要求： 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。要求学生掌握这些研究论题的基础知识。 人工智能还提供一套工具以解决那些用其它方法难以解决，甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。要求学生掌握利用其中的重要工具解决给定问题的基本方法。大纲的使用说明： 通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时，本大纲亦可作为《人工智能与专家系统》的课程教学大纲。 大纲正文 第一章绪论学时：2学时（讲课2学时）了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。 本章讲授要点：在介绍人工智能概念的基础上，使学生了解本课程所涉知识的重要意义，以及人工智能的应用现状和应用前景。
计算机视觉在各个方面的应用 摘要 计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。 关键词：图像处理，模式识别，图像理解。 正文 1.1序言 计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。 计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算计科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。 所需要的知识储备以及相关课程如下， 图1-1 图1-2
1.1.2 现阶段的形式 视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性，一些先进国家，例如美国把对计算机视觉的 图1-3计算机视觉与其他领域的关系 研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战（grand challenge）。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科，计算机视觉开始于60年代初，但在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。计算机视觉与人类视觉密切相关，对人类视觉有一个正确的认识将对计算机视觉的研究非常有益。为此我们将先介绍人类视觉。 人类正在进入信息时代，计算机将越来越广泛地进入几乎所有领域。一方面是更多未经计算机专业训练的人也需要应用计算机，而另一方面是计算机的功能越来越强，使用方法越来越复杂。这就使人在进行交谈和通讯时的灵活性与目前在使用计算机时所要求的严格和死板之间产生了尖锐的矛盾。人可通过视觉和听觉，语言与外界交换信息，并且可用不同的方式表示相同的含义，而目前的计算机却要求严格按照各种程序语言来编写程序，只有这样计算机才能运行。为使更多的人能使用复杂的计算机，必须改变过去的那种让人来适应计算机，来死记硬背计算机的使用规则的情况。而是反过来让计算机来适应人的习惯和要求，以人所习惯的方式与人进行信息交换，也就是让计算机具有视觉、听觉和说话等能力。这时计算机必须具有逻辑推理和决策的能力。具有上述能力的计算机就是智能计算机。 智能计算机不但使计算机更便于为人们所使用，同时如果用这样的计算机来控制各种自动化装置特别是智能机器人，就可以使这些自动化系统和智能机器人具有适应环境，和自主作出决策的能力。这就可以在各种场合取代人的繁重工作，或代替人到各种危险和恶劣环境中完成任务。 1.1.3 简单原理 计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。计算机视觉的最终研究目标就是使计算机能象人那样通过视觉观察和理解世界，具有自主适应环境的能力。要经过长期的努力才能达到的目标。因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。例如，计算机视觉的一个重
计算机视觉作业 -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
不同尺度下LOG和CANNY边缘提取算子性能分析 电子23 李晓焕 2120906014 1.实验与结果分析 在实验中使用了MATLAB 5.3软件对三副图像进行了边缘检测（注：一开始使用的MATLAB R2010b软件在使用edge函数时出现闪退问题无法解决），分别是棋盘格(Tessella.bmp)、Lena (Lena.bmp) 和自己选择的一幅自然场景图像（使用Photoshop软件将其转换成8bit灰度，256×256大小的Bmp格式图像）Nature (Nature.bmp)。 实验中选择的参数如下：对图像施加的高斯白噪声水平分别为σ=0.0001和 σ=0.0005；选择的LOG边缘提取算子的参数分别为阈值=0.25，σ=0.6和阈值 =0.001，σ=3.0；选择的Canny边缘提取算子的参数分别为阈值 =[0.02,0.25],σ=0.6和阈值=[0.001,0.25],σ=3.0。 MATLAB程序代码示例如下： i=imread('d:\Tessella.bmp'); j=imnoise(i,'gaussian',0,0.0001); k1=edge(j,'log',0.25,0.6); k2=edge(j,'canny',[0.02,0.25],0.6); subplot(1,2,1);imshow(k1);title('log,th=0.25,sigma=0.6') subplot(1,2,2);imshow(k2);title('canny,th=[0.02,0.25],sigma=0.6') 1.1 对lena以及chess图像的边缘检测结果 （1）噪声水平为σ=0.0001