CS4187 Computer Vision

Assessment

• Programming Assignments (50%)
  • Three Assignments (30%)
    
  • One Mini Project & Video-recorded Presentation/Demonstration (20%)
    
• Midterm Quiz (10%)
• Final Exam (40%)

Lecture 1

• Computer Vision is to give computers super human-level perception

Lecture 2

• Linear Filtering
  • Box Filtering
  • Gaussian Filtering
  • 高斯滤波器用加权平均值（越近权重越大）平滑图像，效果更自然； 而框式滤波器用简单平均值平滑图像，计算快但边缘处理不如前者
• Non-Linear Filtering
  • Median Filtering
    • 中值滤波是一种非线性数字滤波技术，常用于图像处理中去除椒盐噪声（salt-and-pepper noise）。与高斯滤波和框式滤波不同，中值滤波不使用加权平均，而是基于统计排序。
    • 中值滤波对于椒盐噪声非常有效，因为它能直接将这些异常值（椒盐噪声通常是极高或极低的像素值）替换为周围区域的代表性中值。

Lecture 3

• Kernel/Filter Convolution (卷积)
  • 在图像处理中，卷积是一种核心操作，它将一个小的矩阵（称为核或滤波器）应用于一个更大的矩阵（即图像），从而生成一个新的图像。这个过程可以用来实现各种效果，例如模糊、锐化、边缘检测等。
  • 简单来说，你可以把卷积想象成一个“滑动窗口”的操作，这个窗口就是你的核。
• Edge
  • Boundaries of objects
  • Edge 的来源:
    • 表面法线(surface normal)不连续
    • 深度(depth)不连续
    • 表面颜色(surface color)不连续
    • 照明(illumination)不连续
  • Type of edge
    • Step Edge
      • 一种最理想化的边缘模型，它描述了像素值从一个恒定值瞬时地跳变到另一个恒定值
    • Ramp Edge
      • 像素值从一个值平缓地、渐进地变化到另一个值
  • Thresholding
    • Standard thresholding
    • Hysteresis thresholding
      • 有两个阈值, 高阈值&低阈值
      • “滞后”过程, 即“只接受与高阈值边缘相连的弱边缘”
  • Hough Transform
    • “投票”机制：
      • 一个点：图像空间中的一个边缘点，可能属于多条直线。在参数空间中，它 “投”了多条线的票，即它在累加器中对应的所有 (θ,ρ) 坐标上都加了 1。
      • 一条线：图像空间中的一条直线由多个点组成。在参数空间中，这些点都 “投”了同一条线的票。因此，对应这条直线的 (θ,ρ) 坐标会在累加器中得到高分，形成一个峰值