什么是机器视觉技术？试论述其基本概念和目的。
答：机器视觉技术是是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。
机器视觉是用机器代替人眼来完成观测和判断，常用于大批量生产过程汇总的产品质量检测，不适合人的危险环境和人眼视觉难以满足的场合。机器视觉可以大大提高检测精度和速度，从而提高生产效率，并且可以避免人眼视觉检测所带来的偏差和误差。
机器视觉系统一般由哪几部分组成？试详细论述之。
答：机器视觉系统主要包括三大部分：图像获取、图像处理和识别、输出显示或控制。
图像获取：是将被检测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据。该部分主要包括，照明系统、图像聚焦光学系统、图像敏感元件（主要是CCD和CMOS）采集物体影像。
图像处理和识别：视觉信息的处理主要包括滤波去噪、图像增强、平滑、边缘锐化、分割、图像识别与理解等内容。经过图像处理后，图像的质量得到提高，既改善了图像的视觉效果又便于计算机对图像进行分析、处理和识别。
输出显示或控制：主要是将分析结果输出到显示器或控制机构等输出设备。
试论述机器视觉技术的现状和发展前景。
答：。机器视觉技术的现状：　机器视觉是近20～30年出现的新技术，由于其固有的柔性好、非接触、快速等特点，在各个领域得到很广泛的应用，如航空航天、工业、军事、民用等等领域。
发展前景：随着光学传感器、信息技术、信号处理、人工智能、模式识别研究的不断深入和计算机性价比的不断提高，机器视觉技术越来越成熟，特别是市面上已经有针对机器视觉系统开发的企业提供配套的软硬件服务，相信越来越多的客户会选择机器视觉系统代替人力进行工作，既便于管理又节省了成本。价格持续下降、功能逐渐增多、成品小型化、集成产品增多。
机器视觉技术在很多领域已得到广泛的应用。请给出机器视觉技术应用的三个实例并叙述之。
答：一、在激光焊接中的应用。通过机器视觉系统，实时跟踪焊缝位置，实现实时控制，防止偏离焊缝，造成产品报废。
二、在火车轮对检测中的应用，通过机器视觉系统抓拍轮对图像，出轮对中有缺陷的轮对，提高检测精度和速度，提高效率。
三、大批量生产过程中的质量检查，通过机器视觉系统，对生产过程中的产品进行质量检查跟踪，提高生产效率和准确度。
什么是傅里叶变换，分别绘出一维和二维的连续及离散傅里叶变换的数学表达式。论述图像傅立叶变换的基本概念、作用和目的。
答：傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。
一维连续函数的傅里叶变换为：
一维离散傅里叶变换为：
二维连续函数的傅里叶变换为：
二维离散傅里叶变换为：
图像傅立叶变换的基本概念：傅立叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图像信息的第二种语言，广泛应用于图像变换，图像编码与压缩，图像分割，图像重建等。
作用和目的：图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。
图像灰度变换主要有哪几种形式？各自的特点和作用是什么？
答：灰度变换:基于点操作，将每一个像素的灰度值按照一定的数学变换公式转换为一个新
的灰度值。灰度变换是图像增强的一种重要手段，它可以使图像动态范围加大，使图像的对比度扩展，图像更加清晰，特征更加明显。灰度变换分为线性变换和非线性变换。线性变换的灰度区变换时线性拉伸或压缩的。非线性变换的灰度区变换时非线性的。
常用的灰度变换形式有:一、全域线性变换，在曝光不足或过度的情况下，图像灰度可能局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。用一个线性单值函数，对帧内的每一个像素做线性扩展，将有效的改善图像的视觉效果。    二、分段线性变换：将灰度区间分成两段乃至多段分别做线性变换。分段线性变换的优点是可以根据用户的需要，拉伸特征物体的灰度细节，相对抑制不感兴趣的灰度级。
三、非线性变换：可以实现图像灰度的非线性变换，例如，对数变换，当希望对图像的低灰度区有较大的扩展而高灰度区压缩时，可以采用此变换。它能使图像灰度的分布均匀，与人的视觉特性相匹配。
什么是图像直方图？直方图均衡化有什么用？
答：图像直方图描述图像中各灰度级出现的相对频率. 其横坐标是灰度值、纵坐标是概率密度（连续图像）或概率值（离散图像）。灰度直方图可以得到诸如总体明亮程度、对比度、对象可分性等与图像质量有关的灰度分布概貌。例如,一些图象由于其灰度分布集中在较窄的区间，对比度很弱,图象细节看不清楚.此时,可采用图像灰度直方图均衡化处理。
直方图均衡化就是通过变换函数将原图的直方图调整为平坦的直方图，然后用此直方图校正图像，通过均衡化是图像灰度间隔拉大，加大了图像反差，改善视觉效果,达到增强目的。从而有利于图像的分析和识别，并且每个灰度级有大致相同的像素点。
什么是图像滤波？图像滤波有何用？
答：图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制。通过图像滤波抑制噪声除，可以得到比较干净清晰的图像，但会使得边缘模糊。
图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。图像滤波的作用在于：一是抽出对象的特征作为图像识别的特征模式；二是为适应图像处理的要求，消除图像数字化时混入的噪声。
图像空间域低通滤波有何作用？
答：直观上看，它会使图像变的模糊，平滑。使不同颜或灰度间有一定的过度，棱角分明的图像模糊化
由于图像噪声空间相关性弱，他们的频谱一般是位于空间频率较高的区域，而图像本身的频率分量则处于较低的空间频率区域内，因此可以用低通滤波的方法来实现图像的平滑，去除噪声干扰。
图像空间域低通滤波可以消除噪声，减小“抖动”现象，提高信噪比，增加图象的清晰度，并能提取图象的特征作用为识别目标的模式。
空间域图像锐化有哪些方法？论述其特点。
答：边缘模糊是图像常见的质量问题，由此造成图像轮廓不清晰，线条不鲜明，使图像特征提取、识别和理解难以进行。增强图像轮廓和线条使图像边缘变得清晰的处理称为图像锐化。常见的图像锐化有，梯度法、空域高通滤波法，微分法，反锐化掩模法等。
梯度法：最简单的方法是令（x，y）点锐化后图像函数g（x，y）值等于原始图像f（x，y）在该点的梯度值，进而使图像轮廓突出。
高通滤波法：图像边缘与高频分量相对应，高通滤波器让高频分量畅通无阻，而对低频分量则充分限制，从而达到锐化的目的。
微分法有：一阶微分处理处理，这种方法一般对灰度阶梯有较强的响应，会产生较宽的边缘。二阶微分处理对细节有较强的响应，如细线和孤立点，对灰度阶梯变化产生双响应。在图像中灰度值变化相似时，对线的相应比对阶梯强，且点比线响应强。总的来说二阶微分处理比一阶微分好一些，因为形成增强细节的能力好一些。
简述频域图像的平滑和锐化方法。
答：图像的平滑方法：频域低通滤波法，在频域中，图像的噪声和边缘在傅里叶变换中对应高频分量，我们可以移植或衰减它们以达到图像平滑的作用。
图像的锐化方法：    频域高通滤波法，因为边缘及灰度级中其他的急剧变化都与高频分量有关，在频域中用高通滤波器处理，能够获得图像尖锐化。高通滤波器衰减傅立叶变换中
的低频分量，而无损傅立叶变换中的高频信息。
什么是图像分割？
答：在图像分析中,通常需要将所关心的目标物从图像中提取出来,这种从图像中将某个特定区域与其它部分进行分离并提取出来的处理,就是图像分割。
图像分割就是依据图像的灰度、颜、纹理、边缘等特征，把图像分成各自满足某种相似性准则或具有某种同质特征的连通区域的集合的过程。
　图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。
图像灰度阈值分割常见的方法是哪些？分别论述起其特点。
答：图像阈值化处理其实质是一种图像灰度级的非线性运算，阈值处理可用方程加以描述，并且随阈值的取值不同，可以得到具有不同特征的二值图像。
图像灰度阈值分割常见的方法有：
固定阈值法，固定阈值仅在物体的灰度值和背景的灰度值不变时效果很好，但这种情况很少存在。
自动阈值法，要注意到是动态阈值分割的结果不仅包括毕局部背景更亮或更暗的物体，也包括亮区域或暗区域的边缘。  双峰法，图像灰度直方图呈双峰状且有明显的谷，选择谷底的灰度值作为阈值就可以把目标从背景中分割出来，该方法对于目标和背景有很大灰度差异的图像能实现简单而有效地分割。
试论述图像灰度最大方差自动阈值求取方法。
    答：图像灰度最大方差自动阈值求取方法是基于信息论中最大方差准则的图像阈值自动选取方法，是单阈值和多阈值选取的一种重要方法，这种方法的基本思想是寻的最佳阈值要使分割后的目标和背景的方差总值最大，或是使分割前后图像的信息量差异最小。
试论述图像恢复的基本概念。
答：图像恢复是将退化了的或者模糊了的图像的原有信息进行恢复,以达到清晰化的目的。是一种从图像退化的数学或概率模型出发，研究改进图像外观，从而使恢复以后的图像尽可能地反映原始图像的本来面目的一种技术，其目的是获得与景物真实面貌相像的图像。
图像恢复，是在研究图像退化原因的基础上，以被退化的图像为依据，根据某些先验知识，设计一种数学模型，从而估算出理想像场的一类操作。所以又可以说图像恢复是恢复图像的“真”面目。
论述图像识别的基本概念。常见的判别函数有哪些？
局部直方图均衡化
答：指通过对图像中各种不同的物体特征进行定量化描述之后，将所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。
图像识别是人工智能的一个重要领域。利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。常见的判别函数有：线性判别函数、最小距离判别函数、最近领域判别函数、非线性判别函数。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。