不全面，只针对我们老师画的重点着重标记的！
第一章 绪论
1.计算机视觉
用计算机实现人类的视觉功能，对客观世界中三维场景的感知、加工和解释。
2.图像表达函数
T(x,y,z,t,λ），xyz是空间变量，t是时间变量，λ是辐射的波长。
3.图像文件格式
BMP 位图，GIF图像文件格式标准，TIFF 独立于操作系统和文件系统的格式，便于在软件中进行图像数据交换
4.欧氏距离 城区距离 棋盘距离
^2+^2 | |+| | max(| |,| |}
5.范数
测量空间的一个基本概念。
6.模拟图像 f(x,y) xy指的是坐标点位置，数字图像I(r,c) r代表图像的行，c代表图像的列。
第二章 图像采集
7.采集装置
分为传感器和数字化器
8.图像采集模型：几何成像模型和亮度成像模型。
f(x,y)中（x,y)是像素的空间位置 前者确定，f是像素的幅度数值（灰度）后者确定。
9.几何成像模型
坐标系统：1.世界坐标系统XYZ；2.摄像机坐标系统xyz；3.图像平面坐标系统x'y'
（1）重合模型（理想）：xyz与XYZ重合
由世界坐标得到图像坐标：x=λX/(λ-Z) ; y=λY/(λ-Z) λ是相机焦距
（2）分离模型：不重合，位置偏差用矢量D，扫视角，倾斜角。平移矩阵T有Dx,Dy,Dz,齐次表达：Ch = P*R * T*Wh，R旋转矩阵,Wh齐次坐标，P透视变换矩阵
10.采样点数↑ 空间分辨率↑图像细节↑；量化级别↑ 幅度分辨率↑
11.结构光法：p34
Z = s+d ; d = r*tanα / sinβ(1-tanα cotβ) ; tanα = h/λ
12.标定
概念：由一组基准点计算出相机内、外部参数的过程。
标定内容：外部参数，摄像机姿态参数（例如摄像机的位置方式，平移等）；内部参数，摄像机自身参数（如焦距、尺度因子等）
步骤：
第四章 基元检测
13.一阶导数算子（偏导）
（1）罗伯特交叉算子：2X2
（2）普瑞维特算子：3X3 只有1，-1
（3）索贝尔算子：3X3 不止有1，-1
14.二阶导数算子
（1）拉普拉斯算子：总和0 3X3 中+边-
（2）马尔算子：在（1）之前先对检测图进行平滑
（3）坎尼算子：最复杂的那个，利用了高斯模型，3个准则：信噪比准则、定位精度准则、单边缘相应准则。
15.边界闭合
边缘像素连接2信息：梯度幅度和梯度方向都要相似。
16.边界细化
方法（1）用模板进行非最大消除（把不是最大梯度值的像素消去）
（2）用插值进行费最大消除（更加精确，但计算量很大）
17.SUSAN算子（积分）
在有噪声时，SUSAN算子性能好；
核同值区USAN：与核有相同值的区域
USAN原理：USAN面积较大（超过一半时）表明核像素处在图像中的灰度一致区域，在模板接近边缘时该面积减少，而在接近角点时减少的更多，USAN面积在角点处取得最小值
18.哈夫变换
基本哈弗变化两个方式：（1）点-线对偶性 y=px+q, q=-px+y （2）极坐标方程（在直线接近竖直方向，pq的值都会无穷大而使用极坐标）
广义哈夫变换原理：利用表格建立曲线或轮廓点与参考点之间的关系，参考点的坐标可以有轮廓点的坐标计算。
完整广义哈夫变换：考虑轮廓平移、放缩、旋转，参数空间从2D变成4D，增加了轮廓取向角参数和尺度变换系数。
19.椭圆定位和检测方法
（1）直径二分法
（2）弦-切线法
20.位置直方图
是将图像向多个轴投影，并对像素灰度求和而得到的直方图，也叫横向直方图。
检测小目标用位置直方图。
第五章 目标分割
21.图搜索
代价函数： c(p,q) = H - [f(p) - f(q)]
22.动态规划步骤
（1）将起始节点标记为OPEN并置g(s)=0
（2）如果没有结点OPEN，失败退出，否则继续
（3）将根据公式r(n)=g(n)+h(n)算的估计代价r(n)为最小的OPEN结点标记为CLOSE
（4）如果n是目标结点，找到通路，退出，否则继续
（5）展开结点n，得到他的所有子结点
（6）如果某个子结点ni还没被标记，置r(ni)=g(n)+c(n,ni),标记它为OPEN并将指向它的指针返回结点n
（7）如果某个子结点ni被标记为OPEN或CLOSE，根据g’(ni)=min[g(ni),g(n)+c(n,ni)]更新它的值。将其g’值减小的CLOSE子结点标记为OPEN，并将原来指向所有其g’值减小的子结点的指针重新指向n，返回步骤（2）
23.主动轮廓模型（蛇模型）
构建一个初步的围绕图像中目标的封闭轮廓曲线， 在通过进一步改变封闭曲线的形状以逼近目标的真实轮廓。
24.能量函数
（1）内部能量函数：来推动主动轮廓形状的改变，并保持轮廓上点之间的距离不要太远or太近，保持连通性。又分为连续能量（轮廓内各点是连续的）和膨胀力（轮廓不应该过于收缩，不分点需要膨胀）
（2）外部能量函数：将变形模板向图像中目标的边缘位置吸引。分为图像灰度能量和图像梯度能量。
25.基本阈值技术
从一副灰度取值gmin gmax之间确定一个灰度阈值T来分割灰度图像，把><T的分为两边。
26.阈值分类
（1）全局阈值：仅根据个个图像像素的本身性质f(x,y)选取
（2）局部阈值：（1）+像素周围局部区域性质q(x,y)选取
（3）动态阈值：（2）+像素位置坐标（x,y)选取
（1）、（2）为固定阈值
27.特征空间聚类
基本聚类方法：（1）k-均值聚类（常用）：【1】任意选K个初始类均值【2】特征点赋类【3】更新类均值【4】判断算法收敛
（2）ISODATA聚类
第六章 目标表达和描述
28.链码
是对边界点的一种编码表示方法。
4-方向和8-方向的共同特点：每个线段的长度固定而方向数目为有限。
→0 ↑1 ←2 ↓3
链码起点归一化：序列最小
链码旋转归一化：把最后一位移到前面，算逆时针转多少次
缝隙码：链码对应直线段连接的是两个相邻轮廓像素的外边缘交叉点。
29.围绕区域方法：
（1）外接盒：包含目标区域的最小长方形
（2）围盒：最小包围长方形
（3）凸包：包含目标区域的最小凸包
30.骨架
概念：对目标区域的形状结构的一种表达。可以用一个区域点与两个边界点 的最小距离来定义
骨架都保持了与边界点距离最小的性质。
已知骨架求边界：用每个骨架点为中心的圆的集合，就可以得到原始边界。
31.边界形状数
一种形状数是给予链码的边界形状描述符，另一种是与区域紧凑性有关的目标描述符。
形状数是最小的链码的差分码。
边界形状数的计算：
32.轮廓形状矩阵
形状矩阵是一个刻画目标轮廓的矢量，对给定目标，这个矢量的长度是固定的，记录了轮廓上个点的相对位置。
33.区域面积
对于多边形：内部格数+边界个数/2 -1
区域密度特征的描述符：透射率，光密度，积分光密度
34.区域形状数
描述区域的紧凑性
形状数越小，区域越紧凑
35.中心矩
36.拓扑描述符
（1）欧拉数：描述了区域连通性
欧拉数E = 区域内连通组员的个数C - 区域内孔数H （‘B'的E = 1-2，’i‘的E = 2-0）
（2）欧拉公式： E = C- H = 顶点数V - 边数B + 面数E
第七章 纹理分析
37.局部二值模型-空间LBP
第八章 形状分析
38.形状紧凑性描述符
（1）外观比：R=L/W （外接盒的长/宽）
（2）形状因子：F = B^2/4πA （B区域边界周长，A区域面积）
（3）球状性：S=Ri/Rc（内切圆半径/外接圆半径）
（4）圆形性：C=μ/σ(区域重心到边界点的平均距离/区域重心到边界点各距离的方差 （先找重心，再算重心与各边界点的距离）
39.多边形计算方法
（1）基于收缩的最小周长多边形法
（2）基于聚合的最小均方误差线段逼近法 - 聚合多边形
（3）基于分裂的最小均方误差线段逼近法 - 分裂多边形
40.轮廓曲率
离散曲率的计算：
第九章 立体视觉
41.双目横向模式
两个单目系统在水平方向上并列放置，两个镜头的焦距均为l，其中心间的连线为系统的基线B
（1）视差和深度
视差d = x1 - x2 - B
（2）角度扫描成像
