计算机视觉与图像识别计算机视觉计算机图形学和数字图像处理三者之间的联系和区别.doc

[计算机视觉与图像识别]计算机视觉，计算机图形学和数字图像处理，三者之间的联系和区别篇一 : 计算机视觉，计算机图形学和数字图像处理，三者之间的联系和区别 Computer Graphics和Computer Vision是同一过程的两个方向ComputerGraphics将抽象的语义信息转化成图像，Computer Vision从图像中提取抽象的语义信息ImageProcessing探索的是从一个图像或者一组图像之间的互相转化和关系，与语义信息无关 Computer Graphics，简称 CG输入的是对虚拟场景的描述，通常为多边形数组，而每个多边形由三个顶点组成，每个顶点包括三维坐标、贴图坐标、rgb颜色等输出的是图像，即二维像素数组Computer Vision，简称CV输入的是图像或图像序列，通常来自相机或usb摄像头输出的是对于图像序列对应的真实世界的理解，比如检测人脸、识别车牌Digital Image Processing，简称DIP输入的是图像，输出的也是图像Photoshop中对一副图像应用滤镜就是典型的一种图像处理常见操作有模糊、灰度化、增强对比度等再说联系：CG 中也会用到 DIP，现今的三维游戏为了增加表现力都会叠加全屏的后期特效，原理就是DIP，只是将计算量放在了显卡端。

CV 更是大量依赖 DIP 来打杂活，比如对需要识别的照片进行预处理最后还要提到近年来的热点——增强现实，它既需要 CG，又需要 CV，当然也不会漏掉 DIP它用 DIP 进行预处理，用 CV进行跟踪物体的识别与姿态获取，用 CG 进行虚拟三维物体的叠加 简单点说吧，1计算机视觉，里面人工智能的东西更多一些，不仅仅是图像处理的知识，还涵盖了人工智能，机器学习等领域知识；2，计算机图形学，主要涉及图形成像及游戏类开发，如opengl等，还有就是视频渲染等；3，图像处理，这个主要针对图像图像的基本处理，如图像检索或则图像识别，压缩，复原等等操作以上只是本人字面理解. 计算机图形学和数字图像处理是比较老的技术计算机视觉要迟几十年才提出计算机图形学和数字图像处理的区别在于图形和图像图形是矢量的、纯数字式的图像常常由来自现实世界的信号产生，有时也包括图形而图像和图形都是数据的简单堆积，计算机视觉要从图像中整理出一些信息或统计数据，也就是说要对计算机图像作进一步的分析以上是它们的区别，下面来说联系：计算机图形学的研究成果可以用于产生数字图像处理所需要的素材，计算机视觉需要以数字图像处理作为基础。

计算机视觉与数字图像处理的这种关系类似于物理学和数学的关系篇二 : 图像处理和计算机视觉中的经典论文 感谢水木上同领域的同学分享，有了他的整理，让我很方便的获得了CV方面相关的经典论文，我也顺便整理一下，把pdf中的文字贴到网页上，方便其它人更直观的获取所要内容~~~   资料的下载链接为： 以下为该同学的整理的综述：“ 前言：最近由于工作的关系，接触到了很多篇以前都没有听说过的经典文章，在感叹这些文章伟大的同时，也顿感自己视野的狭小[) 想在网上找找计算机视觉界的经典文章汇总，一直没有找到失望之余，我决定自己总结一篇，希望对 CV 领域的童鞋们有所帮助由于自己的视野比较狭窄， 给出的文章有些是从google scholar或者citeseer上拷贝下来的，所以有链接所有的文章在网上都很容易找到有空的时候我会把它们全部整理出来，逐步上传到  由于整理的很仓促，时间也很短，还有很多不完善的地方我会不断改进，并不时上传新版本 上传地址为  最后更新：2012/3/14Peter Burt, Edward AdelsonThe Laplacian Pyramid as A Compact Image Code虽说这个Laplacian Pyramid是有冗余的，但使用起来非常简单方便，对理解小波变换也非常有帮助。

这位Adelson是W.T.Freeman的老板，都是大牛. J Canny A Computational Approach to Edge Detection经典不需要解释在 Sonka的书里面对这个算法也有比较详细的描述S Mallat.A theory for multiresolution signal decomposition: The wavelet representationMallat的代表作M Kass, A Witkin, D Terzopoulos.Snakes: active contour modelsDeformable model的开山鼻祖RM HARALICK Textural Features for Image Classi?cation 这三篇都是关于纹理特征的，虽然过去这么多年了，现在在检索和识别中依然很有用RM HARALICKStatistical and structural approaches  Tamura等Texture features corresponding to visual perception  A P Dempster, N M Laird, D B Rubin. 1977 Maximum likelihood from incomplete data via the EM algorithm EM 算法在计算机视觉中有着非常重要的作用 L Rabiner. 1989 A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition HMM 同样是计算机视觉必须掌握的一项工具 B D Lucas, T Kanade An iterative image registration technique with an application to stereo- vision Lucas 光流法J R Quinlan Induction of decision trees 偏模式识别和机器学习一点 P Perona, J Malik. PAMIScale-space and edge detection using anisotropic diffusion 关于 scale space 最早的一篇论文之一，引用率很高T Lindeberg Scale-space for discrete signals. Lindeberg 关于 scale space 比较早的一篇，后续还有好几篇 anzad, A.; Hong, Y.H. Invariant image recognition by Zernike momentsZernike moment,做过模式识别或者检索的应该都知道这个东东W Freeman, E Adelson. The design and use of steerable filters Freeman最早的一篇力作，也是我读的第一篇学术论文。

现在Freeman在 MIT 风生水起，早已是IEEE Fellow了   Michael J. Swain , Dana H. Ballard Color Indexing. google scholar 上引用将近五千次MA Turk CVPR Face recognition using eigenfaces  L G Brown. A survey of image registration techniques. 比较早的一篇关于配准的综述了S G Mallat, Z Zhang.Matching pursuits with time-frequency dictionaries Mallat另一篇关于小波的文章，不研究小波的可以无视之 L Vincent. Morphological grayscale reconstruction in image analysis: Applications and efficient algorithms  DP Huttenlocher Comparing images using the Hausdorff distance Google scolar 上引用2200多次J Shi, C Tomasi.Good feature to track. Tomasi这个名字还会出现好几次，真的很牛 LinderbergScale-space theory in computer vision  J L Barron, D J Fleet, S S Beauchemin.Performance of optical flow techniques. R Malladi, J Sethian, B Vemuri. Shape Modeling with Front Propagation: A Level Set Approach Level set的经典文章 TF COOTES Active Shape Models-Their Training and Application ASM MA Stricker Similarity of color images 颜色检索相关 C Cortes, V Vapnik. Support-vector networks. SVM 在计算机视觉中也有着非常重要的地位 T MCINERNEY. Deformable models in medical image analysis: A survey 活动模型的一篇较早的综述 Tai Sing Lee Image Representation Using 2D Gabor Wavelets Google引用也有近千次Amir Said, A. PearlmanA New, Fast, and Ef?cient Image Codec Based on Set Partitioning in Hierarchical Tree SPIHT。

图像压缩领域与 EBCOT齐名的经典算法L P Kaelbling, M L Littman, A W Moore. Reinforcement learning: A survey 机器学习里面的一篇综述，引用率比较高，就列在这了 B. S. Manjunath and W. Y. Ma Texture features for browsing and retrieval of image data 检索的文章比较多，其实它们的应用不仅仅是检索只要是需要提取特征的地方，检索里面的方法都可以用到  comparing images using color coherence vectors 检索中的CCV方法 Image retrieval using color and shape 关于形状特征后面有一篇综述 V Caselles, R Kimmel, G Sapiro. Geodesic active contours 活动轮廓模型的一个小分支 R E Schapire, Y Freund, P Bartlett, W S Lee. Boosting the Margin: A New Explanation for the Effectiveness of Voting Method。