视觉感知的相关领域探析

图像处理、模式分类和场景分析这三个领域是和视觉感知紧密联系在一起的，参见图1.12。

图像处理主要是：从已有图像产生出一张新的图像。图像处理所使用的技术，大部分来自于线性系统理论。图像处理所产生的新的图像，可能经过了：噪声抑制、去模糊、边缘增强等操作；但是，它的输出结果仍然是一张图像，因此，其输出结果仍然需要人来对其进行解释。正如我们在后面将要看到的，对于：1)理解成像系统的局限性，2)设计光电感知处理模块，一些图像处理技术是很有用的。对于图1.4中的“复制演示”系统，场景的图像（灰度图）如图1.13(a)所示。经过简单的边缘检测，从图1.13(a)中得到了很多边缘“碎片”，结果被保存成一张新的图像（二值图），如图1.13(b)所示。

图1.12　视觉感知的“原始范例”包括：图像处理、模式分类和场景分析。对于视觉感知任务，它们中的每一个都提供了许多有用的技术，但是，它们的核心问题都不是：从图像中获得符号描述。

模式分类的主要任务是：对“模式”进行分类。这些“模式”通常是：一组用来表示物体属性的给定数据（或者，关于这些属性的测量结果），例如：物体的高度、重量等。尽管分类器的输入并不是图像，但是，模式分类技术往往可以被有效地用于：对视觉系统所产生的结果进行分析。识别一个物体，就是将其归为一些已知类中的某一类。但是，需要注意的是：对物体的识别只是光电感知系统的众多任务中的一个。在对模式分类的研究过程中，我们得到了一些对图像进行测量的简单模型，但是，这些技术通常将图像看作是：一个关于亮度的二维模式。因此，对于以任意姿态出现的三维空间中的物体，我们通常无法直接使用这些模型来进行处理。(www.xing528.com)

图1.13　图像处理系统的输入是：一张关于简单积木结构的灰度图，系统的输出是：边缘检测结果所对应的二值图。

图1.14　在场景分析中，底层的符号描述（例如：线条图）被用于生成“高级”符号描述。场景分析的输出结果包含：物体之间的位置关系、物体的形状和其他一些属性。

场景分析关注于：将从图像中获取的简单描述转化为一个更加复杂的描述。对于某些特定的任务，这些复杂描述会更加有用。这方面的一个经典例子是：对线条图进行解释（如图1.14所示）。这里，我们需要对一张由几个多面体构成的图进行解释。该图是以线段集（即：一组线段）的形式给出的。在我们能够用线段集来对线条图进行解释之前，我们首先需要确定：这些由线段所勾勒出的图像区域，是如何组合在一起（从而形成物体）的？此外，我们还想知道：物体之间是如何相互支撑的？这样，从简单的符号描述（即：线段集）中，我们获得了复杂的符号描述（包括：图像区域之间的关系，以及物体之间的相互支撑关系）。注意：在这里，我们的分析和处理并不是从图像开始的，而是从对图像的简单描述（即：线段集）开始的。因此，这并不是机器视觉的核心问题。