人們可以很容易“看到”一幅畫，但這一“簡(jiǎn)單”過程并不如此簡(jiǎn)單，大致上它可以分為以下幾個(gè)階段：首先是通過眼睛將圖成像在視網(wǎng)膜上；其次大腦對(duì)圖像進(jìn)行理解；*后根據(jù)處理的結(jié)果做出反應(yīng)。用比較專業(yè)一點(diǎn)的語(yǔ)言來(lái)描述，該過程包括了識(shí)別、描述與理解三個(gè)層次；這其中還隱含了邊緣檢測(cè)（各物體的輪廓等）、圖像的分割（各物體區(qū)域的劃分）等階段。以上實(shí)際上概述了視覺系統(tǒng)的三個(gè)層次，即低層階段：基于圖像特征提取及分割階段；中層階段：基于物體的幾何模型與圖像特性表達(dá)階段；高層階段：基于景物知識(shí)的描述、識(shí)別與理解階段，這是根據(jù)先驗(yàn)知識(shí)介入的程度劃分的，且實(shí)現(xiàn)起來(lái)也越來(lái)越困難。

   毫無(wú)疑問，如何人工實(shí)現(xiàn)這一過程是**挑戰(zhàn)性和應(yīng)用前景的一項(xiàng)工作，計(jì)算機(jī)視覺也因此而應(yīng)運(yùn)而生。計(jì)算機(jī)視覺是研究用計(jì)算機(jī)和成像設(shè)備來(lái)模擬人和生物視覺系統(tǒng)功能的技術(shù)學(xué)科，其目標(biāo)是從圖像或圖像序列中獲取對(duì)外部世界的認(rèn)知和理解，即利用二維圖像恢復(fù)三維環(huán)境中物體的幾何信息，比如形狀、位置、姿態(tài)、運(yùn)動(dòng)等，并能描述、識(shí)別與理解。

   計(jì)算機(jī)視覺的基礎(chǔ)是各種成像設(shè)備，例如CCD(Charge Coupled Device)攝像機(jī)（數(shù)碼相機(jī)屬于此類型）、紅外攝像機(jī)、醫(yī)學(xué)上常用的核磁共振成像、X射線成像等，這些設(shè)備不僅可以成像，還可以獲取比人眼更豐富的圖像，人們可以形象地把攝像機(jī)看成計(jì)算機(jī)視覺的視網(wǎng)膜部分?？梢哉f(shuō)從人類拍攝出**幅圖像開始，就為計(jì)算機(jī)視覺的誕生奠定了基礎(chǔ)。

   而計(jì)算機(jī)視覺的核心是數(shù)字電子計(jì)算機(jī)，其發(fā)展可謂突飛猛進(jìn)，在計(jì)算和存儲(chǔ)能力上，人腦已經(jīng)無(wú)法與之相比，人們的目標(biāo)就是利用計(jì)算機(jī)非凡的計(jì)算處理能力來(lái)代替人腦實(shí)現(xiàn)對(duì)圖像的理解，而計(jì)算機(jī)日新月異的發(fā)展也使得這一愿望越來(lái)越成為可能。

   用于指導(dǎo)“計(jì)算機(jī)”這個(gè)大腦運(yùn)作的核心是計(jì)算機(jī)視覺的理論方法，計(jì)算機(jī)視覺使用的理論方法主要基于幾何、概率和運(yùn)動(dòng)學(xué)計(jì)算與三維重構(gòu)的視覺計(jì)算理論，它的基礎(chǔ)包括射影幾何學(xué)、剛體運(yùn)動(dòng)力學(xué)、概率論與隨機(jī)過程、圖像處理、人工智能等理論。在20世紀(jì)70年代，視覺研究大多采用模式識(shí)別的方法；80年代，開始采用空間幾何的方法以及物理知識(shí)進(jìn)行視覺研究；90年代以后，隨著智能機(jī)器人視覺研究的發(fā)展，引入了許多新的理論與技術(shù)如主動(dòng)視覺理論、不變量理論、融合技術(shù)等，并應(yīng)用于許多計(jì)算機(jī)視覺系統(tǒng)中。

   研究計(jì)算機(jī)視覺，不得不提的是英國(guó)已故科學(xué)家戴維·馬爾（DavidMarr），他在計(jì)算機(jī)視覺發(fā)展史上可謂寫下了濃重的一筆。在20世紀(jì)70年代末，他提出了**個(gè)較為完善的視覺系統(tǒng)框架，即計(jì)算視覺理論框架。他認(rèn)為視覺是一個(gè)復(fù)雜的信息處理過程，并有不同的信息表達(dá)方式和不同層次的處理過程，而*終的目的是實(shí)現(xiàn)計(jì)算機(jī)對(duì)外部世界的描述。由此，他提出了三個(gè)層次的研究方法，即計(jì)算理論層、表征與算法層以及實(shí)現(xiàn)層。并且設(shè)想出了自下而上，沒有反饋的視覺處理框架，他認(rèn)為視覺的主要任務(wù)是獲得物體的三維形狀，并把獲取過程分為三個(gè)階段，即原始基元圖(primalsketch)→2.5維圖( 2.5dimensionalsketch)→3維模型表示。其中，基元圖由二維圖像中的邊緣點(diǎn)、直線、曲線、頂點(diǎn)等基本幾何元素或特征組成；2.5維圖是指對(duì)基元圖進(jìn)行一系列處理運(yùn)算，推導(dǎo)出可見表面的朝向、輪廓等幾何信息，是在觀察者坐標(biāo)系下描述的部分的、不完整的三維物體形狀（另一部分是物體的背面或被遮擋的部分）；3維模型表示則描述物體坐標(biāo)系下的各種形狀及其空間組織。

   迄今為止，研究者們?cè)贛arr計(jì)算視覺理論框架下，進(jìn)行了大量的研究，并取得了豐富的成果，*矚目也*完善的成果當(dāng)屬基于幾何方法的計(jì)算機(jī)視覺理論體系。

圖1　攝像機(jī)成像的針孔模型

   日常生活中*常用的成像設(shè)備－數(shù)碼相機(jī)的理想成像模型是針孔模型，很多視覺研究?jī)?nèi)容都是在這種模型下進(jìn)行的。如圖1所示，可以看出：景物點(diǎn)、針孔、景物點(diǎn)的像三點(diǎn)共線。為了方便起見，通常認(rèn)為圖像平面在針孔的前面，即虛擬圖像的位置，除了是相互倒立的外，二者是完全等價(jià)的。利用成像設(shè)備，獲取了圖像，這時(shí)圖像點(diǎn)的位置已經(jīng)確定，如果針孔的位置也可以確定的話，那么根據(jù)三點(diǎn)共線的約束，可知景物點(diǎn)一定在這條射線上，但是這條射線上的每一點(diǎn)成像都是相同的，所以僅從一幅圖像是無(wú)法確定景物點(diǎn)距離攝像機(jī)光心（即針孔位置）的深度的。這樣，若再有一幅包含上述景物點(diǎn)的圖像（同一景物點(diǎn)在不同相機(jī)下的像稱為一對(duì)對(duì)應(yīng)點(diǎn)），則存在另一條射線，兩條射線相交，從而可以確定出景物點(diǎn)的空間位置，如圖2所示，對(duì)于兩幅或多幅圖像上的每對(duì)對(duì)應(yīng)點(diǎn)都進(jìn)行類似的處理，則可獲得物體的三維形狀信息，如圖3所示。這種由兩幅或多幅兩維圖像恢復(fù)物體三維幾何形狀的方法，即是立體視覺方法，這一過程就是三維重建。其間包含了許多步工作，例如特征提取、匹配、攝像機(jī)標(biāo)定、運(yùn)動(dòng)估計(jì)等，每一步都凝結(jié)了眾多研究者的心血，并取得了大量?jī)?yōu)良的研究成果，像Canny邊緣檢測(cè)算子，Harris角點(diǎn)檢測(cè)，Tsai塊標(biāo)定，張正友的平面模板標(biāo)定等。

圖2　立體視覺

圖3 兩幅圖像的三維重建

   在Marr計(jì)算視覺理論框架下，觀測(cè)者（計(jì)算機(jī)）只是被動(dòng)地分析獲取的靜態(tài)圖像，并不對(duì)成像設(shè)備（攝像機(jī)）做任何控制，這使得許多視覺任務(wù)（如識(shí)別、導(dǎo)航等）難以完成。可以想一下人類的視覺，人們?cè)诳吹臅r(shí)候，眼球通常不自覺地或半自覺地跳動(dòng)或轉(zhuǎn)動(dòng)，這說(shuō)明大腦在主動(dòng)且交互式地接受外界的信息。因此，有學(xué)者提出了主動(dòng)視覺、有目的的視覺、定性視覺等理論，但主動(dòng)視覺的研究往往與有目的的以及定性視覺的研究結(jié)合在一起。在主動(dòng)視覺系統(tǒng)中，攝像機(jī)的狀態(tài)參數(shù)如焦距、縮放、聚散度都可以控制，加之具有可以**控制的平臺(tái)，使得許多不適定的視覺任務(wù)變?yōu)檫m定的。圖4為一主動(dòng)視覺平臺(tái)，下方是一小車，*上方是兩個(gè)攝像機(jī)，計(jì)算機(jī)可以控制車和攝像機(jī)的運(yùn)動(dòng)、調(diào)整攝像機(jī)的注視點(diǎn)，并通過**控制平臺(tái)的運(yùn)動(dòng)，可以獲得攝像機(jī)的運(yùn)動(dòng)參數(shù)，從而使一些原本是非線性的問題變成線性問題，提高了計(jì)算速度和準(zhǔn)確性，這對(duì)實(shí)時(shí)地獲取外界信息并做出反應(yīng)（如避障）是非常重要的。

圖4　主動(dòng)視覺系統(tǒng)平臺(tái)

   除了重建，視覺的另一個(gè)任務(wù)是識(shí)別。其基本方法是首先建立物體模型，然后使用各種匹配算法從圖像中識(shí)別出與物體模型*相似的物體。這里，就用到了先驗(yàn)知識(shí)，即識(shí)別前，物體模型需事先存儲(chǔ)在計(jì)算機(jī)中，這是很顯然的事情。平常人們能從圖中認(rèn)出事物，是因?yàn)榇竽X對(duì)它們的特征有了事先的認(rèn)識(shí)。在物體識(shí)別中，“假設(shè)檢驗(yàn)”是一種很重要的識(shí)別方法，又稱為基于模型的識(shí)別方法，如圖5所示。從圖像進(jìn)行重建人們已經(jīng)粗略地作了介紹，用其重建出的部分模型與模型庫(kù)中的物體模型作比較，方法是先“假設(shè)”，后“檢驗(yàn)”，即假設(shè)待識(shí)物體是模型庫(kù)中的某個(gè)物體，然后為了減少匹配時(shí)間，只利用部分幾何元素來(lái)判斷它們是否匹配，如果不匹配，則改變假設(shè)；反之，則用其他幾何元素在圖像中對(duì)該匹配做“檢驗(yàn)”，以此來(lái)判斷是否需要再修改假設(shè)，并重復(fù)上述過程。因此，這是一種自下而上與自上而下策略的結(jié)合。

圖5 假設(shè)檢驗(yàn)方法

   可以看出，識(shí)別過程涉及了視覺中從低到高所有層次，它是當(dāng)前計(jì)算機(jī)視覺領(lǐng)域*困難但也是*活躍的領(lǐng)域。之所以困難，可以借用宋朝有名詩(shī)人蘇軾的一首詩(shī)概括：“橫看成嶺側(cè)成峰，遠(yuǎn)近高低各不同”，這說(shuō)明同一事物，因觀測(cè)的角度不同甚至?xí)a(chǎn)生截然相反的圖像，但是即使同一幅圖像，也可能有天壤之別的感受，如圖6所示，左圖中看起來(lái)凹的，而右圖像是凸的，但是這是同一幅圖像，只不過倒置了一下，但卻讓人們看到了如此有趣的現(xiàn)象。

圖6 一對(duì)倒置圖

   由于計(jì)算機(jī)視覺系統(tǒng)發(fā)展遭遇到眾多瓶頸問題，如：圖像分割的不穩(wěn)定性、二維圖形到三維立體的病態(tài)問題、機(jī)器缺少大規(guī)模并行處理能力等，使得現(xiàn)有的計(jì)算機(jī)視覺系統(tǒng)在識(shí)別能力、實(shí)時(shí)性上與人類視覺相差甚遠(yuǎn)，更不可比擬的是，選擇性注意的能力，即人類視覺分分秒秒都在接受外界的信息，但是人們并不會(huì)對(duì)所有的信息都處理，而是對(duì)很多都會(huì)“視而不見”。從總體的理論研究和應(yīng)用角度來(lái)說(shuō)，國(guó)內(nèi)外在計(jì)算機(jī)視覺的研究水平還是處于起步階段，目前還沒有一個(gè)完整的理論體系能統(tǒng)一和解決所有的計(jì)算機(jī)視覺問題。

圖7 工業(yè)機(jī)器人識(shí)別和定位零件系統(tǒng)示意圖

圖8 　Rocky7

   雖然困難重重，然而計(jì)算機(jī)視覺技術(shù)正在蓬勃地發(fā)展著，且已經(jīng)有了廣泛的應(yīng)用。例如：零件識(shí)別與定位，圖7是一個(gè)具有簡(jiǎn)單視覺的工業(yè)機(jī)器人系統(tǒng)示意圖，其視覺系統(tǒng)由一個(gè)位于零件傳輸帶上方的攝像機(jī)和相關(guān)的視覺信息處理系統(tǒng)組成。為了有利于視覺系統(tǒng)將零件從傳輸帶上分離出來(lái)，并進(jìn)行識(shí)別和定位，可以選擇與零件顏色差別較大的傳輸帶。由于工業(yè)環(huán)境的結(jié)構(gòu)、照明等因素可以嚴(yán)格地控制，使得這種機(jī)器人視覺系統(tǒng)在工業(yè)生產(chǎn)和裝配中得到了成功的應(yīng)用；再如，移動(dòng)機(jī)器人導(dǎo)航，圖8是美國(guó)NASA/JPL開發(fā)的Rocky7火星探測(cè)移動(dòng)機(jī)器人，在其后部、前部及桅桿上都安裝了一對(duì)黑白CCD攝像機(jī)，另外，在桅桿上還安裝了一個(gè)用于近距離成像的攝像機(jī)。借助于這些視覺系統(tǒng)，Rocky7可以進(jìn)行障礙檢測(cè)、自身車輛檢查、挖掘/傾倒核查等任務(wù)；其他的象**鑒別、監(jiān)視與跟蹤；運(yùn)動(dòng)分析；工業(yè)產(chǎn)品、農(nóng)作物生長(zhǎng)及食品檢測(cè)；智能交通系統(tǒng)；娛樂等。更可喜的是，在我國(guó)，指紋識(shí)別已達(dá)到實(shí)用階段，人臉識(shí)別也已研究成功。
目前，基于內(nèi)容的圖像數(shù)據(jù)查詢、基于內(nèi)容的圖像自動(dòng)索引等成為很熱門的研究和應(yīng)用課題，可應(yīng)用于數(shù)字圖書館、體育圖像自動(dòng)分析、運(yùn)動(dòng)物體自動(dòng)跟蹤等系統(tǒng)，根據(jù)物體的二維圖像提取相應(yīng)的特征不變量進(jìn)行識(shí)別和分類也是一個(gè)十分重要的研究方向。同時(shí)，三維物體識(shí)別也開始進(jìn)入了實(shí)用階段。可以看到，視覺技術(shù)在如此多的領(lǐng)域都已經(jīng)成功地得到了應(yīng)用，而且越來(lái)越貼近生活，雖然這些還只是計(jì)算機(jī)視覺研究與應(yīng)用的冰山一角，只是邁出了萬(wàn)里長(zhǎng)征的**步，但人們有理由相信有**計(jì)算機(jī)會(huì)擁有人一樣的視覺識(shí)別和理解能力，為人們帶來(lái)精彩的生活。

參考文獻(xiàn)：

[1] 馬頌德, 張正友. 計(jì)算機(jī)視覺: 計(jì)算理論與算法基礎(chǔ)[M]. 科學(xué)出版社,1997.

[2] 賈云得, 機(jī)器視覺[M]. 科學(xué)出版社, 2000.

[3] D.馬爾著, 姚國(guó)正, 劉磊, 汪云九譯. 視覺計(jì)算理論[M]. 科學(xué)出版社,1988.

[4] 朱淼良, 計(jì)算機(jī)視覺[M]. 浙江大學(xué)出版社, 1997.

[5] D. A. Forsyth, J.Ponce著, 林學(xué)訚, 王宏等譯.計(jì)算機(jī)視覺: 一種現(xiàn)代方法[M]. 電子工業(yè)出版社, 2004.

[6] M. Sonka, V. Hlavac, R. Boyle著, 艾海舟,武勃等譯. 圖像處理、分析與機(jī)器視覺[M].人民郵電出版社, 2003.

[7] L. G. Shapiro, G.C. Stockman著, 趙清杰, 錢芳,蔡利棟譯. 計(jì)算機(jī)視覺[M]. 機(jī)械工業(yè)出版社, 2005.

[8]http://robotics.jpl.nasa.gov/tasks/scirover/homepage.html

【來(lái)源：控制網(wǎng) 作者姓名： 潘春洪 張彩霞】