图像基础
采样、量化、颜色、直方图和噪声。
大三 · 大三下 · COURSE NOTES
图像处理与机器视觉
从图像形成、增强、分割、特征到识别建立传统视觉与学习方法的联系。
已建立课程知识框架Markdown 1 · PDF 9 · Word 2
说明：本页是根据课程主题和常见教学结构整理的公开知识框架，不等同于任课教师的正式教学大纲。原始课件、作业、报告、文件名和提交信息均不公开。
学习目标
- 理解数字图像表示和成像因素
- 掌握空间域与频域处理
- 能设计并评价完整视觉流程
知识地图
增强与恢复
点运算、滤波、频域处理、去噪和复原。
边缘与分割
梯度、阈值、区域、形态学和轮廓。
特征与几何
角点、描述子、匹配、变换和相机模型。
识别与评价
分类检测分割、数据集、指标和误差分析。
建议的笔记整理方式
- 对象与指标：系统解决什么问题，用哪些参数衡量。
- 原理与模型：框图、等效模型、关键公式及假设。
- 设计与实现：器件/算法选择、参数计算、接口和流程。
- 实验与故障：测试条件、波形/数据、误差、故障现象和定位。
最小复习清单
- [ ] 能不看资料解释“图像基础”的核心问题。
- [ ] 能不看资料解释“增强与恢复”的核心问题。
- [ ] 能不看资料解释“边缘与分割”的核心问题。
- [ ] 能不看资料解释“特征与几何”的核心问题。
- [ ] 能不看资料解释“识别与评价”的核心问题。
本地资料状态
- 文档类型统计：Markdown 1 · PDF 9 · Word 2。
- 统计仅用于判断整理进度；不公开文件名、作者、学号、联系方式、本机路径或作业提交内容。
- 后续只把经过人工复核的概念总结、实验复盘和原创笔记加入本页。