计算机视觉从图像或视频中提取可用信息 灰度图像主要记录亮度相关的单通道信息 曝光不足可能丢失暗部细节和信噪比

透明和反光物体可能增加深度测量难度。目标检测同时估计对象类别和位置。图像分类通常只输出整幅图的类别信息。语义分割为每个像素分配相应类别。实例分割进一步区分相同类别的不同对象。目标跟踪在连续帧之间维护对象身份。遮挡可能导致轨迹中断和身份切换。光流估计描述图像局部运动的二维变化。

计算机视觉从图像或视频中提取可用信息。数字图像由按空间位置排列的像素组成。图像分辨率描述可用像素的空间规模。像素数量增加不保证真实细节同步增加。灰度图像主要记录亮度相关的单通道信息。彩色图像通常使用多个通道表示颜色。颜色空间以不同方式组织颜色的数值表达。白平衡用于补偿光源颜色对成像的影响。

尺度和旋转变化可能降低简单模板匹配效果。特征点用于建立不同图像之间的对应关系。描述子编码特征点周围的局部外观信息。稳健估计通过排除异常匹配求取模型。单应变换适用于平面等特定投影关系。立体视觉通过视差估计场景深度信息。基线长度影响深度分辨能力和匹配难度。深度相机可以采用结构光或飞行时间方法。

相机运动与物体运动会共同影响光流。视觉里程计通过连续图像估计相机运动。工业视觉检测需要控制光源和成像条件。背光照明适合突出部分物体轮廓。偏振照明可以减轻某些镜面反射影响。标注一致性会影响视觉模型的学习质量。评估需要覆盖真实场景中的光照和遮挡。视觉系统误差应结合成像链路整体分析。看似清晰的图像不一定适合定量视觉测量。