到高层、从图象到物体的顺序进行的。在早期的计算机视觉研究中许多都是以积木世界作为 研究对象,并且大多采用这种自底向上( bottom-up)的方法 1.3,2图象分割 上述自底向上的方法能否 成功主要取决于是否能成功地 完成低层和中层的处理。因此 A3 在计算机视觉研究的初期发展 了许多从图象中抽取边缘和线 条的技术。这些技术大多与 Roberts的相似。通过在各个象 素周围窗口中进行的局部运算 可确定这个象素是否在边缘 上。通常所作的运算是微分或 与理想的边缘作相关运算。然 后对所的结果再作阈值运算, 以产生二值图象。对各种边缘 检测算子的介绍可参阅[Ros 82]。被检测到的边缘点要连 接成有意义的线段。这可通过 按某种规则对边缘点进行跟踪 来完成。在跟踪过程中会遇到 边缘之间的间隙,曲线的突然 变化或由于噪声引起的假边缘图1-3复合物体三维模型的构成,景物的原始线画 点等情况。这将要求复杂的跟图A1,经过步骤ABC和D中4个模型的依次识别、 踪规则。 删除,得到D3中所示三维结构 把图象分割成有明确含义的(代表各种物体或背景)区域的方法除了上述检测两个区域 之间边缘的边缘检测方法以外,另一种是区域分割法。它通过寻找其中的象素具有相同的灰 度(或特性)的区域来完成图象的区域分割。这两种方法是互补的,在理想情况下得到的结 果是等价的 图象分割的目的是按有明确含义的线段或区域来描述图象,以便与模型相比较。在计算 机视觉的早期研究中对分割方法作了大量研究。结果表明分割是非常困难的。例如,图象经 过边缘检测算子运算以后要作阈值运算以判断边缘点。在选择阈值时,如阈值取得低则将能 检测出灰度对比度低的边缘点,但也会把由于模糊或表面不均匀造成的虚假边缘检测出来 相反如把阈值取得高些,则会在抑制噪声的同时也漏失真正的边缘。在作区域分割时也会因 阈值不合适把同一物体表面分成几个区域或把不同的物体表面当作一个区域。通过对环境条 件作较为严格的限制和仔细调整阈值参数可缓解这些困难,但是当遇到同一区域中的灰度 (或特性)不同,而具有相近灰度的象素又不属于同一区域的情况,只是靠调整阈值就难以 解决问题。例如,即使在均匀光照的情况下,一个曲面(如鸡蛋表面)上各点的灰度也不是 均匀的,而是呈现灰度影调的分布,这时就难以选择阈值。这时为使分割能得到有明确含义 的区域就需要具有外部的自顶向下(top-down)的知识,和可能还需要在实践中总结的经验 性知识,即所谓的启发式知识10 到高层、从图象到物体的顺序进行的。在早期的计算机视觉研究中许多都是以积木世界作为 研究对象，并且大多采用这种自底向上（bottom-up）的方法。 1.3.2 图象分割 上述自底向上的方法能否 成功主要取决于是否能成功地 完成低层和中层的处理。因此， 在计算机视觉研究的初期发展 了许多从图象中抽取边缘和线 条的技术。这些技术大多与 Roberts 的相似。通过在各个象 素周围窗口中进行的局部运算 可确定这个象素是否在边缘 上。通常所作的运算是微分或 与理想的边缘作相关运算。然 后对所的结果再作阈值运算， 以产生二值图象。对各种边缘 检测算子的介绍可参阅［Ros 82］。被检测到的边缘点要连 接成有意义的线段。这可通过 按某种规则对边缘点进行跟踪 来完成。在跟踪过程中会遇到 边缘之间的间隙，曲线的突然 变化或由于噪声引起的假边缘 点等情况。这将要求复杂的跟 踪规则。 把图象分割成有明确含义的（代表各种物体或背景）区域的方法除了上述检测两个区域 之间边缘的边缘检测方法以外，另一种是区域分割法。它通过寻找其中的象素具有相同的灰 度（或特性）的区域来完成图象的区域分割。这两种方法是互补的，在理想情况下得到的结 果是等价的。 图象分割的目的是按有明确含义的线段或区域来描述图象，以便与模型相比较。在计算 机视觉的早期研究中对分割方法作了大量研究。结果表明分割是非常困难的。例如，图象经 过边缘检测算子运算以后要作阈值运算以判断边缘点。在选择阈值时，如阈值取得低则将能 检测出灰度对比度低的边缘点，但也会把由于模糊或表面不均匀造成的虚假边缘检测出来。 相反如把阈值取得高些，则会在抑制噪声的同时也漏失真正的边缘。在作区域分割时也会因 阈值不合适把同一物体表面分成几个区域或把不同的物体表面当作一个区域。通过对环境条 件作较为严格的限制和仔细调整阈值参数可缓解这些困难，但是当遇到同一区域中的灰度 （或特性）不同，而具有相近灰度的象素又不属于同一区域的情况，只是靠调整阈值就难以 解决问题。例如，即使在均匀光照的情况下，一个曲面（如鸡蛋表面）上各点的灰度也不是 均匀的，而是呈现灰度影调的分布，这时就难以选择阈值。这时为使分割能得到有明确含义 的区域就需要具有外部的自顶向下（top-down）的知识，和可能还需要在实践中总结的经验 性知识，即所谓的启发式知识。 图 1-3 复合物体三维模型的构成，景物的原始线画 图 A1，经过步骤 A, B, C 和 D 中 4 个模型的依次识别、 删除，得到 D3 中所示三维结构