人們常說(shuō)：眼睛是心靈的窗戶(hù)，通過(guò)眼睛人們可以輕易地交流情感，眼睛也是與外界交流的窗口，這些都是通過(guò)“看”來(lái)完成的。

    人們可以很容易“看到”一幅畫(huà)，但這一“簡(jiǎn)單”過(guò)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(guò)眼睛將圖成像在視網(wǎng)膜上；其次大腦對圖像進(jìn)行理解；最后根據處理的結果做出反應。用比較專(zhuān)業(yè)一點(diǎn)的語(yǔ)言來(lái)描述，該過(guò)程包括了識別、描述與理解三個(gè)層次；這其中還隱含了邊緣檢測（各物體的輪廓等）、圖像的分割（各物體區域的劃分）等階段。以上實(shí)際上概述了視覺(jué)系統的三個(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階段；高層階段：基于景物知識的描述、識別與理解階段，這是根據先驗知識介入的程度劃分的，且實(shí)現起來(lái)也越來(lái)越困難。

    毫無(wú)疑問(wèn)，如何人工實(shí)現這一過(guò)程是極具挑戰性和應用前景的一項工作，計算機視覺(jué)也因此而應運而生。計算機視覺(jué)是研究用計算機和成像設備來(lái)模擬人和生物視覺(jué)系統功能的技術(shù)學(xué)科，其目標是從圖像或圖像序列中獲取對外部世界的認知和理解，即利用二維圖像恢復三維環(huán)境中物體的幾何信息，比如形狀、位置、姿態(tài)、運動(dòng)等，并能描述、識別與理解。

    計算機視覺(jué)的基礎是各種成像設備，例如CCD(Charge Coupled Device )攝像機（數碼相機屬于此類(lèi)型）、紅外攝像機、醫學(xué)上常用的核磁共振成像、X射線(xiàn)成像等，這些設備不僅可以成像，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看成計算機視覺(jué)的視網(wǎng)膜部分?？梢哉f(shuō)從人類(lèi)拍攝出第一幅圖像開(kāi)始，就為計算機視覺(jué)的誕生奠定了基礎。

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

    用于指導“計算機”這個(gè)大腦運作的核心是計算機視覺(jué)的理論方法，計算機視覺(jué)使用的理論方法主要基于幾何、概率和運動(dòng)學(xué)計算與三維重構的視覺(jué)計算理論，它的基礎包括射影幾何學(xué)、剛體運動(dòng)力學(xué)、概率論與隨機過(guò)程、圖像處理、人工智能等理論。 在20世紀70年代，視覺(jué)研究大多采用模式識別的方法；80年代，開(kāi)始采用空間幾何的方法以及物理知識進(jìn)行視覺(jué)研究；90年代以后，隨著(zhù)智能機器人視覺(jué)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(jué)理論、不變量理論、融合技術(shù)等，并應用于許多計算機視覺(jué)系統中。

    研究計算機視覺(jué)，不得不提的是英國已故科學(xué)家戴維?馬爾（David Marr），他在計算機視覺(jué)發(fā)展史上可謂寫(xiě)下了濃重的一筆。在20世紀70年代末，他提出了第一個(gè)較為完善的視覺(jué)系統框架，即計算視覺(jué)理論框架。他認為視覺(jué)是一個(gè)復雜的信息處理過(guò)程，并有不同的信息表達方式和不同層次的處理過(guò)程，而最終的目的是實(shí)現計算機對外部世界的描述。由此，他提出了三個(gè)層次的研究方法，即計算理論層、表征與算法層以及實(shí)現層。并且設想出了自下而上，沒(méi)有反饋的視覺(jué)處理框架，他認為視覺(jué)的主要任務(wù)是獲得物體的三維形狀，并把獲取過(guò)程分為三個(gè)階段，即原始基元圖(primal sketch)→2.5維圖( 2.5dimensional sketch)→3維模型表示。其中，基元圖由二維圖像中的邊緣點(diǎn)、直線(xiàn)、曲線(xiàn)、頂點(diǎn)等基本幾何元素或特征組成；2.5維圖是指對基元圖進(jìn)行一系列處理運算，推導出可見(jiàn)表面的朝向、輪廓等幾何信息，是在觀(guān)察者坐標系下描述的部分的、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系下的各種形狀及其空間組織。

    迄今為止，研究者們在Marr計算視覺(jué)理論框架下，進(jìn)行了大量的研究，并取得了豐富的成果，最矚目也最完善的成果當屬基于幾何方法的計算機視覺(jué)理論體系。

    日常生活中最常用的成像設備－數碼相機的理想成像模型是針孔模型，很多視覺(jué)研究?jì)热荻际窃谶@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(xiàn)。為了方便起見(jiàn)，通常認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(huà)，那么根據三點(diǎn)共線(xiàn)的約束，可知景物點(diǎn)一定在這條射線(xiàn)上，但是這條射線(xiàn)上的每一點(diǎn)成像都是相同的，所以?xún)H從一幅圖像是無(wú)法確定景物點(diǎn)距離攝像機光心（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)在不同相機下的像稱(chēng)為一對對應點(diǎn)），則存在另一條射線(xiàn)，兩條射線(xiàn)相交，從而可以確定出景物點(diǎn)的空間位置，如圖2所示，對于兩幅或多幅圖像上的每對對應點(diǎn)都進(jìn)行類(lèi)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物體三維幾何形狀的方法，即是立體視覺(jué)方法，這一過(guò)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、攝像機標定、運動(dòng)估計等，每一步都凝結了眾多研究者的心血，并取得了大量?jì)?yōu)秀的研究成果，像Canny邊緣檢測算子，Harris角點(diǎn)檢測，Tsai塊標定，張正友的平面模板標定等。

    在Marr計算視覺(jué)理論框架下，觀(guān)測者（計算機）只是被動(dòng)地分析獲取的靜態(tài)圖像，并不對成像設備（攝像機）做任何控制，這使得許多視覺(jué)任務(wù)（如識別、導航等）難以完成?？梢韵胍幌氯祟?lèi)的視覺(jué)，人們在看的時(shí)候，眼球通常不自覺(jué)地或半自覺(jué)地跳動(dòng)或轉動(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(jué)、有目的的視覺(jué)、定性視覺(jué)等理論，但主動(dòng)視覺(jué)的研究往往與有目的的以及定性視覺(jué)的研究結合在一起。在主動(dòng)視覺(jué)系統中，攝像機的狀態(tài)參數如焦距、縮放、聚散度都可以控制，加之具有可以精確控制的平臺，使得許多不適定的視覺(jué)任務(wù)變?yōu)檫m定的。圖4為一主動(dòng)視覺(jué)平臺，下方是一小車(chē)，最上方是兩個(gè)攝像機，計算機可以控制車(chē)和攝像機的運動(dòng)、調整攝像機的注視點(diǎn)，并通過(guò)精確控制平臺的運動(dòng)，可以獲得攝像機的運動(dòng)參數，從而使一些原本是非線(xiàn)性的問(wèn)題變成線(xiàn)性問(wèn)題，提高了計算速度和準確性，這對實(shí)時(shí)地獲取外界信息并做出反應（如避障）是非常重要的。

    除了重建，視覺(jué)的另一個(gè)任務(wù)是識別。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別出與物體模型最相似的物體。這里，就用到了先驗知識，即識別前，物體模型需事先存儲在計算機中，這是很顯然的事情。平常人們能從圖中認出事物，是因為大腦對它們的特征有了事先的認識。在物體識別中，“假設檢驗”是一種很重要的識別方法，又稱(chēng)為基于模型的識別方法，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中的物體模型作比較，方法是先“假設”，后“檢驗”，即假設待識物體是模型庫中的某個(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；反之，則用其他幾何元素在圖像中對該匹配做“檢驗”，以此來(lái)判斷是否需要再修改假設，并重復上述過(guò)程。因此，這是一種自下而上與自上而下策略的結合。

    可以看出，識別過(guò)程涉及了視覺(jué)中從低到高所有層次，它是當前計算機視覺(jué)領(lǐng)域最困難但也是最活躍的領(lǐng)域。之所以困難，可以借用宋朝著(zhù)名詩(shī)人蘇軾的一首詩(shī)概括：“橫看成嶺側成峰，遠近高低各不同”，這說(shuō)明同一事物，因觀(guān)測的角度不同甚至會(huì )產(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(guò)倒置了一下，但卻讓人們看到了如此有趣的現象。

    由于計算機視覺(jué)系統發(fā)展遭遇到眾多瓶頸問(wèn)題，如：圖像分割的不穩定性、二維圖形到三維立體的病態(tài)問(wèn)題、機器缺少大規模并行處理能力等，使得現有的計算機視覺(jué)系統在識別能力、實(shí)時(shí)性上與人類(lèi)視覺(jué)相差甚遠，更不可比擬的是，選擇性注意的能力，即人類(lèi)視覺(jué)分分秒秒都在接受外界的信息，但是人們并不會(huì )對所有的信息都處理，而是對很多都會(huì )“視而不見(jiàn)”。從總體的理論研究和應用角度來(lái)說(shuō)，國內外在計算機視覺(jué)的研究水平還是處于起步階段，目前還沒(méi)有一個(gè)完整的理論體系能統一和解決所有的計算機視覺(jué)問(wèn)題。

圖7  工業(yè)機器人識別和定位零件系統示意圖


圖8 　Rocky7

    雖然困難重重，然而計算機視覺(jué)技術(shù)正在蓬勃地發(fā)展著(zhù)，且已經(jīng)有了廣泛的應用。例如：零件識別與定位，圖7是一個(gè)具有簡(jiǎn)單視覺(jué)的工業(yè)機器人系統示意圖，其視覺(jué)系統由一個(gè)位于零件傳輸帶上方的攝像機和相關(guān)的視覺(jué)信息處理系統組成。為了有利于視覺(jué)系統將零件從傳輸帶上分離出來(lái)，并進(jìn)行識別和定位，可以選擇與零件顏色差別較大的傳輸帶。由于工業(yè)環(huán)境的結構、照明等因素可以嚴格地控制，使得這種機器人視覺(jué)系統在工業(yè)生產(chǎn)和裝配中得到了成功的應用；再如，移動(dòng)機器人導航，圖8是美國NASA/JPL開(kāi)發(fā)的Rocky7火星探測移動(dòng)機器人，在其后部、前部及桅桿上都安裝了一對黑白CCD攝像機，另外，在桅桿上還安裝了一個(gè)用于近距離成像的攝像機。借助于這些視覺(jué)系統，Rocky7可以進(jìn)行障礙檢測、自身車(chē)輛檢查、挖掘/傾倒核查等任務(wù)；其他的象安全鑒別、監視與跟蹤；運動(dòng)分析；工業(yè)產(chǎn)品、農作物生長(cháng)及食品檢測；智能交通系統；娛樂(lè )等。更可喜的是，在我國，指紋識別已達到實(shí)用階段，人臉識別也已研究成功。
目前，基于內容的圖像數據查詢(xún)、基于內容的圖像自動(dòng)索引等成為很熱門(mén)的研究和應用課題，可應用于數字圖書(shū)館、體育圖像自動(dòng)分析、運動(dòng)物體自動(dòng)跟蹤等系統，根據物體的二維圖像提取相應的特征不變量進(jìn)行識別和分類(lèi)也是一個(gè)十分重要的研究方向。同時(shí)，三維物體識別也開(kāi)始進(jìn)入了實(shí)用階段?？梢钥吹?，視覺(jué)技術(shù)在如此多的領(lǐng)域都已經(jīng)成功地得到了應用，而且越來(lái)越貼近生活，雖然這些還只是計算機視覺(jué)研究與應用的冰山一角，只是邁出了萬(wàn)里長(cháng)征的第一步，但人們有理由相信有一天計算機會(huì )擁有人一樣的視覺(jué)識別和理解能力，為人們帶來(lái)精彩的生活。

參考文獻：

[1]  馬頌德, 張正友. 計算機視覺(jué): 計算理論與算法基礎[M]. 科學(xué)出版社, 1997.

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

[3]  D.馬爾著(zhù), 姚國正, 劉磊, 汪云九譯. 視覺(jué)計算理論[M]. 科學(xué)出版社, 1988.

[4]  朱淼良, 計算機視覺(jué)[M]. 浙江大學(xué)出版社, 1997.

[5]  D. A. Forsyth, J.Ponce著(zhù), 林學(xué)