在计算机视觉的多视图几何中，外极几何（Epipolar Geometry）描述了两个相机视角之间的几何关系，常用于立体匹配、图像配准和3D重建。

针孔照相机模型（有时称为射影照相机模型）是计算机视觉中广泛使用的照相机模型。对于大多数应用来说，针孔照相机模型简单，并且具有足够的精确度。这个名字来源于一种类似暗箱机的照相机。该照相机从一个小孔采集射到暗箱内部的光线。在针孔照相机模型中，在光线投影到图像平面之前，从唯一一个点经过，也就是照相机中心C。图4-1为从照相机中心前画出图像平面的图解。事实上，在真实的照相机中，图像平面位于照相机中心之后，

在大型图像数据库上，CBIR（Content-Based Image Retrieval，基于内容的图像检索）技术用于检索在视觉上具相似性的图像。这样返回的图像可以是颜色相似、纹理相似、图像中的物体或场景相似；总之，基本上可以是这些图像自身共有的任何信息。对于高层查询，比如寻找相似的物体，将查询图像与数据库中所有的图像进行完全比较（比如用特征匹配）往往是不可行的。在数据库很大的情况下，这样的查询方

变分法是一种强大的数学工具，通过优化函数在函数空间中找到最优解，广泛应用于各种领域。Chan-Vese 模型是一种典型的变分模型，用于图像分割，特别适用于处理不均匀亮度的图像。通过最小化目标函数，Chan-Vese 模型能够有效地将图像分割成前景和背景区域，广泛应用于医学图像和视频分析等领域。

给定训练样本集D{(x1​y1​x2​y2​...xm​ym​)}yi​∈−11分类学习最基本的想法就是基于训练集D在样本空间中找到一个划分超平面，将不同类别的样本分开。但能将训练样本分开的划分超平面可能有很多，如图6.1所示，我们应该努力去找到哪一个呢？所以我们的想法应该是去找位于两类训练样本“正中间”的划分超平面，即图6.1中最粗的那条线。因为该划分超平面对训练样本局部扰动的“容忍”性最好。w

分割将图像细分为构成它的子区域或物体。细分的程度取决于要解决的问题。也就是说，在应用中，当感兴趣的物体或区域已经被检测出来时，就停止分割。异常图像的分割是图像处理中最困难的任务之一。分割的精度决定着计算分析过程最终的成败。因此，应该对改进准确分割的可能性给予相当的关注。本章中的多数分割算法均基于灰度值的两个基本性质之一:不连续性和相似性。在第一类中，方法是以灰度突变为基础分割一幅图像，比如图像的边

术语数据压缩是指减少表示给定信息量所需数据量的处理。在该定义中，数据和信息是不相同的事情；数据是信息传递的手段。因为相同数量的信息可以用不同数量的数据表示，包含不相关或重复信息的表示称之为冗余数据。R1−1/C其中，C通常称为压缩率，定义为Cbb′在数字图像压缩的内容中，b通常是以二维灰度值阵列表示一幅图像所需的比特数。二维灰度阵列是人们观察和解释图像的首选格式，并且以它作为判定所有其他表示的标准