相机是机器视觉系统的眼睛，而相机的心脏是图像传感器。传感器的选择决定分辨率、采集能力、灵敏度和机器视觉系统成本，因此必须充分考虑应用需求。对传感器关键属性的基本理解将有助于开发者迅速缩小寻找正确传感器的范围。

资料目录：

利用Visual C++实现AVI文件的图像截取
Visual C++中实现对图像数据的读取显示
Visual C++实现视频图像处理技术#此前在首页部分显示#
VC编程中如何操作数据库中的图像字段
Visual C++实现数字图像增强处理
Visual C++6.0开发灰度位图处理
VC++开发腐蚀运算源程序
VC++开发膨胀运算源程序
VC＋＋开发细化源程序
VC＋＋开发Hough变换的源程序
VC++开发轮廓提取源程序
堆栈的数据结构

色彩滤镜矩阵（Color Filter Array）

　　数码相机上的每个象素都带有一个光感应器，用以测量光线的明亮程度。由于光电二极管是只支持单颜色的装置，它不能区别不同波长的光线。因此，数码相机工程师在相机感应器的上部装上了一套镶嵌式的颜色滤镜，一个颜色过滤排列装置（CFA），以便让感应器区分组成可见光的红、绿、蓝三种基本颜色。详细请看以下图表：

1. 像素大小(Pixel Size)

指个别感应像素的实际尺寸大小，不论是长或宽，都以μm(Micrometer)为计量单位。像素愈大，则所需曝光成像时间较短，但却会牺牲些许空间分辨率。反之，像素愈小，则需较久的曝光成像时间，成像之后的影像分辨率，则较好。

2. AE(Auto Exposure)︰结合AGC及IRIS马达控制的使用，使摄影机能在很宽广的光线条件下使用。AGC能在很低亮度的条件下放大视讯信号，而IRIS

发现一篇关于SVM综述的文章，内容还可以，可以起到抛砖引玉的作用，需要者可以看看！鄙人顺便也温故而知新！

1. SVM的优势

（1）可以解决小样本情况下的机器学习问题

（2）可以提高泛化性能

（3）可以解决高维问题
（4）可以解决非线性问题

（5）可以避免神经网络结构选择和局部极小点问题

2. SVM的研究热点

（1）模式识别

（2）

纹 理（Texture）

在自然图象中，纹理作为物体的一种重要外观特征，为视觉感知提供了无处不在的信息，它在计算机视觉、图形学、图像编码等领域都有着重要作用，例如，格式塔（Gestalt）心理学，早期视觉理论和Marr的原始简约图（Primal Sketch）都将纹理模式作为中心话题。因此，对纹理的理解是视觉理解不可或缺的组成部分。过去的几年里，纹理分析和合成的相关研究工作在基础理论上与实际

尽管在过去的几年里机器视觉经历着一些革命性的变化，但是有一个领域仍然以相对较慢的速度在发展，这个领域就是彩色图像处理。