首先是反射系数，多少量的光强达到这个表面上有多少量的光强被反射出去了，并且这个光强和入射角度和出射角度都是有关系的，进去一个球面的角度，出去一个球面的角度，所以总共它是一个四维的函数。

这个在图形学里面被非常heavy的study。因为我们要在计算机里重现真实世界中物体的外观，这个函数就决定了这个物体的外观是什么样子的。我们做一个matching，做stereo，从不同的角度看物体，试图去找到对应的点。

这里的挑战是假设这个函数是一个常量，就意味着对这个特定的点，不论从哪个角度，颜色一样。真实世界不是这样的。

真实的世界中，这个BRDF并不是一个常量。即使是同一个点不同视角去看颜色也是不一样的。

早年的vision里面，会假设一个所谓的lambertian surface。

反射是由于物体表面粗糙的微元面导致的，光打上去后会朝不同的方向去发散反射。假设光强在各个方向的反射是均匀的，这个就叫diffuse reflection。

粉笔和石膏就和这个十分接近。diffuse reflection意味着什么呢？早年的stereo算法都假设对特定的点从不同角度去看都是一样的，我们就可以用不同角度图片上的feature点去做对应，推演其三维空间的位置。但是实际问题是specular reflection。

光源反射不均匀，通常会在镜面方向上多一点，然后形成沿着镜面光源散射的specular peak。

如果这个specular peak很瘦，就会形成一个很亮的点。极限情况下它可能是一个冲击函数，这个时候物体看起来就像一面镜子。有点时候又会宽一点，比如哑光的材料。

这个会带来很多困难。因为multiple view的时候颜色会发生变化，尤其specular很强的时候，就会导致stereo,matching等很难做，很多算法也会受到影响。

这是一个简单的磨皮算法。大概三四行代码就可以实现。

大家怎么看一个磨皮算法的效果？就看在去掉脸上皱纹的同时，眉毛和头发有没有留下。磨皮算法本质上要把空间中一些细节去掉，但对于计算机来讲，很难区别纹路，是皱纹还是毛发。

这里的两张图，左边的图里把所看到的亮度的变化的G和B去掉，只用R来构造亮度的变化。当然只把亮度替换掉，把颜色留下。另外一张则把G留下。

由于不同波长的光在皮肤里散射的不同，散射强的红色就会把皮肤的褶皱给blur掉，但毛发不受影响。绿色就基本没有做什么blur，留下了皮肤上各种粗糙的东西。

有种说法是尼康相机适合拍人像，原因是什么呢？人类构造图像有三条三原色的曲线。相机为了接近人类的视觉，构造出人类最后可以看到的图像，同样也有类似的三条曲线，尼康的传感器里构造RGB系统时分量系统往绿色和蓝色的分量少一点。当系统把很高维的分量投射到三维里面去的时候，背后的光路是不一样的，虽然投影后颜色是一样的。佳能往高能量的光谱多一些。因此尼康拍人像的时候，细节更多来自红色的通道，所以皮肤就会看起来很好。当然这个差异不是非常的大。

说完光谱的事情，我们现在假设所有的事情在一个通道上发生。

对于现有的大部分传感器，光进来后经过一系列的处理最终变成图像上面pixel上的value，这里有几个步骤。

首先经过一个镜头并处理后，有一个exposure。因为传感器不是真的拿一个snapshot，其实是积分了一段时间才能测量到光的强度。然后经过模式转换器，把光通量模拟量转换成一个数据量。最后还有一些post-processing。

为了尽可能多得看清细节，亮部暗部都要有一些。但我们发现最终的图像有些部分饱和掉了看不清楚了。

那么在vision的采集系统里都有哪些坑？

首先，过镜头的时候会滤掉一部分波长的光，因为大部分系统不是为vision understanding设计的，是为拍照设计的。为了得到更好的成像的质量就会滤掉一些对于构造图片没有用的光。紫光一般被反射出去了。

这是一个増透膜，使得更多的光进入镜头,可以提高照片质量。

大部分CCD和相机其实对红外光都是很敏感的，我们可以拿遥控器对着手机看是很亮的，所以几乎所有的镜头都会对红外光有一个过滤。如果不过滤，几乎是一片白。

这部分做了一个filter mask，把我们不想看的紫外红外干掉。剩下可见光透过镜头。

接着是曝光。