1.為什么要學習圖像處理和計算機視覺
計算機視覺市場需求大，其是人工智能的重要分支。

計算機視覺崗位占所有AI崗位的40%。

但是，中國高校目前尚未設置計算機視覺學科己專業；學習者眾多，學習分散，缺少統一教學體系；教材偏重理論，同時內容老舊。

突出問題：不知道學啥？以及學完還是不會用。

網絡資源：網課眾多，但缺乏系統性和循序漸進

• 講解實例及實現為主，缺乏背景介紹，知其然而不知其所以然
• 基礎知識缺乏講解，缺乏系統性，學完例子無法推廣和使用。

解決方案：“練拳又練功，掌握更輕松”-練拳不練功，到老一場空。練功不練拳，有如無舵船。

原理講透，背景講清，內容可視化。

• 原理講解透徹，用圖說話，減少公式。理解更輕松，掌握更透徹。
• 原理和實戰緊密結合，同時給出程序實例，能知其所以然。

2.什么是計算機視覺？

計算機視覺：讓計算機“看懂”圖像。
計算機視覺要完成以下問題：

• 圖像預處理與特征檢測
• 圖像分割和識別
• 2-1/2D視覺計算
• 圖像理解和行為分析
• 圖像推理

計算機視覺發展史：

• 起源：20世紀50年代統計模式識別，二維圖像分析
• 1970’s：數字圖像處理，圖像結構
• 1980‘s：光流，尺度空間，多視幾何，馬爾可夫隨機場
• 1990’s：3D重建，圖切，粒子濾波
• 2000‘s：特征提取，3D建模與繪制，圖像分類
• 2010’s：深度學習和目標識別、檢測、分割、位姿估計、SLAM

工具：python + OpenCV安裝環境
注：其中opencv的第三方庫可以在清華大學開源軟件鏡像站找到https://pypi.tuna.tsinghua.edu.cn/simple/。

第一個程序：Hello,Lena!

import cv2 as cvfilename = 'C:/python/img/lena.jpg' img = cv.imread(filename) cv.imshow("Hello,Lena", img) cv.waitKey() cv.destroyAllWindows()

計算機視覺方向知識體系結構

Marr視覺計算理論：

• 目的：通過視覺系統，重建三維物體的形狀和位置
• 初始略圖（2維）：過零點（zero-crossing）、短線段、端點等基元特征
• 2-1/2維：對物體形狀的一些粗略描述
• 3維：對物體的三維描述

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的计算机视觉介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。