计算机视觉

定义与范围

计算机视觉是从图像中取得目标或场景信息的处理方法体系，其基本流程包括图像采集、处理、分析与解释。图像采集由光学元件与CCD等图像传感器完成，将现实场景转化为数字图像（通常表示为数值矩阵）。图像处理涵盖图像编码（压缩解压）、图像增强（去噪、去雾）及图像恢复等底层操作。计算机视觉涵盖图像识别（目标识别、分类、分割、检测）、图像/视频理解（描述、推理问答）、运动分析（跟踪、姿态与运动估计）、同步定位与地图构建以及图像/视频生成等高层任务。

图像处理与机器学习的教学关系

图像处理为计算机视觉提供预处理和基础操作，机器学习则为计算机视觉提供从数据中自动总结规律的方法。当前解决计算机视觉问题最流行的方式为机器学习，即让计算机从数据中自己总结规律。对于手写字符识别等难以通过人工方式总结规律的任务，采用机器学习方法，利用历史样本进行训练，将数据特征输入模型，最终输出对应的标签。人工神经网络是常用的机器学习模型，由输入层、隐藏层和输出层节点通过连线相互连接。

典型应用

计算机视觉的典型应用包括：识别（目标检测、分类、分割）、运动分析（跟踪、姿态估计、运动估计）、同步定位与地图构建、图像视频理解（行为识别、描述、问答）。在工业领域，机器视觉用于实现流程自动化和质量改进，如尺寸检测、光学字符识别、标记识别、图形识别、人脸识别等。

与光电式传感器的关联

计算机视觉的输入来自图像传感器（如CCD），而图像传感器属于光电式传感器的一种，利用光电效应将光信号转换为电信号。因此，光电式传感器为计算机视觉提供图像采集前端，计算机视觉则对采集到的数字图像进行高层处理与解释。