🥵 计算机视觉简介

• 定义：计算机视觉（Computer Vision, CV）是研究计算机模拟人类视觉系统的学科。

• 目标：
• 通过感知获得图像数据。
• 对数据中的目标进行识别、跟踪、测量、理解等。

• 计算机视觉 vs 机器视觉：

维度	计算机视觉	机器视觉
领域来源	计算机科学的分支	机电工程、测控类学科的分支
关注重点	理解图像生成到高层视觉的全过程	光机电传感一体化视觉系统，多用于工业生产场景
应用场景	图像识别、目标检测、人脸识别等	工业缺陷检测、机械引导和自动化控制

😇 图像生成

• 定义：通过光学设备生成图像或视频。

• 关键性：图像质量直接影响后续识别效果。

• 产品维度的关键因素：

因素	描述
光源	环形光源、条形光源等，选择适当光源提升成像效果。
镜头	控制焦距、广角和光圈，提升目标图像质量。
摄像机	CCD、CMOS核心部件，不同形态与参数适应不同场景。
多传感器	融合毫米波雷达、激光雷达等非可见光传感器，提升场景适应性。

🥰 图像处理

• 目标：通过增加、减少、变换图像信息，达到满足特定场景对图像的要求。

• 常用方法：

方法	描述
图像变换	使用傅里叶变换等方法减少计算量，提取有效信息。
图像编码压缩和解码	减少图像数据量，无损压缩保留全量信息，有损压缩仅保留近似表达。
图像增强和复原	提升图像质量（如清晰度、对比度），或模拟低质量图像增强模型鲁棒性。
图像描述	提取图像特征点、线、面等，通过深度神经网络进一步优化特征描述。

😆 立体视觉

• 定义：将2D图像还原为3D空间信息，实现更真实的环境感知。

• 研究方法：

方法	描述
单目立体视觉	使用单摄像设备，通过运动视差等手段获取深度信息，成本低。
双目/多目立体视觉	使用双摄像设备，通过三角测量法求深度信息，常见于3D视觉应用。
程距法	使用距离传感器（如3D结构光、激光雷达）获取深度信息，适用于高精度场景。

• 应用流程：
1. 图像采集。
2. 摄像机标定（校准几何模型参数）。
3. 特征与图像匹配。
4. 三维重建。
5. 内容理解（如目标跟踪、3D目标检测）。

😪 图像分类

• 定义：对图片中的内容进行类别划分。

• 分类类型：

类型	描述
单标签分类	每张图片仅对应一个类别标签（如二分类或多分类）。
多标签分类	图片可能同时对应多个标签（如房子、山、河）。
多任务分类	针对图片执行多种识别任务（如识别人的身份、性别和年龄）。

😇 图像检测

• 定义：在图像中判断目标类别并定位目标位置。

• 算法分类：

类型	描述
两阶段算法	R-CNN系列（R-CNN、Fast R-CNN、Faster R-CNN），先生成候选框再分类，精度高但速度慢。
单阶段算法	YOLO、SSD，直接预测目标位置和类别，速度快但精度相对较低。

• 应用场景：
• 工业检测：产线缺陷检测、零件计数。
• 安防监控：人脸、行人、车辆检测。

🤑 图像分割

• 定义：像素级别划分图像，区分不同目标类别。

• 类型：

类型	描述
普通分割	区分前景与背景（如工业产线零件分割）。
语义分割	区分区域类别（如识别车、人）。
实例分割	对前景目标进行细粒度区分（如每辆车、每个人用不同颜色）。
全景分割	区分图像中所有区域（包括前景和背景）。

• 算法方法：
• 传统方法：阈值分割、区域增长、边缘检测、聚类分割。
• 深度学习方法：FCN、U-Net、DeepLab系列。

🤥 目标跟踪

• 定义：对连续图像或视频中的目标进行一致性匹配和追踪。

• 算法分类：

类型	描述
生成式方法	基于目标区域建模，通过相似特征搜索确定目标位置（如光流法、粒子滤波）。
判别式方法	引入背景信息，通过目标与背景分类确定目标位置（如结构化学习、相关滤波、深度学习方法）。

• 应用场景：
1. 安防监控：多角度目标拍摄，提升有效信息获取。
2. 人机交互与娱乐：手势识别、直播特效生成。
3. 机器人视觉导航：目标识别与跟随。

🥳 总结

• 核心发展方向：
1. 深度学习与传统方法结合优化计算效率。
2. 多模态融合（如3D结构光与激光雷达的结合）。
3. 应用场景拓展：自动驾驶、工业检测、娱乐媒体等。

• 关键挑战：
1. 提升算法精度与速度。
2. 降低硬件与计算成本，普及更多行业应用。