之前的文章让我们了解了人工智能的发展历史 , 基础理论 , 基础应用 , 都是人工智能的皮毛 。 想要深入进入人工智能领域 , 窥探其中的技术原理、专业细节 , 仅仅只靠网络上的只言片语 , 碎片化的知识点显然不能够满足 。
文章图片
计算机视觉之图像处理(本文中的图像指的是数字图像) 。
数字图像处理是对图像进行分析、加工、和处理 , 使其满足视觉、心理以及其他要求的技术 。 图像处理是信号处理在图像域上的一个应用 。 目前大多数的图像是以数字形式存储 , 因而图像处理很多情况下指数字图像处理 。 此外 , 基于光学理论的处理方法依然占有重要的地位 。
数字图像处理是信号处理的子类 ,另外与计算机科学、人工智能等领域也有密切的关系 。传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上 , 比如降噪、量化等 。 然而 , 图像属于二维信号 , 和一维信号相比 , 它有自己特殊的一面 , 处理的方式和角度也有所不同 。
大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸 , 它们中的一部分在二维情形下变得十分复杂 。 同时图像处理也具有自身一些新的概念 , 例如 , 连通性、旋转不变性 , 等等 。 这些概念仅对二维或更高维的情况下才有非平凡的意义 。 图像处理中常用到快速傅立叶变换(一种快速计算的方法 , 在处理大数据量的情况下比普通的计算方法效率会很高 , 节省时间) , 因为它可以减小数据处理量和处理时间 。
想要识别图像 , 首先要分析图像并进行相关的技术处理 。
数字图像基础
图像的基本概念、图像取样和量化、数字图像表示、 空间和灰度级分辨率、图像纹理、像素间的一些基本关系(相邻像素、邻接性、连通性、区域和边界、距离度量) 。
数字图像存储与显示
图像格式
在计算机中 , 有两种类型的图:矢量图(vector graphics)和位映象图(bitmapped graphics) 。 矢量图是用数学方法描述的一系列点、线、弧和其他几何形状 , 存放这种图使用的格式称为矢量图格式 , 存储的数据主要是绘制图形的数学描述;位映象图(bitmapped graphics)也称光栅图(raster graphics) , 这种图就像电视图像一样 , 由象点组成的 , 因此存放这种图使用的格式称为位映象图格式 , 经常简称为位图格式 , 存储的数据是描述像素的数值 。
矢量图与位映象图
目前包括bmp格式、gif格式、jpeg格式、jpeg2000格式、tiff格式、psd格式、Png格式、swf格式、svg格式、pcx格式、dxf格式、wmf格式、emf格式、LIC格式、eps格式、TGA格式 。
数字图像增强
图像增强的目的在于改善图像的显示质量 , 以利于信息的提取和识别 。 从方法上说 , 则是设法摒弃一些认为不必要或干扰的信息 , 而将所需要的信息得以突出出来 , 以利于分析判读或作进一步的处理 。 比如我们在处理一张不是非常清晰的画作 , 我们需要对于不是非常清晰的部分进行上料加色 , 在边缘进行色料的处理达到突出主体的目的 。
图像复原
图像复原:试图利用退化过程的先验知识 , 去恢复已被退化图像的本来面目 。
图像复原的基本思路:先建立退化的数学模型 , 然后根据该模型对退化图像进行拟合 。
【概念分析|计算机视觉图像处理概念分析】比如处理一张古老的锈迹斑斑的人像照片 , 我们在PS上进行处理的时候会擦除影响主体轮廓的东西 , 凸显出我们想要看到人像这个主体 。
边缘检测
数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础 , 图像理解和分析的第一步往往就是边缘检测 , 目前它以成为机器视觉研究领域最活跃的课题之一 , 在工程应用中占有十分重要的地位 。 所谓边缘就是指图像局部亮度变化最显著的部分 , 它是检测图像局部变化显著变化的最基本的运算 。
图像压缩
图像压缩是数据压缩技术在数字图像上的应用 , 它的目的是减少图像数据中的冗余信息从而用更加高效的格式存储和传输数据 。 图像压缩可以是有损数据压缩也可以是无损数据压缩 。 对于如绘制的技术图、图表或者漫画优先使用无损压缩 , 这是因为有损压缩方法 , 尤其是在低的位速条件下将会带来压缩失真 。 如医疗图像或者用于存档的扫描图像等这些有价值的内容的压缩也尽量选择无损压缩方法 。 有损方法非常适合于自然的图像 , 例如一些应用中图像的微小损失是可以接受的(有时是无法感知的) 。
形态学图像处理
图像出现变形膨胀的地方要进行缩小 , 图像腐蚀消失的地方进行复现 , 边界缺少的地方进行填充 , 区域颜色太暗的地方进行补色增亮 。
图像分割
图像分割是指通过某种方法 , 使得画面场景中的目标物被分为不同的类别 。 通常图像分割的实现方法是 , 将图像分为“黑”、“白”两类 , 这两类分别代表了两个不同的对象 。
图像特征提取与匹配
常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征 。
本文来源于:http://www.0755vc.com
推荐阅读
- Apple|摩根大通分析师:交货时间来看iPhone 13系列已达供需平衡
- 概念股|孙佳山、张泰旗:警惕元宇宙可能带来的金融泡沫
- 最新消息|宝马LG和其他公司正考虑使用量子计算机解决具体问题
- 计算机|孟祥飞:用超算推动一个加速创新的中国
- 数据|天问一号火星离子与中性粒子分析仪首个成果面世
- 宇宙|毕马威:元宇宙概念的成熟给金融科技带来进一步发展想象空间
- oppo|OPPO Find X5早期概念渲染图曝光 后置三摄布局奇特
- IT|GM申请别克Electra商标:此前曾展示过一款同名EV概念车
- Tesla|分析师预计特斯拉四季度在国内有望交付10万辆电动汽车
- 概念股|重磅产业发展规划出炉,机器人概念股强势拉升,华中数控等大涨