专注：太空算力、AI infra、异构调度、大模型成本工程

算法类别经典代表核心应用场景全参考基础算法MSE、PSNR图像压缩、传输、重构的快速初步校验，工程化基础指标全参考高精度算法图像超分辨率、去噪、复原、修复的算法效果验证半参考算法DCT-based、小波-based RR-IQA网络图像传输实时监控、带宽受限设备的质量检测无参考传统算法监控抓拍、手机拍摄、网络传播等无原始图的场景质量评价无参考深度学习算法复杂失真场景、专业医学/遥感图像的高精度盲评。

在手机相册里滑动时，常常会发现一个有趣的现象：明明存着几千张照片，总容量却只有寥寥几个GB；同样标注1000万像素的照片，文件大小却差异悬殊，有的动辄占据几MB 存储空间，有的却精简到几百 KB。这种显著的大小差异，正是不同图像格式在“暗中操作”。根据实际需求选择合适的图像格式，不仅能有效节省存储空间，还能在传输时提升效率，在展示时确保最佳视觉效果，让数字图像的使用更加得心应手。

完成图像数字化后，需通过 “色彩模型” 将离散的数字信号转化为人眼可感知的色彩；同时，只有理解人眼的视觉感知规律（如对黄色更敏感、能适应明暗变化），才能让色彩设计贴合实际需求 —— 避免 “屏幕看着鲜艳，打印出来却暗淡” 的问题。

数字图像技术能支撑医疗、交通、零售等复杂应用，核心在于两大基础：一是构成图像的最小单元 —— 像素，二是将现实场景转化为数字信号的图像数字化过程。像素决定图像的颗粒度，数字化则是连接现实与数字世界的桥梁，二者共同奠定了数字图像技术的基石。