机器的眼睛（二）

生物进化是奇妙的也是缓慢的，技术的进步却是迅猛的，所以未来机器视觉完全代替人眼或全面辅助人眼绝不是空想。这技术看起来很神奇，但从基本的构成分析，其实也很简单。我们可以将其分为三部分，一是获取图像，就像前面有一个人投影在我们的眼睛里；二是处理图像，就像我们大脑排除了天气、背景等干扰，“识别出”那是个人的样子（医学研究证明眼睛看见东西不代表大脑可以识别看到的东西）；三是提取信息，就像我们认出了前面这个人是隔壁的老王，他的神色还有些慌张。这是最基本的结构，还可以从这一层继续往下细分。

软件篇

万物互联的时代就要到来，而机器视觉，也将成为万物之一。要想互联，除了自身硬件可以实现功能之外，还要有灵活的软件可以将硬件嵌入一个更大的网络中。图像处理和信息提取正是为了让相机获取到的图片，在一个更大的系统中发挥其应有的作用。

图像处理

图像处理是弹性最大的一步，有时不需要它，有时又缺它不行。拿到一张黑白图片，我们看见的是图案，是亮暗，而计算机看到的，不过是一长串0和1组成的数据而已。经过固定的转换规则，可以将这些0和1转化为一个数值矩阵。转化后的情况，可以用Excel表格来理解，表格的行和列就是图片上的像素坐标，单元格中的数值就是图片上对应像素点的灰度值（区分黑白的一个度量值，纯黑为0，纯白为255）。这样就将一张图片转化为了可处理的一组数据，然后我们就可以利用计算机的强大计算能力对图片进行处理。说点题外话，我觉得将我们可感知的信息转化为计算机可处理的数据的能力，在信息时代会显得尤其重要。图像已经变成了一个便于计算机处理的矩阵，这时候就是各种图像处理算法出场的时候了。具体算法研究不多，平时也主要是用一些集成好的工具。不过拉远镜头，图像处理算法，其实就是利用实际图形的变化规律，对矩阵数据进行各种运算，最后把想要的东西凸显出来，与前面打光的目的是基本相同的。而彩色图片的处理，就是在黑白处理的基础上，增加几个颜色的维度，最常用的是颜色抽取，也是提取关键对象。这也是开头为什么说图像处理弹性很大，因为在成像效果好的情况下，完全不需要图像处理。就像一个美女自拍，因为本来就长得美，就不需要修图软件上一番操作了。只是视觉要广泛使用，图像处理是必不可少的，因为现实中环境变化太多了，必须要能排除干扰。为了普适性，通过图像处理适应各种环境，肯定是未来的趋势。

提取信息

最后一步也是最重要的一步，之前的工作都只能算是准备工作，这最后一步提取信息，才是我们机器视觉的目的所在。提取信息就是计算机利用固定规则去搜索图片，得到想要的参数，最后将参数输出的过程。我们想象一个机器人打靶的场景作为例子。首先机器人要有一套前面的视觉系统，此时靶子清晰地呈现在机器人的相机中（获取图像）。然后机器人开始对靶的形状进行学习，比如利用算法提取靶子的圆环轮廓（提取信息1），根据圆环轮廓拟出一个圆，再根据圆计算出圆心的像素位置（提取信息2），然后把像素位置转化为机器人能操作的实际位置，机器人就知道该把枪口往上抬１ｍｍ还是往下压５ｍｍ。而且因为机器人记忆了靶子的形状，此时如果你把靶子移到另一个位置，机器人仍然可以准确地找到靶心（提取信息3）。如果再加上速度和距离参数，直接打移动中的靶子也是一枪一个准。这也是为什么有人提议限制自动化兵器的一个原因。视觉能提取的信息有很多，像刚才的位置信息，交通违规抓拍识别的车牌信息，良品判断得到的检测信息，车站摄像头通过图片识别脸部轮廓信息等。提取信息的方式也很多，常见的像轮廓匹配实现定位，尺寸测量用来做检测，字符比对用来识别字符，根据二维码的编码规则读取出二维码信息等。

机器视觉终于总结完了，由于是个人总结，难免挂一漏万，主要是梳理自己的思考，如发现问题，欢迎指正。

当我们拿起手机刷脸解锁的时候，我们不会想到环境光、镜头、相机和人脸识别这些东西，因为这些东西都隐藏成了一个黑盒子，我们只需要用就行。但当打开黑盒子的时候，也会有另一番天地，这就是技术的魅力吧~