计算机视觉在移动端的应用,移动端X计算机视觉

混乱的序&移动端的图像开发

一直以来都特别有分享的欲望，但有时候会担心自己的整理不够体系，或者讲解的不够准确，又害怕每次写到最后都变成了论文八股一样的风格，让读者丧失读的乐趣。总之每次打开编辑器，各种担心都会一涌而上，今天下定决心，先厚着脸皮开启第一章吧，聊聊移动端的开发，希望大家也能走出各种事情的第一步。这个系列是免费的，算是对自己的总结，也能让大家了解不同领域的知识。

什么是移动端的图像处理？计算机视觉？

抖音，快手中的各种滤镜，以及相机中的HDR合成，均是图像处理相关的应用，机器学习也在其中发挥了重要的作用，其实更准确的应当称为“计算机视觉”。

准备知识&学习路线&规划

如果有人问我，学计算机视觉有什么用，可能最大的用处就是能让我在喜欢的领域工作吧，如果更高尚点，那么计算机视觉应该是近年来机器学习应用最成熟的领域之一吧，你可以站在无数巨人的肩膀上，可以轻而易举的写出一些好玩的应用，也可以把这些应用做好，带给市场，让更多人受益。

其实计算机视觉没有“移动端”这个限定，移动端更多的是指算法适用性，如果你是入门者，我建议从以下两个方面入手：

基础的图像算法：比较有名的书例如冈萨雷斯的《数字图像处理》，可以让你对图像处理有基础的了解，可能这本书最终的归宿大多是垫显示器，建议大家在实践中学习，这似乎是个老生常谈的话题，书中的内容的确覆盖的较多，所以一章章看下去更多的像是在翻看一本牛津字典，书中的内容应该大多数是matlab代码编写(不清楚现在的版本是怎样的)，如果你对python熟悉的话，也不错 。

在啰嗦几句，如果觉得看书麻烦的话，OpenCV也是特别好的学习材料，这里并不是指阅读源码，而是去运行OpenCV中的Sample,地址在这里：https://github.com/opencv/opencv/tree/master/samples/python

机器学习：机器学习似乎成了近年来大家都会的一项技术，我这里也不多说了，最近在看https://github.com/d2l-ai/d2l-zh 这本书，非常推荐，内容特别用心，无论熟悉或者不熟悉，看一遍应该也没有坏处的。

移动端：这里更多的是工程向的技能点，例如移动端对实时性的要求比较高，可能在Android就要学会NDK开发，比如处理后需要和渲染结合，那可能就需要了解OpenGL/Metal相关领域的知识，又比如需要处理视频相关的东西，那么你可能需要了解编解码的知识，或是移动端播放器相关的内容，这部分知识比较分散，但要求也比较高，后期我可能应该会分类写写。

其实这部分知识已经非常多了，但个人觉得如果目标不是为了做科研，发论文，入门起来不会特别难，学习新的知识也是我们这个行业必备的技能吧，如果在学习中有什么问题，可以留言，空闲时间我是很乐意解答的(也许有的我也不会。

关于专栏

其实本来开专栏我想分享下移动端渲染相关的内容，但转念一想，关于OpenGL,网上大多数的文章都从“如何渲染一个三角形”戛然而止，但渲染一个三角形除了制造一个无用的Demo外没有任何用处，但GL中的一些使用经验，以及图形学中各种有趣的算法，才是真正有意思的东西，想听听大家的意见，希望能够从一个实例讲起，或者分享一些实际的使用经验，或者是与大家探讨程序的优化方式。

关于Metal, Metal作为新一代的图形接口，是非常容易入门的，在初次学习时，这里我不建议大家去看任何文章，去看看Apple developer上的Metal入门足够了，并且提供了非常多的Demo,这些内容我认为对于入门者足够了，地址如下：https://developer.apple.com/metal/index.html 当然这个文章也不是没有缺点的，就是跳变太大，前一篇在渲染三角形，下一篇就开始渲染环境光了

关于我

写到这里我突然发现我忘记提到GPUImage，这个框架也应该是大多数做过滤镜相关应用同学都使用或参考过的，值得学习，虽然有很多的缺点，但也无法掩盖她的经典(非常喜欢作者

后续

知道我这篇鼓起勇气写下的文章会不会淹没在网站中，如果你恰好看到了，希望能留言写想要了解内容的，如果我恰好了解，我会再下篇文章分享的。最后，这个系列的文章没打算收费，仅分享我的一些破碎的知识，比较喜欢小专栏的排布，希望大家能够订阅，给我力量，当然如果不能订阅，留言批评下我也是极好的。

2019/11/03