计算机视觉引论

第一章：计算机视觉引论

目标：
1、掌握计算机视觉的基本原理和实际系统构成
2、掌握底层图像处理：图像预处理，边缘检测等常用处理方法
3、进一步处理：视觉特征提取、图像分割、运动估计等视觉算法
4、2.5维视觉层次：掌握视觉成像集合、位姿估计、相机标定等方法
5、三维视觉层次：掌握立体视觉、全景拼接等原理及实现
6、通过为项目实例学习上述方法综合运用

一、什么是计算机视觉？

让计算机看懂图像和视频
人类采用神经网络对视觉进行深层次的分析，和深度学习密切结合；

1、计算机视觉发展史

起源：20世纪50年代统计模式识别，二维图像分析
诞生：1974年Misky在David Marr暑期，1981年人工智能“计算机视觉”专辑，Marr视觉计算理论得到发展
发展：80年代以后，（1）随着计算能力的迅速增长，视觉计算成本极大降低；（2）以Marr理论为基础的视觉理论广泛研究
视觉技术得到迅速发展，并在视频监控，工业分析等领域得到广泛应用

2、深度学习发展

2000年 特征提取和机遇学习的视觉得到迅速发展
2006年 Hinton提出深度学习
2010年 微软使用深度学习在语音方面取得突破进展
2015年 深度学习在视觉个应用领域取得突破
ImageNet、Tesla、Apple Face ID、OpenAI

3、计算机视觉无处不在

无人机快递、自动驾驶、智能机器人、安防监控、智能穿戴

二、视觉系统构成要素

照明设备：光源
成像设备：相机
处理设备：主机
算法软件：视觉处理系统

三、让程序做点事

“Hello world”

'''
创建第一个视觉程序“Hello，world！”，显示Lena图片。
'''
import cv2

img = cv2.imread(r'G:\images\lena.jpg')
cv2.imshow('Hello, world', img)

1、高斯平滑

dst = cv.GaussianBlur