算法工程师5——计算机视觉知识点概览

已于 2022-11-28 11:45:23 修改
阅读量615 收藏 13
点赞数
分类专栏： 计算机视觉算法工程师 文章标签： 计算机视觉 opencv
于 2021-03-03 22:35:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaotiig/article/details/114294773
版权

计算机视觉

1 基础

1.1 计算机视觉定义

在这里插入图片描述
计算机视觉大部分内容运用了人工智能技术，同样人工智能的发展离不开计算机视觉。计算机视觉是人工智能领域最成功的方向。

1.2 人眼图像的形成

在这里插入图片描述
在这里插入图片描述
图像数字化包括两种处理过程：采样和量化
采样：将空间上连续的图像变换成离散点
量化就是用不同等级的颜色表示图像信息
在这里插入图片描述

1.3 灰度级

在这里插入图片描述

1.4 分辨率

在这里插入图片描述

1.5 数字图像的表示

在这里插入图片描述
图像中每个采样点称为像素，可以用坐标（x,y）表示，像素的数据维度称为通道。
黑白图就是0和1 的二值图
灰度图中0表示最暗，255表示最亮
彩色图像中每个像素点有3个维度，分表表示红绿蓝三个颜色的亮度大小
颜色空间hsv，彩色图像的另一种表示，比rgb表示的颜色更多。

在这里插入图片描述
彩色图像还有其它的颜色表示，不同颜色表示之间可以使用颜色进行转换。

1.6 像素关系

在这里插入图片描述
在这里插入图片描述
像素连同就是在4领域或8领域中有像素相等的点就可连接起来
在这里插入图片描述

1.7 图像中常用的距离有3个

1.欧氏距离
2.城市街区距离
3.棋盘距离

1：欧氏距离是最直观的距离，
在这里插入图片描述

2.城市街区距离（也叫曼哈顿距离）：D=|x1-x2|+|y1-y2|;
就是两个直角边的和

3.棋盘距离：D=MAX{|x1-x2|,|y1-y2|}
就是长宽中最小的那个边

1.8 图像计算

在这里插入图片描述

1.8.1 像素计算

在这里插入图片描述
在这里插入图片描述

1.8.2 坐标计算

1.9 色彩3要素

搞不懂，下面是解释，但是还是搞不懂

https://zhidao.baidu.com/question/48787087.html

2 图像预处理

就是图像输入，输出还是图像，一般这样称呼
在这里插入图片描述
在这里插入图片描述

2.1 灰度变换

在这里插入图片描述

2.1.1 对比度增强

在这里插入图片描述

2.1.2 对比度压缩

在这里插入图片描述

2.1.3 伽马矫正

亮的越亮
在这里插入图片描述

2.1.4 直方图变换

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
不是绝对的均衡，是相对均衡一些

在这里插入图片描述
在这里插入图片描述
规定化就是对特定区间进行变换

2.2 空间滤波

就跟卷积原理是一样的
在这里插入图片描述
在这里插入图片描述

2.2.1 均值滤波

在这里插入图片描述

2.2.2 高斯滤波

根据高斯分布来设置滤波器
在这里插入图片描述

2.2.3 中值滤波

在这里插入图片描述

2.3 图像锐化

在这里插入图片描述

2.3.1 边缘检测

在这里插入图片描述

2.3.2 图像锐化实现

在这里插入图片描述

2.4 坐标变换

在这里插入图片描述

2.4.1 平移

在这里插入图片描述

2.4.2 镜像

在这里插入图片描述

2.4.3 旋转

在这里插入图片描述

在这里插入图片描述

2.4.4 缩放

在这里插入图片描述
在这里插入图片描述

2.4.5 仿射变换

在这里插入图片描述
在这里插入图片描述

2.4.6 透视变换

在这里插入图片描述
在这里插入图片描述

2.5 彩色图像处理的两种思路

在这里插入图片描述

2.6 图像预处理技术在深度学习中的应用

在这里插入图片描述
在这里插入图片描述

3 图像处理的基本任务

在这里插入图片描述

3.1 3个等级

3.1.1 图像处理

在这里插入图片描述

3.1.2 图像分析

在这里插入图片描述

3.1.3 图像理解

在这里插入图片描述

3.2 4个基本任务

在这里插入图片描述
在这里插入图片描述

3.2.1 分类

3.2.2 检测

3.2.3 分割

在这里插入图片描述

3.2.4 跟踪

在这里插入图片描述

4 特征提取和传统的图像处理算法

4.1 传统图像处理算法流程

在这里插入图片描述

4.2 图像特征提取

在这里插入图片描述

4.2.1 图像二值化

在这里插入图片描述
关键在于阈值的设置

在这里插入图片描述

4.2.2 形态学处理

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4.2.3 模板匹配

给一个模板，匹配出相似的部分
在这里插入图片描述
模板匹配用到了滑动窗口法，来回滑动

4.2.4 特征描述子

在这里插入图片描述

4.2.5 方向梯度直方图HOG

参考下面网址，将的比较清楚
https://blog.csdn.net/passball/article/details/82254256
在这里插入图片描述

4.2.6 局部二值模式LBP

在这里插入图片描述

4.2.7 Haar特征提取描述子

在这里插入图片描述

在这里插入图片描述

4.2.8 灰度共生矩阵GLDM

参考下面资料：
https://blog.csdn.net/qq_37059483/article/details/78292869

https://blog.csdn.net/guanyuqiu/article/details/53117507

5 深度学习

在这里插入图片描述

图像处理总结

（1）读取，保存
（2）显示为数字
（3）颜色变换
（4）图像缩放
（5）图像裁剪
（6）图像位置变化，翻转等
（7）多幅图像加减乘除等
（8）灰度变换
（9）重采样，分辨率变换
（10）滤波变换
（11）图像锐化
（12）二值化
（13）腐蚀，膨胀
（14）模板匹配
（15）hog
（16）LBP
（17）Haar

在这里插入图片描述

6 计算机视觉的研究领域和主要公司

6.1 8大公司

在这里插入图片描述

6.2 计算机视觉的9大应用领域与任务：

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

6.3 要会的研究方向

3大技术和4大方向：

6.3.1 三大技术

  1. 图像分类
  2. 目标检测
  3. 语义分割

6.3.2 4大研究方向

  1. 人脸识别
  2. OCR文字识别
  3. 遥感影像语义分割
  4. 工业上的缺陷检测（车道线检测，行人检测，缺陷检测）

6.3.3 三大顶会

在这里插入图片描述

参考资料

[1] https://www.bilibili.com/video/BV1Yt4y1i7by?p=25&t=185
[2] 计算机视觉哪个方向就业比较好？ - 知乎
https://www.zhihu.com/question/319883236

晓码bigdata
关注
  • 0
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
计算机视觉知识点集锦
梦想是要有的，万一实现了呢！
04-01 2127
一、IoU IoU 全称 intersection over Union ，交并比。主要用来衡量两个框重合程度。 计算公式： IoU = 两个框交集面积 / 两个框并集面积 例子： 通常视觉任务中 涉及 真实框（标签框）、模型预测框（不止一个），通常通过它们重合程度进行判断预测的好不好，这也是Iou Loss 的核心思想。 主要应用在，候选区域、NMS 的去重，评估mAP，计算IoU Loss（这个也是描述框重合度的指标） 在处理多个proposals、pred bboxes时，由
计算机和算法概览
06-13
计算机的出现使得很多原本十分繁琐的工作得以大幅度简化，但是也有一些在人们直观看来很容易的问题...在本文中，我们将对计算几何常用的基本算法做一个全面的介绍，希望对您了解并应用计算几何的知识解决问题起到帮助。
计算机视觉算法工程师基本算法学习
yunxinan的专栏
06-08 1031
算法工程师的基本素质： 完全掌握的基本基本算法
计算机视觉算法散乱知识整理
qq_32627687的博客
03-02 315
1 全连接层的作用 假设你是一只小蚂蚁，你的任务是找小面包。你的视野还比较窄，只能看到很小一片区域。当你找到一片小面包之后，你不知道你找到的是不是全部的小面包，所以你们全部的蚂蚁开了个会，把所有的小面包都拿出来分享了。全连接层就是这个蚂蚁大会~如果提前告诉你全世界就只有一块小面包，你找到之后也就掌握了全部的信息，这种情况下也就没必要引入fc层了 参考来源 全连接层（fully conn...
计算机视觉最新进展概览(2021年5月23日到2021年5月29日)
weixin_36670529的博客
02-26 646
1、Deep Learning for Weakly-Supervised Object Detection and Object Localization: A Survey
计算机视觉算法工程师面经
weixin_40589607的博客
09-04 872
面试大概不到一个小时，整体面试感觉难度还行，问的都比较基础。之前打算放弃算法了，所以很多知识都没回顾，面试官人还挺好，我答不上来的就直接跳过 1.大部分时间还是围绕做的项目和研究展开提问【做了图像质量增强和语义分割相关的研究，果然企业还是对落地的项目比较感兴趣】 2.bn ln,gn的区别，BN层为什么要在后面加伽马和贝塔，不加可以吗 3.采用svm，假设在数据少，特征多的场景下，采用什么核函数比较好 4.auc比较高，精确度比较低，是什么原因 5.出现样本不平衡，怎么解决 6.前面介绍项目时用到dropo
计算机视觉（CV）领域入门教程
最新发布
06-04
计算机视觉（CV）领域入门教程简介： 本教程是为对计算机视觉领域感兴趣的初学者和有一定基础的学习者设计的。计算机视觉是一门交叉学科，它涉及计算机科学、人工智能、机器学习、图像处理和认知心理学等多个领域。...
平易近人、兼容并蓄——SparkSQL1.3.0概览
03-03
关于作者：连城，Databricks工程师，Sparkcommitter，SparkSQL主要开发者之一。在4月18日召开的2015Spark技术峰会上，连城将做名为“四两拨千斤——SparkSQL结构化数据分析”的主题演讲。自2013年3月面世以来，...
【J2EE核心模式】——J2EE模式概览
02-27
同一个模式模式vs策略 || || 抽象 实现分层思路J2EE模式表现层模式业务层模式集成层模式J2EE模式目录指南术语UML的使用 类图——静态视图 序列图——动态视图 构造型（stereotypes）——表现在类图和交互图中...
【计算机视觉】关键考点
qq_49860380的博客
12-07 857
1.求解内参矩阵和外参矩阵的积H当一张图片上的标定板角点数量等于4时，即可求得该图片对应的矩阵H 。当一张图片上的标定板角点数量大于4时，利用最小二乘法回归最佳的矩阵H 。最小二乘法:简单地说就是通过n组X（u，v）和Y（U，V），求解八个参数。https://blog.csdn.net/W1995S/article/details/1181531462.求解内参矩阵3.求解外参矩阵4、标定相机的畸变参数r为图像像素点到图像中心点的距离，即 在这里，x->u y->vCanny 边缘检测分为如下几个步骤：(
计算机视觉一些知识点
algzjh的博客
05-04 929
1、用于估计差分的参数σσ\sigma常常叫做平滑尺度因子。能得到不同尺度上的纹理相应。 2、景深（DOF），是指在摄影机镜头或其他成像器前沿能够取得清晰图像的成像所测定的被摄物体前后距离范围。而光圈、镜头、及拍摄物的距离是影响景深的重要因素。 在聚焦完成后，焦点前后的范围内所呈现的清晰图像，这一前一后的距离范围，便叫做景深。在镜头前方（调焦点的前、后）有一段一定长度的空间，当被摄物体位于这段...
计算机视觉图像算法工程师应该了解哪些知识
weixin_35750747的博客
02-15 1275
作为一名计算机视觉图像算法工程师，应该了解以下几个方面的知识： 数学基础：包括线性代数、微积分、概率论、统计学等，这些数学基础是深入理解计算机视觉算法的基础。 编程语言：掌握至少一门编程语言，比如Python、C++等，熟练运用编程语言进行算法实现。 计算机视觉基础：理解计算机视觉的基本概念，比如图像处理、图像分割、目标检测、物体跟踪、三维重建等。 深度学习算法：熟悉深度学习算法，比如卷积...
计算机视觉-计算机视觉知识点整理1基础篇
shanzsz的博客
06-07 485
一.基础知识 1.1 BatchNorm/LayerNorm/InstanceNorm/GroupNorm 基础知识点 记忆点 备注 Batch Norm 达到的效果 BatchNorm就是在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布。 出发点 解决covariate shift：如果ML系统实例集合<X,Y>中的输入值X的分布老是变，这不符合IID假设，网络模型很难稳定的学规律。 问题：分布变化=>非线性输出向两端
计算机视觉算法工程师入门学习规划
lj_cv_ml_dl的博客
04-06 1912
研一飘飘荡荡的在浪费了一年的时间没有找到自己的方向，直到2016年7开始决定从事计算机视觉的研究，当时觉得能让计算机通过摄像机感知、理解这个世界是一件非常神奇的事，并对此产生的浓厚的兴趣。真正开始做这方面的事是参加一个无人机比赛，要求无人机自主完成一些任务，其中用到视觉目标检测和识别的相关知识。之后开始学习图像处理基本知识和机器学习一些算法，包含了深度学习的相关知识。虽然学习了半年多但是总感觉没有系
计算机视觉知识点总结
小白学视觉
05-24 748
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 本文转自：AI算法与图像处理目录：0 计算机视觉四大基本任务1 经典卷积网络2 卷积、空洞卷积3 ...
什么是视觉算法工程师
weixin_41077017的博客
04-14 1187
1.视觉算法工程师主要负责开发和实现计算机视觉方面的算法，包括图像处理、目标检测、分类、跟踪和识别等。他们需要研究和设计计算机视觉算法，并将其应用于实际的产品和项目中，以便实现目标检测、自动驾驶、安防监控、人脸识别等应用。视觉算法工程师还需要对算法进行优化和改进，以提高其准确性和效率。他们需要掌握计算机视觉、机器学习、深度学习等相关领域的知识和技能，熟练掌握编程语言如Python、C++等，以及常用的计算机视觉工具包和开发环境。实现计算机视觉方面的算法是指将已有的算法实现成计算机程序，实现该算法的功能。
算法工程师~~修炼之道
Sibin的博客
03-08 3719
链接：https://www.zhihu.com/question/25626241/answer/113256879一、算法工程师简介（通常是月薪15k以上，年薪18万以上，只是一个概数，具体薪资可以到招聘网站如拉钩，猎聘网上看看）算法工程师目前是一个高端也是相对紧缺的职位；算法工程师包括音/视频算法工程师（通常统称为语音/视频/图形开发工程师）、图像处理算法工程师、计算机视觉算法工程师、通信基...
视觉工程师笔试知识汇总
热门推荐
NodYoung
03-28 2万+
总结以下前些天做的笔试题。一. 笔试题笔试题罗列如下，大多都是去年师兄屡次杯具的见证，深表感谢，哈哈。试题以视觉工程师为主，部分是机器人或机器学习岗位。 Autel Robotics软件类笔试题 BaiDu视觉算法工程师笔试题 DJI视觉工程师 DJ机器学习工程师 DeepGlint计算机视觉公司机试题 SenseTime工程类笔试题 PowerVision机器人笔试题 DaHeng
计算机视觉工程师学习路线
大白的博客
08-29 1993
1. 学习编程语言和基础库 学习Python语言,掌握基础语法、函数、面向对象编程等概念 学习Numpy库,用于科学计算和多维数组 学习OpenCV库,包含了许多图像处理和计算机视觉算法 学习TensorFlow/PyTorch,主要的深度学习框架 2. 学习数字图像处理算法 图像的表示方式(像素、灰度、二值化等) 彩色空间转换(RGB、HSV等) 滤波操作(均值滤波、高斯滤波、中值滤波等) 形态学操作(腐蚀、膨胀、开运算、闭运算等) 影像增强(直方图均衡化、自适应均衡化等) 边缘检测算
认真智能导论全部知识点的知识图谱
06-10
很高兴为您解答问题。首先，需要明确的是“认真智能导论”这个概念比较模糊，不确定您指的是哪本书或者是哪个课程。因此，在回答您的问题时，我将从智能导论这个领域的知识点出发，为您呈现一个智能导论知识图谱的概览。 智能导论是一门跨学科的学科，涉及到计算机科学、统计学、认知科学、心理学、哲学等多个领域。知识图谱是一种图形化的展示方式，可以将知识点以图谱的形式展示出来，方便用户查看和理解。 以下是智能导论知识图谱的一些主要知识点： - 人工智能的历史发展：从图灵测试到深度学习的发展历程，介绍人工智能从概念到技术的演进。 - 机器学习的基础知识：监督学习、无监督学习、强化学习等机器学习的基本概念和算法。 - 神经网络：介绍神经元、神经网络的基本结构和常见的神经网络模型，如卷积神经网络、循环神经网络等。 - 自然语言处理：介绍自然语言处理的基本任务，如分词、词性标注、句法分析、语义分析等，以及常用的自然语言处理技术。 - 人工智能的伦理和社会影响：探讨人工智能在社会、政治、经济、伦理等方面的影响和应对措施。 除了以上几个主要知识点，智能导论还涉及到很多具体的技术和应用，如计算机视觉、机器人技术、智能推荐等等。通过知识图谱的形式，我们可以清晰地了解这些知识点之间的关系和联系，更好地理解智能导论这门跨学科的学科。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

晓码bigdata

如果文章给您带来帮助，感谢打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值