什么是计算机视觉？

计算机视觉是计算机科学和人工智能的一个分支，旨在使计算机能够理解和处理来自数字源的视觉信息，就像人类用眼睛看东西一样。想象一下，你多么轻松地就能认出朋友的脸、阅读标牌上的文字或绕过障碍物。计算机视觉致力于让机器也拥有类似的能力，通过数字图像和视频作为输入。

核心来说，计算机视觉旨在自动化人类视觉系统所执行的任务。计算机视觉系统不使用生物眼睛和大脑，而是利用摄像头、传感器、算法和计算能力。输入通常是数字图像或一系列图像（视频）。输出不仅仅是处理过的图像；它是对图像中内容的一种理解或解释形式。这可能包括：

• 识别物体（例如，“这张照片里有一只猫和一只狗”）。
• 识别文本（例如，读取车牌号）。
• 估计物体的位置或运动（例如，跟踪体育比赛中的球）。
• 从二维图像重建三维场景（例如，为机器人创建三维地图）。
• 根据视觉输入做出决策（例如，自动驾驶汽车检测到障碍物时刹车）。

举个简单的例子：使用面部识别解锁智能手机。手机摄像头捕捉你的面部图像（输入）。计算机视觉算法分析此图像，提取独特的面部特征，将其与存储的信息进行比较，然后判断是否是你本人（解释和决策）。

计算机视觉过程的简化视图：视觉数据进入系统，系统对其进行分析以产生有意义的信息或动作。

区分计算机视觉与图像处理很重要。虽然计算机视觉经常使用图像处理技术（例如调整亮度或应用滤镜，这些你将在后面学到），但图像处理更侧重于处理图像或增强图像，以供人观看或进行进一步分析。计算机视觉更进一步；它的最终目标通常不仅仅是转换图像，而是从图像中提取有意义的信息，以理解它所代表的场景。

计算机视觉是一个快速发展的分支，与其他许多方向都有联系，包括机器学习 (machine learning)（它为构建视觉系统提供了强大工具）、模式识别、物理学（光学）和信号处理。随着本课程的学习推进，你将学习基本技术，使计算机能够开始理解它们接收到的视觉数据。