《计算机视觉度量：从特征描述到深度学习》 传感器（1）
文章介绍
本人是工业机器视觉工程师，从事工业视觉开发6年时间，有丰富的行业经验。做个两个视觉工业框架，一个是基于QT的组态工业视觉解决方案，一个是基于C#的视觉软件框架。目前在世界500强企业从事视觉项目开发工作和工程软件开发工作。自我介绍就这么多，开始说为什么要开始写着一系列文章，自己在行业内深耕了很多年，熟悉很多框架和软件工具。但是对于应用者来说，接口的封装和功能说明都很片面。在读取很多专业书籍后，发现视觉行业内还是建立在80年代的理论上的，后期很多创新理论都没有大的改变。进几年DL的大热为行业内带来了，新的理论基石。由于国人太过激进，不去了解DL在图像处理领域上的理论基础。导致在开发和学习的过程中遇到很多问题，说明：本人在开发中也遇到过很多问题，但是通过读取很多资料好，对DL在视觉应用上，尤其是工业视觉上有了新的认识。本次文章系列通过对国外著名视觉工程师Scott Kring 的新书《计算机视觉度量：从特征描述到深度学习》详细的解读，来阐述DL在图像处理领域理论基石。并对作者本人基于QT最新的组态视觉框架软件做详细的规划。
传感器
传感器的主要分为两类，CCD和CMOS两种传感方式。具体的细节差别会再后期《传感器选型和应用》中做主要说明。简单说就是在应对不同场景中，对传感器做相应的优化。对于特征目标要做最低两倍的特征采样，这遵循数字信息时域采样定理（时域采样定理的另一种表述方式是：当时间信号函数f(t)的最高频率分量为fM时,f(t)的值可由一系列采样间隔小于或等于1/(2fM)的采样值来确定,即采样点的重复频率f≥(2fM)）
对特定应用中，要对相机进行标定，以便在不同光照，不同距离的情况下对像素深度的影响。为了处理相机通道中的噪声，非线性响应，坏点等问题，需要对相机深度图片做预处理，后期会对相关内容做详细解说。
传感器材料
传感器材料主要分为两种。
1.常用的是硅材料
2.工业和军事采用镓材料
根据成像方式不同可以分为：
单像素的光电晶体管照相机，一维线扫相机，二维矩形阵列，高分辨率的球形阵列。后面会对传感器配置，和相机配置做说明
硅材料做的相机类型有，COMS，CCD，BSI，Foveon 等普通相机，硅材料具有非线性光谱响应曲线。很好感知光谱的近红外部分，对蓝色，紫色和近紫色部分感知欠佳。在直接读取原始数据的时候，要特别注意硅的光谱响应曲线，传感器在设计的时候做了补偿，在根据应用标定照相机并设计传感器时，应该考虑传感器的颜色响应曲线。