我的微信公众号名称：AI研究订阅号
微信公众号ID：MultiAgent1024
公众号介绍：主要研究强化学习、计算机视觉、深度学习、机器学习等相关内容，分享学习过程中的学习笔记和心得！期待您的关注，欢迎一起学习交流进步！
AI(人工智能)主要分为感知、理解、决策三部分。而其中的理解，在图像处理和计算机视觉中被称作图像分析(或者叫做图像理解)。国际上做这个方向比较出名的就是斯坦福大学人工智能实验室（SAIL）主管李飞飞教授。而所谓的理解，就是理解图像背后的深层次含义，最终目标是像人一样，看一张老照片，可能会让你流下深情的泪水(所包含的信息量巨大，如何来衡量其中的信息来让计算机知道呢？)。现在李飞飞团队所做的成果能够理解各个物品之间的事物关系。
对图像的处理也分为三个等级：低级处理、中级处理、高级处理。
低级处理：主要是对图片进行一些简单的操作，像降低噪声、增强对比度和图像尖锐化。降低噪声可以用滤波。图像增强的原则是处理某个给定的图像，使其结果较源图像更便于后续的操作与应用，主要解决由于图像的灰度级范围较小造成的对比度较低的问题，目的就是将输出图像的灰度级放大到指定的程度，使得图像中的细节看起来增加清晰。锐化图像特征，如：边缘(edges)、边界(boundaries)、对比度(contrast)等，使得图像获得更好的显示效果或更便于图像分析。
中级处理：涉及诸多任务，如把一副图像分为不同区域或目标，也就是图像分割领域做的事情，以使得其更好被识别，分类，也可以称之为目标检测。
高级处理：也就是上文说到的理解图像，为什么理解这么难呢？因为人类都很难做到这件事情，就像一万个读者眼中，就有一万个哈姆雷特。虽然数字图像处理这一领域建立在数学和概率公式表示的基础之上，但人的直觉和分析在选择一种技术而不选择另一种技术时会其核心作用。其实整个科学领域都是这样。
计算机视觉系列
这个系列的文章来自东北大学 魏颖教授的图像处理课程笔记：
- 数字图像处理(一)绪论
- 数字图像处理(二)数字图像处理基础
- 数字图像处理(三)图像的变换
- 数字图像处理(四) 数字增强
- 数字图像处理(五) 图像复原
- 数字图像处理(六) 图像压缩
- 数字图像处理(七) 图像分割
- 东北大大学研究生课程-数字图像处理-期末资料汇总
- 目标检测之R-CNN、Faster R-CNN入门
- 基于FNC(全卷积神经网络)及PASCAL-VOC数据集做图像语义分割(附代码)
- 图像分割之硬币、销钉、大米代码详解
- 最大熵图像复原方法原理(附完整代码)
- 双边滤波方法原理与代码实践(附完整代码)
- 基于OpenCV的红绿灯识别代码解析
计算机视觉实战
下文所有文章都来自网易云课堂《Opencv计算机视觉实战》的学习笔记。
- 计算机视觉实战 (一) 开个视觉实战专栏
- 计算机视觉实战(二）图像基本操作
- 计算机视觉实战(三）阈值与平滑处理
- 计算机视觉实战(四）图像形态学操作
- 计算机视觉实战(五）图像梯度计算
- 计算机视觉实战(六）边缘检测
- 计算机视觉实战(七）图像金字塔与轮廓检测
- 计算机视觉实战(八）直方图与傅里叶变换
- 计算机视觉实战(九）信用卡数字识别项目(附完整代码)
- 计算机视觉实战(十）图像特征harris角点检测(附完整代码)
- 计算机视觉实战(十一）Scale Invariant Feature Transform（SIFT）(附完整代码)
- 计算机视觉实战(十二）全景图像拼接(附完整代码)
- 计算机视觉实战(十三）停车场车位识别(附完整代码)
- 计算机视觉实战(十四）答题卡识别 (附完整代码)
- 计算机视觉实战(十五）背景建模 (附完整代码)
- 计算机视觉实战(十六）光流估计 (附完整代码)
- 计算机视觉实战(十七）OpenCV的DNN模型 (附完整代码)
本专栏目的在于传递和分享更多信息，并不代表本平台赞同其观点和对其真实性负责，如有引用，版权归原作者所有，如有侵权请联系我们删除。
