人工智能与计算机视觉概念详解

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第23天，神经网络的概念进行了解释，并且利用神经网络搭建了分类和回归模型。

今天，我们来介绍人工智能与计算机视觉的概念，介绍了计算机视觉的任务，颜色空间，RGB彩色空间，HSV色彩模式和灰度图的概念。

• 1.1 人工智能与计算机视觉

• 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科。

数据包括语音、文字、图像、表格等形态

计算机视觉的任务：

• 图像分类
• 图像检索
• 目标检测
• 图像分割
• 图像生成
• 目标跟踪
• 超分辨率重构
• 关键点定位u
• 图像降噪
• 多模态
• 图像加密
• 视频编解码
• 3D视觉
• 等等

颜色空间：

• 颜色空间也称彩色模型，用于描述色彩
• 常见的颜色空间包括：RGB、CMYK（纺织领域）、YUV、Lab、HSL和HSV/HSB等
  

RGB色彩模式：

• RGB色彩模式是工业界的一种颜色标准
• 通过对红（R）、绿（G）、蓝（B）三个颜色通道的变化以及它们之间的叠加来得到各式各样的颜色的
• 红、绿、蓝三个颜色通道每种色各为256阶亮度

HSV色彩模式：

• 色相（Hue）：指物体传到或反射的波长。更常见的是以颜色如红色，橘色或绿色来辨识，取0到360度的数值来衡量
• 饱和度（Saturaration）：又称色度，指色彩的强度或纯度，取值范围为0%~100%
• 明度（Value）：表示颜色明亮的程度，取值范围为0%（黑）到100%（白）

灰度图：

• 灰度图通常由一个unit8、unit16、单精度零星或者双精度类型的数组描述

• M*N的矩阵，矩阵中的每一个元素与图像的一个像素点相对应

• 通常0代表黑色，1、255或者65635（为数据矩阵的取值范围上限）代表白色

  • 浮点算法： Gray= R0.3 + G0.59 + B*0.11
  • 整数方法： Gray= (R30 + G59 + B*11)/100
  • 移位方法： Gray= (R28 + G151 + B*77) >> 8
  • 平均值法： Gray= (R + G + B)/3
  • 仅取绿色： Gray= G
    

• 只需要关注数据的纹理信息、模型对于颜色的变化不那么明显、当前的任务不需要用到彩色图，使用灰度图