计算机视觉与数字图像处理导论

计算机视觉是人工智能的一个领域，使计算机能够从数字图像和视频中提取有意义的信息，力图弥合语义鸿沟 ——即原始像素数据与人类层次理解之间的差距。数字图像处理是计算机视觉的基础层，专注于通过逐像素变换来操控和增强图像信号，为更高层次的解读任务准备数据。

数据表示： 在机器层面，图像是一个数值张量而非一幅整体画面。灰度图像是强度值的二维矩阵，而彩色图像则是表示红、绿、蓝（RGB）通道的三维张量，其维度为 $H \times W \times 3$。
变换与解读： 数字图像处理主要关注图像到图像的操作，例如降噪、锐化或直方图均衡化。计算机视觉则侧重于图像到知识的操作，例如物体分类、定位和分割。
逆向图形学范式： 计算机视觉可视为计算机图形学的逆过程。图形学旨在从数学模型生成视觉世界，而视觉则旨在从二维投影中恢复三维结构和语义标签。

核心挑战

该领域的首要挑战是 语义鸿沟，即机器所处理的低层像素值与人类所感知的高层概念之间的脱节。

Python 实现

问题 1

下列哪一过程被归类为图像到知识的操作？

数字图像处理

计算机视觉

计算机图形学

直方图均衡化

问题 2

在机器层面，标准彩色图像的数据结构是什么？

二维矩阵

一维数组

三维张量 / RGB 通道

链表

案例研究：医疗诊断系统

阅读以下情景并回答问题。

某医院正在开发一套新的自动化医疗诊断系统，用于分析 X 光扫描图像以检测潜在的骨折。该系统处理来自 X 光机的原始传感器数据，并向放射科医生输出诊断报告。

1. 如果系统应用对比度增强使骨骼结构更清晰，这属于数字图像处理（DIP）还是计算机视觉（CV）？

答案：
数字图像处理。对比度增强是一种图像到图像的变换，它在不提取语义信息的前提下改善信号的视觉质量。

2. 如果系统自动将某一特定区域标记为潜在骨折，它执行的是什么任务？

答案：
计算机视觉 / 目标检测。该系统正在解读图像内容以提取高层知识（定位骨折）。

3. 为什么在运行检测算法之前必须进行降噪？

答案：
为了提高信号质量并减少语义解读阶段的误报。噪声可能被计算机视觉算法误判为真实的特征或边缘。