電腦視覺與數位影像處理概論
電腦視覺 是人工智慧的一個領域，讓電腦能從數位影像與視訊中提取有意義的資訊，實際上是在嘗試彌合 語意落差 存在於原始像素資料與人類層次理解之間的差距。 數位影像處理 是電腦視覺的基礎層，專注於透過逐像素轉換來操作與強化影像訊號，為更高層次的解讀任務準備資料。
核心原理
- 資料表示： 在機器層級，影像是一個數值的 張量 而非一幅整體的圖像。灰階影像是由強度值構成的二維矩陣，而彩色影像則是代表紅、綠、藍（RGB）三個通道的三維張量，其維度為 $H \times W \times 3$。
- 轉換與解讀： 數位影像處理主要關注影像對影像的操作，例如雜訊抑制、銳化或直方圖等化。電腦視覺則專注於影像對知識的操作，例如物件分類、定位與分割。
- 逆向圖學範式： 電腦視覺可被視為電腦圖學的逆過程。圖學旨在從數學模型生成視覺世界，而視覺則旨在從二維投影中還原三維結構與語意標籤。
核心挑戰
此領域的主要挑戰在於 語意落差，即機器所處理的低階像素值與人類所感知的高階概念之間的脫節。
Python 實作
問題 1
下列哪個流程被歸類為影像對知識的操作？
問題 2
在機器層級，標準彩色影像的資料結構為何？
案例研究：醫療診斷系統
請閱讀以下情境並回答問題。
某醫院正在開發一套全新的自動化醫療診斷系統，旨在分析 X 光掃描影像以偵測潛在的骨折。該系統會處理來自 X 光機的原始感測器資料，並為放射科醫師輸出診斷報告。
Q
1. 若系統套用對比度強化以使骨骼結構更清晰，這屬於數位影像處理（DIP）還是電腦視覺（CV）？
答案：
數位影像處理。對比度強化是一種影像對影像的轉換，可改善訊號的視覺品質，但不涉及語意的提取。
數位影像處理。對比度強化是一種影像對影像的轉換，可改善訊號的視覺品質，但不涉及語意的提取。
Q
2. 若系統自動將某個特定區域標記為潛在骨折，這是在執行什麼任務？
答案：
電腦視覺／物件偵測。系統正在解讀影像內容以提取高階知識（定位骨折位置）。
電腦視覺／物件偵測。系統正在解讀影像內容以提取高階知識（定位骨折位置）。
Q
3. 為何在執行偵測演算法之前必須先進行雜訊抑制？
答案：
為了提升訊號品質並降低語意解讀階段的偽陽性。雜訊可能會被電腦視覺演算法誤判為實際的特徵或邊緣。
為了提升訊號品質並降低語意解讀階段的偽陽性。雜訊可能會被電腦視覺演算法誤判為實際的特徵或邊緣。