机器学领域的发展与如何学习计算机视觉
当前位置:首页 > 技术分享 > 机器学领域的发展与如何学习计算机视觉

机器学领域的发展与如何学习计算机视觉

人工智能 2021-02-25 9136 0


最近几年机器学领域迅速发展的原因主要有一下几点:

  1. 互联网的快速发展,积累了大量的原始数据,包括图像,文本,影音等等。

  2. 计算机硬件的飞速发展,内存,显卡等让计算能力大大提升。

  3. 学术研究的突破。

  4. 还有很多小白愿意学习这方面的技能

深度学习在很大成都上可以理解为表示学习,就是如何用数字来表示一个事物或者一群事物。这种用数字组成的东西,常常也被叫做特征。因此深度学习也常常被成为特征学习。

图像相关的内容

在计算机中,图像的最基本组成单元为像素,图片是包含很多像素的集合。

像素一般就是图片中某一个位置的颜色,很多个像素点排列起来就组成了一个二维点阵,也就是图像。

我们常说的分辨率:1920px × 1080px,就意味着有1920×1080个像素,1920列,1080行。

图像表达通常采用色彩空间的概念,常见的有RGB,LAB,HSL和灰度等。而OpenCV注意关注的就是RGB和灰度这两种。

RGB:就是我们常说的红,绿,蓝

图像分为两类:

  1. 模拟图像:人类认知的图像,它的像素值域是连续的。

  2. 数字图像:计算机所认知的图像,它的值域是离散的。

计算机视觉主要研究的就是数字图像

在计算机中灰度图中的像素通常用0~255之间的整数表示.

0:黑色

255:白色


image.png

RGB彩色空间则使用三个整数来代表一个像素,如果(0,100,200)它们的取值范围和灰度一样也是0~255,数值越小代表颜色越浅,数值越大则代表颜色越深。

0:红色的值

100:绿色的值

200:蓝色的值


image.png


标签:计算机视觉

取消回复发表评论:


立即定制视觉方案