计算机视觉如何入门

[TOC]

一 写在开头

二 CV入门基础

2.1 基础知识

图片的相关概念：

• 维数
• 高度
• 宽度
• 深度
• 通道数
• 颜色格式
• 数据首地址
• 结束地址

2.2 相关概念解释

图像的深度：存储每个像素所用的位数，比如常见的8位、16位和24位等。

图像的压缩格式：常见的图像压缩格式有JPG、PNG和TIF等。

图像的通道数：常见的有灰度图（单通道）、RGBA（四通道，其中A指透明度）、YUV和YUYV等。

视频的相关概念： 原始视频 = 图片序列。视频中的每张有序图片称为“帧”（frame)。压缩后的视频会采用各种算法来减少数据的容量，其中IPB就是常见的压缩方式。

I帧表示关键帧，其包含了完整的一幅画面。

P帧表示差别帧，其表示的是当前帧与上一个关键帧I（或P帧）的差别，解码该帧时要用之前缓存的画面叠加上本帧定义的差别，生成最终画面。

B帧表示双向差别帧，也就是说，B帧记录的是本帧与前后帧的差别。换言之，要解码B帧，不仅要取得之前缓存的画面，还要解码之后的画面，通过前后画面与本帧数据的叠加取得最终画面。

码率：单位时间内传输的数据数。码率越大，视频体积越大。

帧率：每秒传输的帧数。

分辨率：每一帧图像的分辨率。

2.3 摄像机的分类

graph LR; 摄像机–>监控摄像机; 摄像机–>不同行业需求摄像机; 摄像机–>智能摄像机; 摄像机–>工业摄像机; 监控摄像机–> 络摄像机; 监控摄像机–>模拟摄像机; 不同行业需求摄像机–>超宽动态摄像机; 不同行业需求摄像机–>红外摄像机; 不同行业需求摄像机–>热成像摄像机;

2.4 CPU和GPU的差别

• 从性能（低延时性）和吞吐量两方面来说，CPU属于高性能和低吞吐量，GPU属于低性能但高吞吐量。
• 从Cache和local memory的数量来看：
• 从线程数（Threads）来看：
• 从寄存器（Registers）数量来看：

GPU以并行方式大量处理少量的简单运算，特别适合图像的处理。

2.5 Computer Vision和Machine Vision以及Image Processing的区别

• Computer Vision：用在和应用场景相关的应用当中，偏软件
• Machine Vision：更加偏重硬件
• Image Porcessing：偏重于图像像素级别的处理

2.6 CV需要的知识储备和参考资料

• 编程语言

1. Python：多用于快速实现算法原型，除此之外还设计到常用的Python库，包括numpy和scipy等
2. C或C++：实际部署应用一般会用效率更高的编译型语言，比如C和C++。

• 数学基础：概率论、统计学、微积分、线性代数、机器学习
• 参考书和公开课

1. 《Computer Vision : Models, Learning and Inference》
2. 《Computer Vision : Algorithms and Applications》
3. 《Multiple View Geometry in Computer Vision》（偏3D CV）
4. 《Learning OpenCV》
5. Stanford CS223B：偏理论和基础
6. Stanford CS231N：卷积神经 络
7. Stanford CS223A：3D、重建等

• 站

Annotated Computer Vision Bibliography

• 深度学习参考书 《Deep Learning》 Ian Goodfellow Yoshua Bengio Aaron Courville

2.7 CV相关开源软件

• OpenCV
• Caffe
• TensorFlow
• FFmpeg

2.8 如何阅读CV相关论文

• 先熟悉所研究方向的发展历程，发展历程中的里程碑式的文献需要精读
• 翻阅arXiv cs.CV，关注别人的最新工作
• 阅读论文务必搞清以下四个方面

1. 论文解决了什么问题
2. 用了什么方法
3. 达到了怎样的效果
4. 还存在什么问题待解决

附： CV顶级期刊：PAMI、IJCV

CV顶级会议：ICCV、ECCV、CVPR、NIPS

文章知识点与官方知识档案匹配，可进一步学习相关知识OpenCV技能树首页概览11205 人正在系统学习中 相关资源：求解偏微分方程的数学软件Fastflo-教育工具类资源