本系列是研一課程《圖像處理與圖像識別》的隨堂筆記，主要內容是數字圖像處理方面，根據老師的講課內容與自己的理解所書寫，還會有一些具體實現的代碼，基于Python，歡迎交流。本篇主要介紹圖像處理與圖像識別的基礎知識。

一、圖像處理（ImageProcessing）

圖像處理是對圖像信息進行加工處理，以滿足人的視覺心理和實際應用的要求。

圖像處理是以人作為最終的信息接收者，主要目的是改善圖像的質量。
圖像處理是計算機視覺的基礎。

二、圖像識別（ImageRecognition）

圖像識別是以機器為對象，目的是使機器或計算機能自動地識別目標，屬于計算機視覺范疇內。

圖像分割是數字圖像處理中的關鍵技術之一，指的是將圖像中的有意義的特征部分提取出來，包括圖像中物體的邊緣、區域等。圖像分割是進一步進行圖像識別、分析和理解的基礎，例如手寫數據集MNIST就是已經分割好的數據集。我們這里所述的圖像分割是指傳統的分割，將屬于不同物體的像素分開，計算機并不知道分割出來的內容是什么，這個階段的圖像分割方法包括像Ostu、FCM、分水嶺、N-Cut等，屬于非監督學習；圖像語義分割是更高級的分割，語義分割是在傳統分割的基礎之上，分類出每一個區域的語義，這個階段的主要方法是深度學習。還有一種分割叫實例分割（Instance Segmentation），在語義分割的基礎上，對屬于同一類別的不同物體進行劃分。圖像分割的應用場景，比如自動駕駛，3D 地圖重建，美化圖片，人臉建模等等。圖像分割是像素級的，與圖像分類、目標檢測區分開，是更高一級層面的。
上圖中的圖像分割應指的是傳統的分割方法，在傳統的圖像識別中需要先進行圖像分割。

三、圖像識別快速發展的原因

（1）計算性能大幅提高，底層芯片從CPU+GPU到FPGA，再到人工智能芯片，計算性能不斷刷新；
（2）應用場景多樣化，提升產業與技術的發展；
（3）開源工具與框架方便學習與研究，縮短理論到應用的距離。

總結

以上是生活随笔為你收集整理的图像处理与图像识别笔记（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。