计算机视觉与人工智能的关系_计算机视觉与模式识别联系

计算机视觉与人工智能的关系

计算机视觉顾名思义，就是让计算机具备像人眼一样观察和识别的能力，更进一步的说，就是指用摄像机和电脑代替人眼对目标进行识别、跟踪和测量，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取“信息”的人工智能系统。计算机视觉目前还主要停留在图像信息表达和物体识别阶段，人工智能更强调推理和决策。

人工智能与计算机视觉是什么关系？

第一，它是一个人工智能需要解决的很重要的问题；

第二，它是目前人工智能的很强的驱动力。因为它有很多应用，很多技术是从计算机视觉诞生出来以后，再反运用到AI领域中去；

第三，计算机视觉拥有大量的量子AI的应用基础。

图像处理、计算机视觉和模式识别领域的区别和联系

一、区别

1.数字图像处理（Digital Image Processing）

数字图像处理是对已有的图像进行变换、分析、重构，得到的仍是图像。

Digital Image Processing，简称 DIP。输入的是图像，输出的也是图像。Photoshop中对一副图像应用滤镜就是典型的一种图像处理。常见操作有模糊、灰度化、增强对比度等。

图像处理，这个主要针对图像图像的基本处理，如图像检索或则图像识别，压缩，复原等等操作。机器视觉技术其实就是工业数字图像处理。

2.计算机图形学（Computer Graphics）

计算机图形学是给定关于景象结构、表面反射特性、光源配置及相机模型的信息，生成图像。

图形学讲的是图形，也就是图形的构造方式，是一种从无到有的概念，从数据得到图像。

Computer Graphics，简称 CG 。输入的是对虚拟场景的描述，通常为多边形数组，而每个多边形由三个顶点组成，每个顶点包括三维坐标、贴图坐标、rgb颜色等。输出的是图像，即二维像素数组。

计算机图形学，主要涉及图形成像及游戏类开发，如opengl等，还有就是视频渲染等。

3.计算机视觉（Computer Vision）

计算机视觉是给定图像，推断景象特性实现的是从模型到图像的变换，也就是说从图像数据提取信息，包括景象的三维结构，运动检测，识别物体等。

Computer Vision，简称 CV。输入的是图像或图像序列，通常来自相机或usb摄像头。输出的是对于图像序列对应的真实世界的理解，比如检测人脸、识别车牌。

计算机视觉，里面人工智能的东西更多一些，不仅仅是图像处理的知识，还涵盖了人工智能，机器学习等领域知识

4.模式识别（Pattern Recognition）

模式识别则是从特征空间到类别空间的变换。研究内容包括特征提取（PCA，LDA，LFA，Kernel，Mean Shift，SIFT，ISOMAP，LLE）；特征选择；分类器设计（SVM，AdaBoost）等。

PR（模式识别）本质就是分类，根据常识或样本或二者结合进行分类，可以对图像进行分类，从图像得到数据。

二、联系

计算机图形学是计算机视觉的逆问题，两者从最初相互独立的平行发展到最近的融合是一大趋势。图像模式的分类是计算机视觉中的一个重要问题，模式识别中的许多方法可以应用于计算机视觉中。

Computer Graphics和Computer Vision是同一过程的两个方向。Computer Graphics将抽象的语义信息转化成图像，Computer Vision从图像中提取抽象的语义信息。Image Processing探索的是从一个图像或者一组图像之间的互相转化和关系，与语义信息无关。

CG 中也会用到 DIP，现今的三维游戏为了增加表现力都会叠加全屏的后期特效，原理就是 DIP，只是将计算量放在了显卡端。

CV 更是大量依赖 DIP 来打杂活，比如对需要识别的照片进行预处理。

最后还要提到近年来的热点——增强现实（AR），它既需要 CG，又需要 CV，当然也不会漏掉 DIP。它用 DIP 进行预处理，用 CV 进行跟踪物体的识别与姿态获取，用 CG 进行虚拟三维物体的叠加。