计算机视觉及其与相关领域的异同

计算机视觉是一门科学,旨在让机器理解图像,涉及目标识别、跟踪、场景重建等。它与图像处理、图像分析、机器人视觉和机器视觉有交叉,但各有侧重点。图像处理关注像素级操作,机器视觉侧重于工业应用,模式识别涉及统计学信息提取。计算机视觉的经典问题包括识别、监测、场景重建和图像恢复,广泛应用于图像检索、姿态评估、光学字符识别等领域。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、计算机视觉定义

计算机视觉是研究如何让机器会“看懂”的科学,换言之,就是利用摄像机和计算机代替人类的视觉系统进行目标识别、跟踪、测量等机器视觉,并进行图像分析和处理,用计算机处理成为更适合和方便人类观察和分析的图像结果。计算机视觉与以下学科均有关联。



二、计算机视觉和相关领域的异同

       计算机视觉图像处理,图像分析,机器人视觉和机器视觉是彼此紧密关联的学科。如果你翻开带有上面这些名字的教材,你会发现在技术和应用领域上他们都有着相当大部分的重叠。这表明这些学科的基础理论大致是相同的,甚至让人怀疑他们是同一学科被冠以不同的名称。
       然而,各研究机构,学术期刊,会议及公司往往把自己特别的归为其中某一个领域,于是各种各样的用来区分这些学科的特征便被提了出来。下面将给出一种区分方法,尽管并不能说这一区分方法完全准确。
       计算机视觉的研究对象主要是映射到单幅或多幅图像上的三维场景,例如三维场景的重建。计算机视觉的研究很大程度上针对图像的内容。
       图像处理与图像分析的研究对象主要是二维图像,实现图像的转化,尤其针对像素级的操作,例如提高图像对比度,边缘提取,去噪声和几何变换如图像旋转。这一特征表明无论是图像处理还是图像分析其研究内容都和图像的具体内容无关。
机器视觉主要是指工业领域的视觉研究,例如自主机器人的视觉,用于检测和测量的视觉。这表明在这一领域通过软件硬件,图像感知与控制理论往往与图像处理得到紧密结合来实现高效的机器人控制或各种实时操作。
  &nbs

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值