图像处理与图像识别笔记（一）

本系列是研一课程《图像处理与图像识别》的随堂笔记，主要内容是数字图像处理方面，根据老师的讲课内容与自己的理解所书写，还会有一些具体实现的代码，基于Python，欢迎交流。本篇主要介绍图像处理与图像识别的基础知识。

一、图像处理（ImageProcessing）

图像处理是对图像信息进行加工处理，以满足人的视觉心理和实际应用的要求。

图像处理是以人作为最终的信息接收者，主要目的是改善图像的质量。
图像处理是计算机视觉的基础。

二、图像识别（ImageRecognition）

图像识别是以机器为对象，目的是使机器或计算机能自动地识别目标，属于计算机视觉范畴内。

图像分割是数字图像处理中的关键技术之一，指的是将图像中的有意义的特征部分提取出来，包括图像中物体的边缘、区域等。图像分割是进一步进行图像识别、分析和理解的基础，例如手写数据集MNIST就是已经分割好的数据集。我们这里所述的图像分割是指传统的分割，将属于不同物体的像素分开，计算机并不知道分割出来的内容是什么，这个阶段的图像分割方法包括像Ostu、FCM、分水岭、N-Cut等，属于非监督学习；图像语义分割是更高级的分割，语义分割是在传统分割的基础之上，分类出每一个区域的语义，这个阶段的主要方法是深度学习。还有一种分割叫实例分割（Instance Segmentation），在语义分割的基础上，对属于同一类别的不同物体进行划分。图像分割的应用场景，比如自动驾驶，3D 地图重建，美化图片，人脸建模等等。图像分割是像素级的，与图像分类、目标检测区分开，是更高一级层面的。
上图中的图像分割应指的是传统的分割方法，在传统的图像识别中需要先进行图像分割。

三、图像识别快速发展的原因

（1）计算性能大幅提高，底层芯片从CPU+GPU到FPGA，再到人工智能芯片，计算性能不断刷新；
（2）应用场景多样化，提升产业与技术的发展；
（3）开源工具与框架方便学习与研究，缩短理论到应用的距离。