成语| 古诗大全| 扒知识| 扒知识繁体

当前位置:首页 > 趣味生活

计算机视觉和图像处理

Q1:计算机视觉和图像处理这个方向怎样

视觉设计这块,发展的潜力很大,或者ui交互设计,基本都是8k起的 ,能力中等偏上的都是1.5w以上每月。不过设觉设计要求也比较高,希望你想好之后再进入这行,进来之后就好好提升自己的能力,一般在这个行业做3年左右工资都会过6k的·加油

Q2:图像处理和计算机视觉的区别

你好! 图像处理和计算机视觉有很大的关联性,所以你在搜技术文章的时候,可能这两个关键词你都可以试一试。他们的区别在于,图像处理侧重在“处理”图像:如增强,还原,去噪,分割,等等;而计算机视觉在于使用计算机(也许是可移动式的)来模拟人的视觉,因此模拟才是计算机视觉领域的最终目标。要实现这个目标,至少有两件事要做,第一是图像处理,第二是图像理解。比如一个机器人眼睛读入的数据可能是模糊的,可能是有噪声的,那么首先要进行去噪和还原。之后机器人要能理解这个图像意味着什么,比如特定的军事目标,那么它可能要进行分割,然后用统计学的方式进行模式识别。显然识别这个部分就属于图像理解,而非单纯的图像处理了。
图像处理数学家也可以做,但是数学家不会去做计算机视觉,这永远是工程师的事。

Q3:计算机视觉特征提取与图像处理这本书怎么样

可以。 特征提取本身就是计算机视觉或者图像处理的一个研究方向。 做特征提取需要用到很多图像处理方面的知识。 目前比较成熟的特征提取方法有:SIFT和SURF。 这两种在计算机视觉中用的比较多,效果也好。

Q4:图像处理与计算机视觉入门看什么书

图像处理与计算机视觉的书籍推荐photoshop及以下:
图像处理,分析与机器视觉 第三版Sonka等著 艾海舟等译
Image Processing, Analysis and Machine Vision
这本书是图像处理与计算机视觉里面比较全的一本书了,几乎涵盖了图像视觉领域的各个方面。中文版的个人感觉也还可以,值得一看。
数字图像处理 第三版 冈萨雷斯等著
Digital Image Processing
数字图像处理永远的经典,现在已经出到了第三版,相当给力。我的导师曾经说过,这本书写的很优美,对写英文论文也很有帮助,建议购买英文版的。
计算机视觉:理论与算法 RichardSzeliski著
Computer Vision: Theory and Algorithm
微软的Szeliski写的一本最新的计算机视觉著作。内容非常丰富,尤其包括了作者的研究兴趣,比如一般的书里面都没有的Image Stitching和Image Matting等。这也从另一个侧面说明这本书的通用性不如Sonka的那本。不过作者开放了这本书的电子版,可以有选择性的阅读。
Multiple View Geometry in Computer Vision 第二版Harley等著
引用达一万多次的经典书籍了。第二版到处都有电子版的。第一版曾出过中文版的,后来绝版了。网上也可以找到电子版。
计算机视觉:一种现代方法 DAForsyth等著
Computer Vision: A Modern Approach
MIT的经典教材。虽然已经过去十年了,还是值得一读。第二版已经在今年(2012年)出来了,在iask上可以找到非常清晰的版本,将近800页,补充了很多内容。期待影印版。
Machine vision: theory,algorithms, practicalities 第三版 Davies著
为数不多的英国人写的书,偏向于工业。
数字图像处理 第四版 Pratt著
Digital Image Processing
写作风格独树一帜,也是图像处理领域很不错的一本书。网上也可以找到非常清晰的电子版。

Q5:计算机视觉,图形学和图像处理,三者有什么联系

从问题本身来说,这三者主要以两类问题区分:是根据状态模拟观测环境,还是根据观测的环境来推测状态。
假设观测是Z,状态是X:
Computer Graphics是一个Forwad Problem (Z|X): 给你光源的位置,物体形状,物体表面信息,你如何根据已有的变量的状态模拟出一个环境出来。
Computer Vision正好相反,是一个Inverse Problem (X|Z):你所有能得到的都是观测信息(measurements), 根据得到的每一个Pixel的信息(颜色,深度),我要来估计物体环境的特征和状态出来,比如物体运动(Tracking),三维结构(SFM),物体类别(Classification and Segmentation)等等。
对于Image Processing来说,它恰好介于两者之间,两种问题都有。但对于State-of-art的研究来说,Image Processing更偏于Computer Vision, 或者看上去更像Computer Vision的子类。
尽管这三类研究中,随着CV领域的不断进步,以及越来越高级相机传感器出现(Depth Camera, Event Camera),很多算法都被互相用到,但是从Motivation来看,并没有太大变化。
得益于这几个领域的共同进步,所以你能看到Graphics和Computer Vision现在出现越来越多的交集。如果根据观测量(图片),Computer Vision可以越来越准确的估计出越来越多的变量,那么这些变量套到Graphics算法中,就可以模拟出一个跟真实环境一样的场景出来。与此同时,Graphics需要构建更真实的场景,也希望能够将变量更加接机与实际,或者通过算法估计出来,这就引入了Vision的动机。这也是近年来三维重建算法,同时大量发表在Graphics和Vision的会议的原因。随着CV从2D向3D发展,以后两者的交集会越来越大,除了learning以外的其他很多问题融合并到一个领域我也不会奇怪。

Q6:请列举国外计算机视觉/图像处理领域比较知名的实验室

United States of America Amerinex Applied Imaging, Inc. Boston University Image and Video Computing Research group University of California at Santa Barbara Vision Research Lab University of California at Berkeley Computer Vision group University of California at San Diego Computer Vision & Robotics Research Laboratory Visual Computing laboratory University of California at Irvine Computer Vision laboratory University of California, Riverside Visualization and Intelligent Systems Laboratory (VISLab) University of California at Santa Cruz Perceptual Science Laboratory University of Southern California, Los Angeles Computer Vision Caltech Vision group Carnegie Mellon University Calibrated Imaging Laboratory Digital Mapping Laboratory Interactive Systems Laboratory Vision and Autonomous Systems Center University of Central Florida Computer Vision laboratory UCLA Vision Lab University of Florida Center for Computer Vision and Visualization Colorado State University Computer Vision group Columbia University Automated Vision Environment (CAVE) Robotics group Cornell University Robotics and Vision group Environmental Research Institute of Michigan (ERIM) University of Georgia, Athens Visual and Parallel Computing Laboratory Harvard University Robotics Laboratory University of Illinois at Chicago Computer Vision and Robotics Laboratory Vision Interfaces and Systems Laboratory (VISLab) University of Illinois at Urbana-Champaign Robotics and Computer Vision University of Iowa Division of Physiologic Imaging Jet Propulsion Laboratory Machine Vision and Tracking Sensors group Khoral Research, Inc Lawrence Berkeley Laboratories Imaging and Collaborative Computing Group Imaging and Distributed Computing Lehigh University Image Proc
查看原帖>>

Q7:厦大计算机系计算机视觉与图像处理专业怎么样,能否举个具体的例子解释下这个专业是研究什么的?

也就是研究如何使机器像人一样具有视觉,能从图像中提取信息。
比如说,能从一张图像中识别出有嫌疑的人

猜你喜欢

更多