计算机视觉（Computer Vision）

计算机视觉（Computer Vision，简称 CV）是人工智能的一个核心分支，研究如何让计算机像人眼一样「看懂」图像和视频，从中识别物体、理解场景并提取有用信息。

概述

人类的大部分信息都靠视觉获取，让机器具备类似的「看」的能力，一直是人工智能领域的重要目标。计算机视觉通过摄像头等设备采集图像，再由算法对像素数据进行分析，代替人眼完成对目标的识别、跟踪和测量等任务，还能进一步把图像加工成更适合人观察、或供仪器检测使用的形式。

早期的计算机视觉主要依靠人工设计的特征和传统图像处理方法，效果有限。随着深度学习尤其是卷积神经网络的兴起，机器在图像识别任务上的准确率大幅提升，计算机视觉也成为落地最广泛的 AI 技术之一。近年来它又与大语言模型结合形成多模态模型，让 AI 能够「边看边说」。

主要研究方向

• 图像分类：判断一张图片属于什么类别，如区分猫狗、花草。
• 目标检测：找出图像中各个目标的位置和类别，是自动驾驶、安防监控的基础。
• 图像分割：按像素级别划分区域、精确勾勒物体轮廓，常用于医学影像分析。
• 人脸识别：检测并比对人脸特征，广泛用于手机解锁、刷脸支付。
• 目标跟踪与姿态估计：在视频中持续追踪物体运动、分析人体动作。
• 三维重建与 OCR：从图像恢复三维结构，或把图片中的文字转成可编辑文本。

典型应用

计算机视觉已渗透进日常生活：手机相册的人物分类、扫码支付、美颜滤镜背后都是视觉算法；自动驾驶靠它感知车道、行人和交通标志；工厂用机器视觉做产品质检，医院用它辅助阅读影像片子。常用的开源工具有 OpenCV 以及 PyTorch、TensorFlow 等深度学习框架。

常见问题

问：计算机视觉和图像处理有什么区别？答：图像处理侧重对图像本身做变换和增强，输入输出都是图像；计算机视觉更进一步，目标是从图像中理解内容、得出语义信息，图像处理常作为它的前置步骤。

问：计算机视觉和机器视觉是一回事吗？答：两者高度相关但侧重不同：机器视觉偏工程应用，强调在工业环境中用相机和算法完成检测、测量等具体任务；计算机视觉偏学科研究，覆盖的理论和任务范围更广。

问：入门计算机视觉需要什么基础？答：建议先掌握 Python 编程和基本的线性代数、概率知识，再学习 OpenCV 与深度学习框架，从图像分类等经典任务动手实践。