计算机视觉是一门研究如何使计算机从图像或视频中获取高级理解的学科，其技术体系涵盖了从图像获取到高级决策的多个层次，这些技术广泛应用于自动驾驶、医疗影像、工业检测、安防监控等领域,推动了人工智能技术的落地与发展。
在计算机视觉的技术栈中，基础技术包括图像预处理和特征提取，图像预处理涉及去噪、增强、几何校正等操作，旨在提升图像质量，中值滤波可有效去除椒盐噪声，直方图均衡化能增强图像对比度，特征提取则是从图像中提取关键信息，如边缘（通过Canny算子）、角点（如Harris角点检测）以及纹理特征（如LBP算子）,这些特征为后续分析提供基础。
中层技术聚焦于图像分割和目标检测，图像分割将图像划分为具有相似属性的区域，常用方法包括阈值分割、分水岭算法以及基于深度学习的语义分割（如FCN、U-Net），目标检测则定位并识别图像中的物体，传统方法如Viola-Jones算法用于人脸检测，而基于深度学习的YOLO、Faster R-CNN等模型凭借高精度成为主流，实例分割（如Mask R-CNN）在目标检测基础上进一步区分同一类别的不同实例。
高层技术涉及图像识别、三维重建和行为理解，图像识别通过分类算法（如SVM、CNN）判断图像内容，ResNet、EfficientNet等模型在ImageNet等竞赛中取得突破，三维重建从二维图像恢复三维结构，包括立体视觉（如双目相机）、结构光法以及多视图几何，行为理解则结合时序信息分析动态场景，如人体姿态估计（OpenPose）、动作识别（LSTM+3D CNN）等,广泛应用于智能监控和人机交互。
深度学习的兴起进一步推动了计算机视觉技术的发展，卷积神经网络（CNN）通过多层卷积和池化操作自动学习特征，Transformer模型凭借其注意力机制在视觉任务中展现出强大能力，如ViT（Vision Transformer）用于图像分类，生成对抗网络（GAN）则能生成逼真的图像,用于数据增强或风格迁移。
以下是计算机视觉核心技术的分类概览：
| 技术层级 | 核心技术 | 典型应用场景 |
|---|---|---|
| 基础技术 | 图像预处理、特征提取 | 图像质量提升、特征匹配 |
| 中层技术 | 图像分割、目标检测、实例分割 | 自动驾驶、医疗影像分析 |
| 高层技术 | 图像识别、三维重建、行为理解 | 人脸识别、AR/VR、智能安防 |
| 深度学习技术 | CNN、Transformer、GAN | 高精度分类、图像生成、目标检测 |
相关问答FAQs：
-
计算机视觉与传统图像处理的主要区别是什么？
传统图像处理侧重于像素级别的操作（如滤波、增强），算法设计依赖人工特征；而计算机视觉更侧重于高层语义理解，通过机器学习尤其是深度学习自动提取特征，实现目标识别、场景理解等复杂任务,具备更强的泛化能力和智能化水平。 -
计算机视觉在自动驾驶中的关键技术有哪些？
自动驾驶依赖多项计算机视觉技术，包括目标检测（识别车辆、行人）、语义分割（区分道路、车道线）、深度估计（障碍物距离计算）以及视觉里程计（定位与导航），这些技术通常结合激光雷达和雷达数据,通过多传感器融合提升环境感知的准确性和鲁棒性。
（图片来源网络，侵删）
