灰度和 gamma 值
本节课为「计算机视觉 CV 核心知识」第 8 节；
「AI秘籍」系列课程：
Hi, 大家好。我是茶桁。
今天开始，咱们要开始讲咱们 CV 篇的第二部分《中阶计算机视觉：图像描述》，第二部分主要讲的内容是认识计算机视觉。
中阶计算机视觉内容简介
前面咱们花了 6 节正课以及 1 节作业课的时间讲了图像处理的方法。哪些图像处理方法同学们还记得吗？我们了解了图像是用矩阵表示的，然后，我们如何获取到图像这个矩阵对吧？先获取到这个矩阵才能对它进行处理。我们讲了从图片上读取、从摄像头中读取、从视频中读取，也可以自己生成一个矩阵来表示图片。当然还有些其他方法。我们现在先认识这 3 种基本上就够用了。
还有一些其他的方法就比如说卫星上的扫描图像，它可能不是可见光的，是各个电磁波根据它反射的性能出来的矩阵，比如近红外的图像，热成像仪等等。这都是形成图像数据的方法。
在我们讲了如何获取图像的数据之后我们又讲了对图像进行各种变换，放大缩小、平移，旋转、拉伸变换等等一些方法，然后我们又讲了对图像进行滤波。在最后，我们布置的作业是对图像进行滤波，大概讲了这些图像处理的方法。
还有一些图像处理的方法我们没有讲。比如说对图像进行灰度变换，比如说把彩色图片变成灰度图片，在游戏中或者是在动漫中常看到它色彩明丽、变化非常大的时候做了一些处理，灰度变化。然后还有一些，比如求图像的灰度直方图等等，包括直方图均衡化等，也就这节课我们会来讲的内容。把图像处理的基本的核心内容把它讲完。
讲完之后我们就讨论一个问题：图像处理和计算机视觉有什么区别，或者说图像处理怎么样会变成计算机视觉。这里计算机视觉和机器视觉都认为是一个概念，其实如果要细分也是可以细分，但是我们这里通称这样。所以，我们讲图像处理的过程中大家都可以想一下图像处理和计算机视觉或者是机器视觉到底有什么联系和区别。讨论完这个之后，我们就开始去讲机器视觉部分的内容。
我们会讲一个例子，比如说图像的分类这个例子，来把机器视觉到底在做什么、机器视觉和图像处理到底区别是什么来引入介绍给大家。最后讨论完会得出一个结论，结论就是最后要做计算机视觉会分成两个步骤，第一个步骤就是提特征，第二个步骤就是做决策。
在之后我们会讲一下计算机视觉的第一步，也就是图像的提取特征，也称为提取图像的描述词、descriptor。就是我们要计算机对图片进行分类，要对图形进行判断，判断出来结果的时候我们首先要先把图像的主要特征给描述出来，叫图像的提取特征这一步，或者图像的描述词。这是计算机视觉的第一步。
第二步就是决策，决策在后续的课程中我们会讲。
那么首先，我们会先讨论一下计算图像处理剩余的一些内容，一些核心技巧，我们把它补充完。之后咱们就来讨论一个问题，从图像处理到计算机视觉到底是如何演变的，它们到底有什么关联。
然后在第二步就讨论计算机视觉的两个步骤，紧接着咱们就介绍计算机视觉的第一步：图像描述词。
图像描述词这一部分，我们会讲几个常用的图像特征：Hog 特征、LBP 特征。主要是讲 Hog 特征，Hog 特征讲完之后对 LBP 以及我们后面讲的 Haar 特征，也会大概讲解它的框架。就传统的计算机视觉中对图像进行处理的第一步，就是对图像提特征，大概有这些经典的核心特征。
这些经典的核心特征掌握完之后，再理解其他的特征也就非常容易了。你只用补充一些核心的知识点，就补充一些其他的特征和这个不同就可以了。
以上这些，就是我们第二部分《中阶计算机视觉：图像描述》的内容。
更多内容，请查看原文《灰度图和 gamma 值》
灰度和 gamma 值
