智能图像处理（深度学习）

书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857

---

• 机器学习让我们只需关注特征提取，无须关注如何处理特征，与传统图像处理方式相比，工作量减少了一半。但是，特征提取其实是一件非常困难的事，主要体现在如下两方面。

一、如何选取特征

• 图像的特征有很多，多到我们无法想象。因为从根本上讲，任何像素之间的排列组合都能作为特征。那么哪些特征有用，哪些特征没用呢？

• 选取有效的特征一直是图像处理过程中面临的一个非常复杂的问题。
  即使在机器学习阶段，特征的选取仍是一个重要的研究方向。人们在这方面取得了很多突破，并提出了非常多的有效特征提取方式，如SIFT、HOG、SURF等。
  但是，通过这些方式提取的特征具有很强的针对性，在不同的场景下，如何选取有效特征成为一个难题。

二、如何处理特征

• 在找到合适的特征后，如何处理特征是一个非常棘手的问题。
  即使使用机器学习也面临从众多算法中选择合适的算法来处理特征的问题。
  即使获取了有效特征、选用了合适的算法，特征值的计算量也是巨大的。

三、深度学习

• 这两个问题一直困扰着图像处理工作者，他们不断寻找突破点，在这种情况下，他们提出使用深度学习来处理图像。

• 在深度学习中，不需要直接提取特征，而是通过卷积操作等提取图像的高层次特征，这些特征往往能够更清晰地表述图像的高层语义，甚至有可能包含我们不能直接理解或观察到的特征。
  在深度学习中，我们重点关注卷积操作，通过变换卷积操作提取不同特征。通过卷积操作，可以提取到图像的高层次特征，利用这些特征可以更好地进行图像分析与处理。

• 卷积运算在深度学习中发挥着非常关键的作用。

不同图像处理方式示意图