计算机视觉基础

1. 基本概念

矩阵

图像是由一个二维，每个值对应图片的像素值；也可是三维矩阵，第三个维度是通道，如RGB三个通道。

颜色模式

熟知的RGB，用于打印的LMYK, 基于生理的LAB等。

分辨率

图像的像素大小；高分辨率的越清晰

表达

每个像素值用m-bit表示，比如8位能表示0-255。位数越大表示范围越大。

2. 卷积操作

如果知道卷积神经网络CNN的应该都知道这个的了。

一维卷积

g为卷积核，f为原数据
举个例子：
当f=[1, 2, 3], g=[2, 3, 1]时，

最终s=[1, 7, 13, 11, 3]

二维卷积

关于这个网上已经有很多说明了，这里就不举例了。

连续时

连续变量时其实也是对应值的相乘，卷积核不断的移动对原函数做卷积操作

3. Linear Time-invariant 线性时不变

卷积操作是一个线性时不变的操作。具体就是

1. 输入延迟t，输出延迟t；
2. 输入增大L倍，输出也会增大L倍；
3. 线性操作和时不变互不影响，即先延迟后增大等同于先增大后延迟。
   卷积有提取特征的作用，用老师的话就是nature。