人工智能导论 课件 第6章 计算机视觉基础

1

教材：

胡玉荣，余云霞，董尚燕，李俊梅，

《人工智能导论》，清华大学出版社，2025.9人工智能导论第6章计算机视觉6.1计算机视觉概述6.2计算机视觉的主要研究内容6.3常用的计算机视觉工具6.4计算机视觉的应用实例—人脸识别26.1计算机视觉概述3

计算机与人工智能想要在现实世界发挥重要作用，就必须看懂图像，这就是计算机视觉要解决的问题。具体来说，计算机视觉要让计算机具有对周围世界的空间和物体进行传感、抽象、判断的能力，从而达到识别、理解的目的。图6-1包含花草和小狗的图像6.1计算机视觉概述6.1.1计算机视觉定义6.1.2计算机视觉的应用领域46.1.1计算机视觉的定义56.1.2计算机视觉的应用领域6图6-2计算机视觉在手术中的应用6.1.2计算机视觉的应用领域7图6-2计算机视觉在交通中的应用6.2计算机视觉的主要研究内容6.2.1图像处理6.2.2目标检测6.2.3图像分割86.2.1图像处理91.图像增强图像增强技术是一种对图像进行处理的方法，其核心在于不考虑图像噪声产生的具体原因，而是专注于图像中某些特定部分的处理，以突出有用的图像特征信息。就像给图像“打光”，让图像中的某些部分更亮或者更清晰。图6-3亮度调整前的图像图6-4亮度调整后的图像6.2.1图像处理101.图像增强图像增强技术的目的是提高图像的可辨识性，但处理后的图像信息可能与原始图像信息不完全一致。图像增强技术主要应用于需要突出图像中特定特征的场景。

图像增强可以改善图像的视觉效果，使其更适合人眼观察或机器分析。常见的图像增强方法包括对比度增强、亮度调整、锐化等。例如，通过亮度调整，可以增强图像的对比度，使图像中的细节更加清晰可见。6.2.1图像处理112.图像去噪对数字图像处理而言，噪声是指图像中的非本源信息。图像在采集和传输过程中往往会受到噪声的干扰，导致图像质量下降。噪声会影响人的感官对所接收的信源信息的准确理解。图像去噪的目的是去除图像中的噪声，恢复图像的原始信息。图像去噪就像是给图像“除杂草”，把图像中的干扰信息（噪声）去掉，让图像更干净。降噪是图像处理中至关重要的预处理步骤。6.2.1图像处理122.图像去噪在实际应用中，有多种去噪方法可以用于改善被噪声污染的图像质量。常见的去噪方法（即算法）有均值滤波、中值滤波、高斯滤波等算法，其中高斯滤波算法在许多图像处理任务中被广泛应用。图6-5去噪前的图像图6-6去噪前的图像6.2.1图像处理133.边缘检测

边缘检测是计算机视觉和图像处理领域中的一个关键步骤，其主要目的是提取图像中的边界信息，这些信息通常代表了图像中的重要特征，如物体的轮廓、形状和结构。边缘检测就像是在图像中画出“轮廓线”，找出物体的边界。图6-7边缘检测前的原图图6-8边缘检测后的效果图6.2.1图像处理143.边缘检测

简单来说，边缘就是图像中因为物体的形状、材料或者光照条件不同而形成的分界线。边缘检测的实质就是找到图像中亮度变化剧烈的像素点构成的集合，表现出来往往是轮廓。

在图像中，边缘表示一个特征区域的终结和另一个特征区域的开始，这些区域的内部特征或属性是一致的，而不同区域的特征或属性是不同的。边缘检测利用物体和背景在图像特性上的差异来实现，这些差异包括灰度、颜色或者纹理特征。6.2.1图像处理153.边缘检测

边缘检测实际上是检测图像特征发生变化的位置。

常见的边缘检测方法（即算法）有：Sobel算子、Canny算子等方法。

边缘检测是图像处理中的一个重要任务，它用于检测图像中物体的轮廓和边界，可以为后续的目标识别和图像分割提供了重要的基础。6.2.1图像处理164.特征提取

判断目标为何物或者测量其尺寸大小的第一步，是将目标从复杂的图像中提取出来。例如，在街景中对行人的提取；在川流不息的道路中识别过往车辆和交通标志。

人眼在杂乱的图像中搜寻目标物体，主要依靠颜色和形状差别。

计算机视觉在提取物体时，也是依靠颜色和形状差别，即图像特征。计算机里没有这些图像特征，需要人们利用计算机语言，通过某种方法，将目标物体的知识输入或计算出来，形成判断依据。6.2.1图像处理174.特征提取

特征提取就像是从图像中找出最重要的“线索”。比如，想让计算机识别出照片中的人脸，就需要提取人脸的特征，比如眼睛、鼻子、嘴巴的形状和位置。这些特征就像是人脸的“指纹”，帮助计算机识别出这是一个人脸。图6-9特征提取的输入图像与特征提取效果图6.2.1图像处理184.特征提取

特征提取的实质就是从图像中提取有助于描述图像内容的特征。这些特征可以是颜色、纹理、形状或基于学习的特征。特征提取是图像分析的关键步骤，因为它直接影响到图像识别和分类的性能。

传统的特征提取方法包括边缘检测、角点检测和纹理分析等方法。近年来，基于深度学习的特征提取方法（如卷积神经网络）已成为主流，因为它们能够自动学习图像的高层次特征。6.2.2目标检测191.目标检测的基本概念

目标检测是计算机视觉领域的一个核心任务，其目的是在图像中确定图像中目标物体的位置和大小。简单来说，目标检测的目标就是在一张图片里找出人们关心的物体，并且告诉人们在哪里。

目标检测不仅要认出物体是什么，还要准确地指出它们的位置。通常用一个框（叫作边界框）来标注物体的位置。6.2.2目标检测201.目标检测的基本概念

目标检测在多个领域有着广泛的应用。例如在自动驾驶系统中，汽车需要实时检测路上的行人、其他车辆和交通标志，这样才能安全地行驶。目标检测是让计算机“看懂”世界的关键技术之一。图6-10目标检测结果图6.2.2目标检测212.目标检测的任务

1）分类（Classification）判断图像中包含哪些类别的目标。例如，在一个场景图像中，分类任务需要识别出图像中是否存在汽车、行人、交通标志等。

2）定位（Localization）确定目标在图像中的位置。一般是通过在图像上绘制边界框来实现，边界框是一个矩形框，能够精确地框出目标的位置。6.2.2目标检测222.目标检测的任务

3）检测（Detection）结合分类和定位，不仅识别出目标的类别，还要确定其位置。这是目标检测最重要的任务，例如在自动驾驶场景中，检测系统需要实时识别并定位道路上的行人和车辆。

4）分割（Segmentation）进一步细分为实例级分割和场景级分割。实例级分割要求对每个目标进行像素级的分割，即确定每个像素属于哪个目标；场景级分割则关注于对整个场景的语义分割，例如区分道路、天空、建筑物等。6.2.2目标检测233.目标检测的核心问题1）分类问题确定目标属于哪个类别。这要求检测系统能够准确地识别出图像中的不同物体，并将其归类到预定义的类别中。例如，在一个包含多种动物的图像中，系统需要能够区分出哪些是猫，哪些是狗。

2）定位问题确定目标在图像中的位置。定位通常通过边界框来实现，边界框的坐标（如左上角和右下角的坐标）需要尽可能精确。6.2.2目标检测243.目标检测的核心问题

3）大小问题确定目标的大小。目标的大小信息对于理解场景和进行后续处理非常重要。例如，在自动驾驶过程中，通过目标检测，可以了解车辆的大小，有助于预测车辆的运动轨迹和潜在的碰撞风险。

4）形状问题确定目标的形状。形状信息可以帮助系统更好地理解目标的特征，例如在医学图像分析中，肿瘤的形状对于诊断和治疗方案的选择具有重要意义。6.2.2目标检测254.目标检测的应用场景目标检测技术就像给计算机装上了一双“慧眼”，让它能够在图像或视频中自动发现、识别并定位人们感兴趣的物体。这项技术的应用场景非常广泛，几乎涵盖了人们生活的方方面面。6.2.3图像分割261.图像分割的基本概念

图像分割是指将图像分割成多个互不重叠的区域，使得每个区域内的像素具有相似的特性，如颜色、纹理、灰度等。分割后的区域可以代表图像中的不同对象或背景。其目的是将图像分割成多个有意义的区域或对象，以便于后续的分析和处理。6.2.3图像分割272.图像分割的任务

1）语义分割语义分割是将图像中的每个像素分配到预定义的类别中，每个类别代表一种语义对象或背景。语义分割就像是给照片里的每一小块地方贴上“标签”。

2）实例分割实例分割不仅将图像中的每个像素分配到预定义的类别中，还需要区分同一类别中的不同实例。实例分割的目标是识别和分割出图像中的每个独立对象。实例分割就像是在一堆相似的东西中找出每个独特的个体。6.2.3图像分割282.图像分割的任务

3）全景分割全景分割结合了语义分割和实例分割的特点，将图像中的每个像素分配到预定义的类别中，并区分同一类别中的不同实例。全景分割的目标是提供一个完整的、像素级别的图像分割结果，既包括语义信息，也包括实例信息。6.2.3图像分割292.图像分割的任务4）医学图像分割医学图像分割是在医学图像中分割出特定的组织、器官或病变区域。例如，在MRI图像中分割出大脑的不同区域，或在CT图像中分割出肿瘤。5）视频分割视频分割是在视频序列中，对每一帧图像进行分割，并跟踪分割结果在时间上的连续性。视频分割的目标是识别和分割出视频中的运动对象，实现视频的智能分析和理解。6.2.3图像分割303.图像分割的核心问题1）像素分类问题2）边界检测问题3）多尺度问题4）噪声和遮挡问题5）计算效率问题图6-11图像分割效果图6.2.3图像分割314.图像分割的应用场景图6-12农业监测中的图像分割结果图6.3常用的计算机视觉工具6.3.1图像处理工具6.3.2深度学习与机器学习框架6.3.3计算机视觉库326.3.1图像处理工具33图6-13scikit-imagel图像处理可视化界面6.3.1图像处理工具34图6-14Pillow官网的部分内容6.3.1图像处理工具35图6-15MATLAB的官网部分内容6.3.2深度学习与机器学习框架36图6-16Pillow官网的部分内容6.3.2深度学习与机器学习框架37图6-17TensorFlow工作界面6.3.2深度学习与机器学习框架38图6-18PyTorch实战界面6.3.2深度学习与机器学习框架39图6-19使用Keras预测的数据可视化界面6.3.3计算机视觉库40图6-20使用OpenCV库进行图像处理6.3.3计算机视觉库41图6-21使用SimpleCV库实现图像处理6.4计算机视觉的应用实例—人脸识别6.4.1人脸识别概述6.4.2人脸识别技术的发展6.4.3人脸识别的基本步骤6.4.4人脸识别的代码示例426.4.1人脸识别概述43图6-22校园AI业务系统中的人脸识别界面6.4.1人脸识别概述44图6-23安防监控系统与入侵检测展示图6.4.2人脸识别技术的发展456.4.3人脸识别的基本步骤466.4.3人脸识别的基本步骤476.4.3人脸识别的基本步骤486.4.3人脸识别的基本步骤496.4.3人脸识别的基本步骤506.4.4人脸识别的代码示例516.4.4人脸识别的代码示例521.人脸图像采集1）

采集代码使用OpenCV库初始化摄像头，通过cv2.VideoCapture(0)获取默认摄像头资源，等待用户按下回车键后读取一帧图像并保存为文件，采集完成后释放摄像头资源并显示采集到的图像。2）

注意事项确保采集环境光线充足，人脸角度适中，采集的图像清晰，以提高后续识别的准确性，采集方式可以是静态照片或动态视频。6.4.4人脸识别的代码示例532.人脸定位1）定位代码加载采集到的图像，使用face_recognition.face_locations(image)