计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，就像人类和许多其他类生物每天所做的那样。
计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。
那么首先第一点——为什么要学习计算机视觉呢？
从他的应用上就可以明显的看出他的重要之处！
计算机视觉应用的实例包括用于系统：
（1）控制过程，比如，一个工业机器人 ；
（2）导航，例如，通过自主汽车或移动机器人；
（3）检测的事件，如，对视频监控和人数统计 ；
（4）组织信息，例如，对于图像和图像序列的索引数据库；
（5）造型对象或环境，如，医学图像分析系统或地形模型；
（6）相互作用，例如，当输入到一个装置，用于计算机人的交互；
（7）自动检测，例如，在制造业的应用程序。
（8）自动汽车驾驶
（9）面部识别
一、图像分类
定义
图像分类，根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。
分类方法
1、基于色彩特征的索引技术
2、基于纹理的图像分类技术
3、基于形状的图像分类技术
4、基于空间关系的图像分类技术
二、目标检测
目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。
作为计算机视觉的一个重要分支，目标检测的任务是在一幅图像或视频中找到目标类别以及目标位置。与图像分类不同，目标检测侧重于物体搜索，被检测目标必须有固定的形状和轮廓；而图像分类可以是任意目标包括物体、属性和场景等。目标检测已在人脸识别和自动驾驶领域取得了非常显著的效果，经典的检测模型有YOLOV3、SSD和Faster RCNN。
它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要。
随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。
三、目标跟踪
目标跟踪旨在跟踪一段视频中的目标的运动情况。
通常，视频第一帧中目标的位置会以包围盒的形式给出，我们需要预测其他帧中该目标的包围盒。目标跟踪类似于目标检测，但目标跟踪的难点在于事先不知道要跟踪的目标具体是什么，因此无法事先收集足够的训练数据以训练一个专门的检测器。
判别方法更加强大和准确。它可以用来区分主体和背景之间的差异，并已成为首选的跟踪方法。它也被称为 Tracking-by-Detection，与深度学习属于同一类别。
四、语义分割
语义分割是对图像中的每一个像素进行分类，目前广泛应用于医学图像与无人驾驶等。从这几年的论文来看，这一领域主要分为有监督语义分割、无监督语义分割、视频语义分割等。
分割是计算机视觉的重要组成部分，它将整个图像划分为可以标记和分类的像素组。更具体地说，语义分割试图理解每个像素在给定图像中的作用。例如，仅仅检测一个人或一辆车是不够的。您还必须能够分辨所有边界的位置。为了进行这样的描绘，我们需要从模型中进行密集的像素预测。
五、实例分割
实例分割是结合目标检测和语义分割的一个更高层级的任务
实例分割对所有不同的实例类进行分类，例如用十种不同的颜色标记十辆汽车。在分类方面，通常有主图像，目标是确定图像到底是什么。然而，要分割所有实例，需要更复杂的过程。如果我们有一个具有许多重叠对象和各种背景的复杂场景，我们必须对所有对象进行分类并确定它们的差异、边界以及它们之间的关系。
六、影像重建
通俗的来说就是你有一张旧照片，想要重建里面的被损毁的画面，就是图像重建，还有2013年，周杰伦更是耗资1亿台币，运用来自好莱坞特效团队的最新高科技「虚拟影像重建技术」邀请邓丽君与他合唱，完成了与已故「歌后」邓丽君合唱的愿望。
计算机视觉是当前最热门的研究之一，是一门多学科交叉的研究，涵盖计算机科学（图形学、算法、理论研究等）、数学（信息检索、机器学习）、工程（机器人、NLP等）、生物学（神经系统科学）和心理学（认知科学）。由于计算机视觉表示对视觉环境及背景的相对理解，很多科学家相信，这一领域的研究将为人工智能行业的发展奠定基础。
