บทนำสู่การประมวลผลภาพด้วยคอมพิวเตอร์และการประมวลผลภาพดิจิทัล

การมองเห็นด้วยคอมพิวเตอร์ เป็นสาขาหนึ่งของปัญญาประดิษฐ์ที่ทำให้คอมพิวเตอร์สามารถดึงข้อมูลที่มีความหมายจากภาพดิจิทัลและวิดีโอได้ โดยพยายามเชื่อมช่องว่างระหว่าง ช่องว่างทางความหมาย ระหว่างข้อมูลพิกเซลดิบกับความเข้าใจในระดับมนุษย์ การประมวลผลภาพดิจิทัล ทำหน้าที่เป็นชั้นพื้นฐานสำหรับการมองเห็นด้วยคอมพิวเตอร์ โดยมุ่งเน้นการจัดการและปรับปรุงสัญญาณภาพผ่านการแปลงพิกเซลต่อพิกเซล เพื่อเตรียมข้อมูลสำหรับงานตีความในระดับที่สูงขึ้น

หลักการสำคัญ

• การแทนข้อมูล: ในระดับเครื่องจักร ภาพคือ เทนเซอร์ เชิงตัวเลข ไม่ใช่ภาพรวมที่มองเห็นได้ ภาพระดับสีเทาคือเมทริกซ์ 2 มิติของค่าความเข้ม ในขณะที่ภาพสีคือเทนเซอร์ 3 มิติที่แทนช่องสีแดง เขียว และน้ำเงิน (RGB) ที่มีมิติ $H \times W \times 3$
• การแปลงกับ การตีความ: การประมวลผลภาพดิจิทัลเกี่ยวข้องกับปฏิบัติการแบบภาพต่อภาพ เช่น การลดสัญญาณรบกวน การเพิ่มความคมชัด หรือการปรับสมดุลฮิสโตแกรม ในขณะที่การมองเห็นด้วยคอมพิวเตอร์มุ่งเน้นปฏิบัติการแบบภาพต่อความรู้ เช่น การจำแนกวัตถุ การระบุตำแหน่ง และการแบ่งส่วนภาพ
• กระบวนทัศน์กราฟิกผกผัน: การมองเห็นด้วยคอมพิวเตอร์สามารถมองได้ว่าเป็นส่วนกลับของคอมพิวเตอร์กราฟิกส์ ในขณะที่กราฟิกส์พยายามสร้างโลกภาพจากแบบจำลองทางคณิตศาสตร์ การมองเห็นพยายามกู้คืนโครงสร้าง 3 มิติและป้ายกำกับทางความหมายจากการฉายภาพ 2 มิติ