電腦視覺與數位影像處理導論
電腦視覺 是人工智慧領域中幫助電腦從數位影像和影片中提取有意義資訊的技術，其核心目標在於彌合 語意鴻溝 介於原始像素資料與人類層級理解之間的落差。 數位影像處理 作為電腦視覺的基礎層，專注於透過像素對像素的轉換來操作和增強影像訊號，為更高層次的判讀任務做好資料準備。
核心原則
- 資料表示： 在機器層面，一張影像是一個數值 張量 而非整體圖像。灰階影像是亮度值的二維矩陣，而彩色影像則是代表紅、綠、藍（RGB）通道的三維張量，其維度為 $H \times W \times 3$。
- 轉換 vs. 判讀： 數位影像處理主要著重於影像對影像的操作，例如降噪、銳化或直方圖等化。電腦視覺則專注於影像對知識的操作，例如物體分類、定位和分割。
- 逆向繪圖學典範： 電腦視覺可以被視為電腦繪圖學的逆向過程。繪圖學試圖從數學模型產生視覺世界，而視覺則試圖從二維投影中還原三維結構和語意標籤。
核心挑戰
此領域的主要挑戰是 語意鴻溝，即機器所處理的低階像素值與人類所感知的高階概念之間的落差。
Python 實作
問題 1
下列哪個過程屬於「影像對知識」的操作？
問題 2
在機器層面，標準彩色影像的資料結構是什麼？
案例研究：醫療診斷系統
閱讀以下情境並回答問題。
一家醫院正在開發一套新的自動化醫療診斷系統，旨在分析 X 光掃描以偵測可能的骨折。該系統處理來自 X 光機的原始感測器資料，並為放射科醫師輸出診斷報告。
Q
1. 如果系統套用對比增強使骨骼結構更清晰，這是數位影像處理（DIP）還是電腦視覺（CV）？
答案：
數位影像處理。對比增強屬於影像對影像的轉換，旨在提升訊號的視覺品質而不提取語意資訊。
數位影像處理。對比增強屬於影像對影像的轉換，旨在提升訊號的視覺品質而不提取語意資訊。
Q
2. 如果系統自動標記某個特定區域為潛在骨折，它在執行什麼任務？
答案：
電腦視覺／物體偵測。系統正在解讀影像內容以提取高階知識（定位骨折位置）。
電腦視覺／物體偵測。系統正在解讀影像內容以提取高階知識（定位骨折位置）。
Q
3. 為什麼在執行偵測演算法之前需要先進行降噪？
答案：
為了提升訊號品質並減少語意判讀階段的誤判。雜訊可能被 CV 演算法誤認為真實的特徵或邊緣。
為了提升訊號品質並減少語意判讀階段的誤判。雜訊可能被 CV 演算法誤認為真實的特徵或邊緣。