一、视觉算法概述：计算机视觉的定义、发展历程、主要应用领域、课程学习路径与前置知识
1.1 计算机视觉到底是什么？
先问大家一个问题：你看到一张猫的照片，一秒就能认出那是猫。但让计算机做到同样的事，为什么这么难？
说白了，计算机看到的不是「猫」，而是一个巨大的数字矩阵——每个像素点都是0到255之间的数值。它没有「常识」，不知道什么是耳朵、什么是尾巴。
计算机视觉（Computer Vision），就是让计算机从图像或视频中「看懂」世界。它要解决三个核心问题：
- 是什么——图像里有什么物体？（分类）
- 在哪里——物体在图像的哪个位置？（检测）
- 怎么了——场景中正在发生什么？（理解）
我个人习惯把计算机视觉比作「给计算机配一副眼镜，再教它怎么用」。眼镜是摄像头，而算法就是那套「怎么用」的方法论。
1.2 发展历程：从「看轮廓」到「懂语义」
这条路走了将近60年。我把它分成四个阶段，每个阶段都有标志性事件：
| 阶段 | 时间 | 核心方法 | 代表成果 |
|---|---|---|---|
| 萌芽期 | 1960s-1980s | 几何模型、边缘检测 | Larry Roberts的积木世界 |
| 特征工程期 | 1990s-2010 | SIFT、HOG、SVM | 人脸检测、行人检测 |
| 深度学习爆发期 | 2012-2018 | CNN、AlexNet、ResNet | ImageNet分类超越人类 |
| 大模型与落地期 | 2019-至今 | Transformer、ViT、多模态 | CLIP、SAM、自动驾驶 |
嗯，这里要注意：2012年AlexNet的出现是一个分水岭。在那之前，我们做视觉算法就像「手工雕花」——每个特征都要精心设计。之后，神经网络自己学会了提取特征。
避坑指南：我曾经在2015年做一个工业检测项目，坚持用传统方法调了两个月参数，效果始终不理想。后来换成CNN，一周就搞定了。所以我的建议是：别跟趋势对着干，但也要理解传统方法的原理——它们在某些场景下依然管用。
1.3 主要应用领域：算法正在改变世界
你想想看，现在每天有多少摄像头在采集数据？安防、交通、医疗、零售……视觉算法已经渗透到每个角落。我挑三个最典型的领域聊聊：
安防领域
- 人脸识别：从1:N比对到活体检测，准确率已经超过99.5%
- 行为分析：打架、摔倒、聚集等异常行为实时检测
- 车辆结构化：车牌、车型、颜色、品牌全要素提取
我在做智慧安防项目时，最头疼的不是算法精度，而是「光照变化」和「遮挡」。同一个人的脸，白天和晚上拍出来差别巨大。后来我们用了多尺度融合和光照归一化，才把误报率降下来。
自动驾驶
- 目标检测：车辆、行人、骑行者、交通标志
- 语义分割：区分道路、天空、建筑物、植被
- 深度估计：判断物体离车有多远
- 多传感器融合：摄像头+激光雷达+毫米波雷达
自动驾驶对实时性要求极高。你想想看，车速60km/h时，每延迟100ms就多走1.67米。所以算法不仅要准，还要快。YOLO系列为什么火？因为它把检测速度做到了毫秒级。
医疗影像
- 病灶检测：肺结节、肿瘤、骨折点
- 器官分割：肝脏、肾脏、心脏的精确轮廓
- 辅助诊断：DR、CT、MRI的自动分析
重要提醒：医疗影像领域，算法只能做「辅助」，不能替代医生。我参与过一个肺结节检测项目，算法灵敏度达到98%，但假阳性率偏高。最终产品定位是「第二阅片人」——帮医生筛掉80%的阴性片子，而不是直接出诊断报告。
1.4 课程学习路径与前置知识
这门课叫《视觉算法：从入门到项目落地》，说白了就是「既要懂理论，又要能干活」。我设计了这样一条路径：
- 基础篇：图像处理基础、特征提取、传统方法
- 深度学习篇：CNN原理、经典网络结构、训练技巧
- 核心任务篇：分类、检测、分割、跟踪、识别
- 工程落地篇：模型压缩、部署优化、边缘端适配
- 实战项目篇：从需求分析到上线运维的全流程
你需要的前置知识：
- 编程基础：Python熟练，会NumPy、OpenCV基本操作
- 数学基础：线性代数（矩阵运算）、概率统计（贝叶斯、高斯分布）、微积分（梯度、导数）
- 机器学习基础：了解分类、回归、过拟合、交叉验证等概念
我的建议：数学基础不够也别慌。我当年做视觉算法时，线性代数也学得一般。后来在实践中，用到什么补什么，反而记得更牢。你只需要知道「梯度下降是沿着最陡的方向下山」就够了，不用纠结偏导数的严格推导。
1.5 本章知识体系总览
下面这张图，是我梳理的本章核心知识结构。你可以把它当作整个课程的「导航地图」：
这张图把本章的核心内容串起来了。你会发现，计算机视觉不是孤立的技术，它连接着数学、编程、硬件和业务场景。每一块都是拼图的一部分。
最后说一句：做视觉算法，最怕的就是「纸上谈兵」。我见过太多人把论文跑通了就以为万事大吉，结果一到真实场景就崩。这门课的目标，就是让你既能看懂论文，也能搞定项目。
公众号:蓝海资料掘金营，微信deep3321