边缘检测找出图像中亮度变化剧烈的位置——物体的轮廓往往就在那里。Sobel、Canny 是最经典的算子，虽然简单，至今仍是图像处理与视觉分析的基础工具。 边缘检测是“特征工程”时代的辉煌成就：...

HOG（方向梯度直方图）统计局部区域的梯度方向分布，用于捕捉物体形状特征。它曾是非深度学习时代行人检测的最佳方案，也是理解“特征设计”思想的绝佳案例。 HOG 最值得铭记的不是算法本身，而...

SIFT 提取图像的关键点特征，且对缩放、旋转、光照变化保持不变。它是图像匹配、全景拼接、三维重建的经典工具，非深度时代图像特征的巅峰之作。 SIFT 的设计目标——让特征“不以观察条件为转...

图像质量评估用算法给图片打分：清晰度、色彩、构图、美学。它被用于相册精选、内容审核、电商图质量筛分。让机器拥有“审美”这件事，正在变得可行。 图像质量评估触及了一个有趣的问题：美是...

Vision Transformer 把 Transformer 架构搬到图像领域：把图片切成小块当 token 输入。它证明注意力机制不只适用于文本，在大数据量下超越了 CNN。 ViT 的成功是对“归纳偏置”价值的重新思考：...

目标检测不仅要识别图片里有什么，还要定位它们在哪里——用矩形框标出每个物体并给出类别。它是自动驾驶、安防监控、工业质检的底层能力。 目标检测让 AI 从“这是什么”进化到“这在哪里”。...

语义分割给图像的每个像素打上类别标签——天空、道路、行人、车辆。如果说目标检测是画框，语义分割就是精细的填色，是场景理解的基础。 语义分割代表着一种极致的精确：不满足于知道“图里有...

实例分割结合了目标检测与语义分割：不仅要分出每个像素属于哪类，还要区分同类物体的不同个体。三个人各自有独立的 mask，而不是糊成一团。 实例分割的难点很有意思：机器很容易认出“这是人”...

图像分类回答最基本的问题：这张图属于哪一类？猫还是狗、正常还是病变。它看似简单，却是整个计算机视觉的起点，无数更复杂的任务都建立在分类能力之上。 图像分类的历史是一部“从认不出猫狗...

人脸识别包含一整套流程：先检测人脸位置，再提取特征向量，最后与数据库比对身份。它已广泛用于解锁、支付、门禁，也引发了严重的隐私讨论。 人脸识别是技术双刃剑的典型案例：一边是秒级完成...

OCR（光学字符识别）把图片中的文字转成可编辑的文本——从扫描件到街景路牌，从发票到身份证。它是 AI 最实用、普及最广的能力之一。 OCR 的价值在于它是“数字世界与纸质世界的翻译官”。数以...

卷积神经网络是为图像而生的架构：用小窗口（卷积核）在图像上滑动提取局部特征，再逐层组合成高级概念。它让计算机视觉从实验室走向了现实世界。 CNN 的设计充满仿生智慧：人类视觉皮层也是先...