计算机视觉的一些基本概念

图像的基本知识
高度、宽度 假如一张照片的分辨率为：1920×1080，1920 就是照片的宽度，1080 就是图片的高度 深度 存储每个像素所用的位数，比如正常RGB的深度就是 2^8 *×3 = 256 × 3 = 768 ， 那么 此类图片中的深度为768，每个像素点都能够代表768中颜色 通道数 RGB图片就是有三通道，RGBA类图片就是有四通道 颜色格式 是将某种颜色表现为数字形式的模型，比较常见的有：RGB模式、RGBA模式、CMYK模式、 位图模式、灰度模式、索引颜色模式、双色调模式和多通道模式。
计算机视觉的应用
计算机视觉是人工智能的眼睛。是未来自动化获取数据的主要渠道之一，也是处理数据的重 要工具之一。目前可以预想到的应用主要有如下：
无人驾驶 无人安防 人脸识别 文字识别 车辆车牌识别
以图搜图 VR/AR 3D重构 医学图像分析 无人机 more ……
计算机视觉是什么？
计算机视觉是一项研究如何让机器“看”的科学技术
是以光电传感器（摄像机、雷达等）和计算机为核心来模拟人类视觉的数字视觉系统 计算机利用光电传感器所采集的二维图像数据，建立三维或者高维真实世界 的模型，构建人工智能系统，可自行做出行为决策，或者辅助人类做出决策
摄像机
在实际应用当中，计算机视觉系统基本上都是通过不同种类的摄像机来获取数据，然后发送 给服务端（AI Server）进行处理，分类有： 监控摄像机（网络摄像机和模拟摄像机） 行业摄像机（超快动态摄像机、红外摄像机、热成像摄像机等） 智能摄像机 工业摄像机
源自文库
分辨率 每帧图片的分辨率 清晰度 平常看中，有不同清晰度，实际上就对应着不同的分辨率（每帧图像的分辨率） 视频编码 在网络视频流中，并不是把每一帧图片全部发送到客户端来展示，而是传输每一帧的差别数 据（IPB），客户端然后对其进行解析，最终补充每一帧完整图片
IPB帧 I帧：帧内编码帧（intra picture自身可以通过视频解压算法解压成一张单独的完整视频画面， 所以I帧去掉的是视频帧在空间维度上的冗余信息 。 P帧：前向预测编码帧（predictive-frame），需要参考其前面的一个I帧或者P帧来解码成一 张完整的视频画面 。 B帧：双向预测内插编码帧（bi-directional interpolated predictionframe），要参考其前 一个I帧或者P帧及其后面的一个P帧来生成一张完整的视频画面，所以P帧与B帧去掉的是视频 帧在时间维度上的冗余信息
CPU与GPU
绿色：计算单元 橙红色：存储单元 橙黄色：控制单元
Cache、Local Memory ： CPU > GPU Threads（线程数）：GPU > CPU Registers（寄存器）：GPU > CPU SIMD Unit（单指令多数据流）：GPU > CPU
CPU在设计上，低延迟，可是低吞吐量，CPU的ALU（算数运算单元）虽然少，可是很强大， 可以在很少的时钟周期内完成算数计算，或许数量少，就可以任性的减少时钟周期，所以其 频率非常高，能够达到1.532 ~ 3 （千兆，10的9次方）。 大缓存容量、复杂的逻辑控制单 元也可以减低延迟。
GPU在设计上，高延迟，可是高吞吐量。GPU的特点是有很多的ALU和很少的cache. 缓存 的目的不是保存后面需要访问的数据的，这点和CPU不同，而是为thread提高服务的。如果 有很多线程需要访问同一个相同的数据，缓存会合并这些访问，然后再去访问dram（因为 需要访问的数据保存在dram中而不是cache里面），获取数据后cache会转发这个数据给对 应的线程，这个时候是数据转发的角色。但是由于需要访问dram，自然会带来延时的问题。
视频的基本知识
原始视频 图片序列，视频中的每张有序图片被称为“帧(frame)”。压缩后的视频，会采取各种算法减 少数据的容量，其中ITUIPB就是最常见的。 码率 数据传输时单位时间传送的数据位数，通俗一点的理解就是取样率，单位时间取样率越大， 精度就越高，即分辨率越高 帧率 每秒传输的帧数，fps（有没有一种似曾相识的感觉~~~），全称为 frames per second， 我们看的电影帧率就是24fps，PAL（我国通用的电视视频制式）制式电视则为25fps