如果突然有人问你，计算机视觉是什么？肯定会脑袋一片空白。或者你是外行，想了解一下这几个字到底什么意思。我们可以先转化一个思路，计算机视觉能干什么。

1. 简单的条形码识别
2. 人脸拍照更清晰
3. 美艳和人脸特效
4. 图像风格化
5. 物理三维空间重建
6. 物体识别
7. 自动驾驶中行人识别跟踪，车道线检测，交通标志识别
8. 充当机器人的眼睛进行抓取 等等。

         计算机视觉是计算机科学的一个领域。我们努力指导计算机如何“看东西”，这种“看”可以是理解场景，重构3D对象，识别物体，避开障碍，帮盲人指路，这其中利用了机器学习技术，同时还利用了几何学和应用数学。

         人类视觉系统和计算机视觉系统，有何区别。在计算机看来，图像其实只是一列数字，如果是颜色的，则是三列数字。这些像素本身对计算机而言，毫无意义。计算机需要进行解读，确定他们到底是什么，一般而言，解读的方式分为四种，对象识别方面的工作量非常大，比如一张照片，所有的对象都在什么位置，他们是什么，在宽泛的层面上，这个问题已经快要解决了，比方说，现在可以识别出这是一棵树，但不能判读出具体是哪种树，要实现这种程度的识别还是有些棘手的，另一个方向是物理重构，比如拍摄了一张照片某些东西的，所有对象的二位形状是什么，就算拍了全景图，他的数据仍然是二维的，但如果使用算法对这些数据进行处理，将图像之间的特征点进行匹配，就获得三维图像。配准有点像，模型跟踪或者对齐，如果你有一辆自动驾驶汽车，希望跟踪行人和车道标线，就可以采用这种方法。一个更贴近日常生活的例子，就是自拍镜头。最后是重组，非监督式学习，孩子在没人讲解的地方,他们是怎么在没人讲解的一切情况下，学着去认识这个世界呢，一直以来计算机视觉模型的训练方式，都是大量添加了标签的数据，非监督式学习的目标是。只将数据提供给计算机，然后由计算机以某种有意义的方式，对数据进行重组，，为了体验，计算机可以捡东西，背后是研究人员给他设定的规则，让他能捡起来某个特定的东西，但是计算机后来可以捡东西，用的一种隐晦的方式，计算机视觉技术，当机器人看到东西，也不会尝试识别出这是苹果，她只会使用图像来抓取东西，我们不会确切的告诉他如何处理该图像。

           其实计算机研究人员也不知道计算机是如何看东西的，就像点金术和化学，先有了点金术然后有了化学，目前，我们就处于计算机视觉领域的点金术阶段，虽然有些地方在用，但我们还不太明白 。