图像处理在计算机中的发展是?

图像处理、计算机图形学和计算机视觉中的许多问题可被视为将输入图像“转换”为相应的输出图像。正如可以用英语或法语表达概念一样，可以将场景渲染为RGB图像、渐变场、边缘图、语义标签图等。类似于自动语言翻译，我们把该问题定义为图像到图像的自动转换，即在给定足够的训练数据的情况下，将场景的一种可能表示转换为另一种的表示(参见图1)。传统上，尽管事实是处理的相同的任务：根据像素预测像素，但每个任务都是由单独的专用网络(例如[14、23、18、8、10、50、30、36、16、55、58])，本文的目标是为所有这些问题开发一个通用框架。

社区已经朝这个方向迈出了重要的一步，卷积神经网络(CNN)成为了各种图像预测问题背后的常见主力军。 CNN学会了最小化损失函数-一个对结果质量进行评分的目标-尽管学习过程是自动的，但仍然需要大量的人工来设计有效的损失。换句话说，我们仍然必须告诉CNN我们希望将什么做最小化。但是，就像迈达斯国王一样，我们必须小心自己想要的东西!如果我们采取一种简单的方法，并要求CNN最小化预测像素和基准真实像素之间的欧几里得距离，它将倾向于产生模糊的结果[40，58]。这是因为通过对所有可能的输出求平均来最小化欧几里得距离，这会导致模糊。提出迫使CNN做我们真正想要的事情的损失函数(例如，输出清晰逼真的图像)是一个悬而未决的问题，通常需要专家知识。

《图像处理》内容简介

《图像处理》内容简介：图像信息处理是一个多阶段、多途径、多目标的信息处理过程。本册书深入系统地阐述和论证了图像信息处理中共性的和基础性的知识，以及有关前端的处理理论、方法和技术。《图像处理》涉及关于图像信息处理的概述，有关的数学知识，视觉知识，图像的数学描述，图像的数字化，图像变换，图像增强，图像恢复等内容。某些章节介绍的技术内容既可以作为独立的技术，产生用户所需的输出，满足用户的需求，也可以是后续的某些信息处理的预处理。