人工智能基础（六）

这几天，又把这一节反复看了几遍，深入理解后，我尽量用我自己的话，把这一节的内容组织复述一下。

第三章 识图认物

3.1 基于手工特征的图像分类

一，分类任务包含两个核心步骤：

特征提取与特征分类。

二，计算机眼中的图像

计算机要提取图像特征，必须先要知道计算机眼中的图像是什么？是数字。

我这里补充个小知识，我们用的数码相机技术从何而来？上世纪美国航天局向外太空发射了人类的第一台光学天文望远镜——哈勃望远镜。当时的照相技术还停留在胶片技术上，那时柯达胶片卖的可火了！但哈勃在地球轨道上，人不可能每次都上去取底片吧，于是，就发明了数码相机，把照片变成数字信息，通过无线电传输下来。

我们常听人们说，你的相机是多少像素的？这是什么意思。比如这台相机是600万像素（30*20）。这代表照片是由30万行和20万列的点（小色块）组成。

每一张照片都是一个三阶张量——立方体排列的数字列阵。如（x,y,z），x表示行，y表示列，z表示色彩。如果是黑白照片，用0表示黑，用255表示白，数字介于0到255之间代表不同亮度的灰色。

如果是彩色的，则z是用三个数字组成的向量表示的，由三原色原理——红，绿，蓝可以调出所有颜色。

（255，0，0）代表纯红色，（135，206，255）代表天蓝色。

三阶张量的长（x）和宽（y）代表照片的分辨率，高度（z）代表色彩，如果z是由三个数字组成，则称高度为3，就是彩照，如果是一个数字，则称高度为1，就是黑白照。高度也称为通道，彩色图像有3个通道，黑白图像只有一个通道。

三，图像特征概述

提取图像的特征——有没有翅膀和眼睛，就要分辨图像的边界，要区分特征的边界，就要用到一种运算——卷积运算。

四，卷积运算

我们先来回顾向量的内积（数量积）运算。内积运算的结果是数量，不是向量。内积的口诀是对应乘积的和。

卷积运算的结果是向量，不是数量。我们先来看一阶的卷积。

用短向量（1，2，3）和长向量的前部分（5，4，3）做内积运算得22。短向量向下滑动一位，用短向量（1，2，3）和长向量的中间部分（4，3，2）做内积得16。短向量再向下滑动一位和长向量的后一部分做内积得10。这样卷积得到向量（22，16，10）。

二阶的矩阵的卷积

对应乘积的和。

小矩阵不断纵横滑动做卷积运算得到新矩阵。

五，卷积提取图像特征

利用卷积运算提取图像的特征，关键是图像的边缘特征。我们用一个小矩阵也称为卷积核。

提取列边界的卷积核，列的数字是正1，0，负1，泾渭分明。

提取行边界的卷积核，行的数字是正1，0，负1，天壤之别。

经过卷积运算后，在边界的数字只差被放大了。

在此基础上，我们再经过画出方向梯度直方图，这样就提取出了图像的特征。