第一章是引言部分，简单的做一下笔记，记录一些学习的心得体会，日后回头在复习的话也会有一些新的体会。

      计算机视觉目的是是一种电子化的感知和理解图像。我们都知道人的视觉系统是十分复杂的，可以根据光照强弱，明暗颜色等各种特征对我们周围的物体加以识别和区分，但是电脑却不可以。因为图像一般是以数字矩阵的形式存在的，下图就是电脑眼中的世界和我们眼中的世界有着明显的不同。　　  　　  　　　　　　　　　　       

　　而学习计算机视觉的目的就是帮助电脑去理解图像，全局性地去提取图像中的信息。计算机视觉技术可以分为低级和高级两种，低级计算机视觉所处理的对象是图像本身，表现为亮度数值所构成的矩阵，对图像进行预处理，增强一些与理解图像有关的物体特征等。所提取出的线索供高层计算机视觉使用，高层数据通常表达为符号形式。

　　迄今为止还未解决的一个复杂问题：如何在完成特定任务时安排低层操作步骤？

　　几个比较重要的概念

1、         启发式（heuristic）启发式的解法是不确定的方法，即好的解但不是最优的解也是可以满足实际需求的

2、         先验知识（a priori knowlege）在分析问题之前我们可以通过已知的一些知识来减少算法或任务的复杂度。

3、         语法（syntactic）、语义（semantic）——语法是从符号生成公式的规则，而语义关注的是对公式的理解。

 　　启发式广泛使用的领域：

　　【组合优化问题】找到一组离散变量，使得给定的目标函数值最大或最小。距离：最短路径问题、运送货物最小成本计划、任务最优分配方法、互联网中数据包的最优传输策略、生产线上的最优化工序等等。

　　【P问题（polynomial problem）】在确定型自动机上具有多项式时间算法的问题。

　　【NP（non-deterministic polynomial）问题】在非确定型自动机上可用多项式时间算法求解的问题。（可以在多项式时间内验证一个解是否正确的问题）

　　【NP难问题】NP类的任何一个问题都可以多项式时间规约到某一个问题，则该问题是NP难的（不一定是NP问题）。

　　【NPC（np complete）问题】如果一个问题既是NP又是NP难的，则称该问题是NP完全的。

参考文献：http://wenku.baidu.com/link?url=qGJKQHp08SuM56x7pVjB3A925oLPYcpIjzRx6qSNI05hOvURF1-YrltyzS4dcCmLKQNOadJCIA5ys90sG1RLQpid8pqNQeXlQZUqLj0QIgC

图像处理分析与机器视觉【第一章】