关于计算机视觉教程第二的问题，小编就整理了3个相关介绍计算机视觉教程第二的解答，让我们一起看看吧。
如何学习《计算机视觉？学习计算机视觉需要具备的知识储备有：
1、图像处理的知识。图像处理大致包括的内容：光学成像基础、颜色、滤波器、局部图像特征、图像纹理、图像配等。
2、立体视觉的知识。立体视觉大致包括的内容：相机几何模型、双目视觉、从运动中恢复物体结构、三维重建技术等。
3、人工智能的知识。人工智能大致包括的内容：场景理解与分析、模式识别、图像搜索、数据挖掘、深度学习等。
4、与计算机视觉相关的学科还有：机器视觉、数字图像处理、医学成像、摄影测量、传感器等。
怎样利用计算机视觉测量物体距离？测量物体的距离有两类，一类是测量单个物体到摄像机的距离，这类问题需要使用双目摄像机，通过两台摄像机拍摄图像的视觉差来计算物理到摄像机的距离。
第二类是通过摄像机测定图像中两个物体的距离，这类问题需要预先知道两个物体各自到摄像机的距离，然后通过两个物体之间在计算机上成像的像素距离算出两个物体的实际屋里距离。
计算机视觉什么是直线段？直线段是计算机视觉中常用的一种中层符号表示。将对应于同一实际目标结构的那些直线段组织在一起 ,不但可减少符号数量 ,还可利用符号之间的内在关系来纠正一部分错误。
根据人类视觉感知组织的规律 ,研究了利用直线段之间的邻近、共线、交会、平行及对称等非偶然特性实现编组的方法。
该方法利用多特征融合的手段处理多个证据 ,并用信任函数表示各编组特征对连接、对称或交会等命题的支持程度 ,没有设置任何固定门限。
对仿真图像与室外真实图像的实验显示了该算法的良好效果。
到此，以上就是小编对于计算机视觉教程第二的问题就介绍到这了，希望介绍计算机视觉教程第二的3点解答对大家有用。
