# 5.2 计算机视觉 (Computer Vision)
> “Just like to hear is the not the same as to listen.To take pictures is not the same as to see.” by computer vision professor Fei-Fei Li
>
> 「听到不等于听懂，看到不等于看懂」——李飞飞，计算机视觉教授
## 5.2.1 颜色跟踪算法
参见 [3.3.1 节位图的相关说明](https://cccs.viyi.cc/3-cao-zuo-xi-tong/3.3-wen-jian-xi-tong-files-file-systems#wei-tu-bitmap)，我们知道单个像素是由 “红、绿、蓝” 三原色组成的，三种颜色的组合 RGB 值可以定义一个像素的颜色。而最简单的计算机视觉算法是一种 “颜色跟踪算法” (color marker tracking and similar algorithms)。
首先记录单色物体的最中心像素 RGB 值，如粉球中心点像素。为使得程序找到输入图片中最接近该 RGB 值颜色的像素，算法会按序 (如左上始) 逐个检查像素计算于目标颜色的差异。遍历后最接近目标值的像素位置，可能就是所要找的物品 (粉球)。
根据这个思路，可以为视频的每一帧图片都跑一次算法，从而跟踪粉球的位置。其缺陷在于因为光线、阴影等干扰会使得粉球的颜色有所变化，而与所存储的原始粉球 RGB 值不一致。再加上环境中可能存在其他颜色相近的物品，也会对该算法的识别准确率产生影响。
因此颜色跟踪算法的使用环境的控制要求较高，且只适用于单个像素的搜索而无法匹配占有多个像素的特征。
## 5.2.2 核 (kernel)
当我们需要识别类似于物体边缘 (由多个像素组成) 时，需要采用能够按块处理像素的算法。简化颜色以灰度图片为例进行说明，易得边缘处存在垂直变化，故设定 “某像素是垂直边缘的可能性，取决于左右两边像素的颜色差异程度” 的判断规则。
算法在本例中不仅处理单个像素，而是处理某像素和左右两边的像素这一小区域 (small regions) ，称该区域为「块」(patches)。
判断规则——色差越大越可能是边缘——的数学表达，称为「核」(kernel) 或是「过滤器」(filter) 。
“核” 内的值 (数字) 用于对块做像素乘法，其总和用于存储更新中心像素的值。这种将 “核” 用于像素块的操作方式，称为「卷积」(convolution)。
将这个 “核” 用于照片中的每个像素，处理后的结果会突出垂直边缘的像素值，如下图所示。若想突出水平边缘的特征，则需要使用不同的 “核” 再做进一步的处理。
这两个用于边缘增强的 “核” 称为「Prewitt 算子」(Prewitt Operators)，以发明者的名字命名。
