Computer Vision 電腦視覺是什麼？讓機器不只看到，還要看懂

手機相簿會自動把你朋友的照片歸成一類，過收費站不用停車就自動辨識車牌，這些背後都是同一項技術。

電腦視覺處理的是「看」這件事。它讓機器從一堆像素裡，讀出人類一眼就懂的資訊。

定義

Computer Vision 簡稱 CV，中文叫電腦視覺，是讓電腦能夠看懂和理解圖片、影片內容的技術。

它是 AI 的一個重要分支，透過影像處理與深度學習模型，讓電腦從像素中擷取資訊、辨識物體、理解場景，進而做出判斷或決策。

運作流程

1. 輸入影像，把圖片或影片送進系統
2. 影像前處理，調整大小、去噪、色彩轉換，讓影像更適合模型處理
3. 特徵擷取，使用深度學習模型擷取影像中的重要特徵
4. 理解與預測，根據特徵進行分析，辨識物體、分類影像、偵測位置或理解場景
5. 輸出結果，回傳辨識結果或標註資訊

常見任務

實際用例

智慧醫療用它做影像檢測、病灶偵測與輔助診斷；自動駕駛用它做環境感知、物體偵測與車道辨識；智慧安防用它做影像監控、人臉辨識與異常行為偵測。

零售與製造用它做商品辨識、瑕疵檢測與庫存管理；生活應用則更貼身，濾鏡特效、拍照辨識、擴增實境與以圖搜圖都算。

常見技術與模型

卷積神經網路擅長擷取影像特徵，是電腦視覺的基礎架構。物件偵測模型追求即時與速度，影像分割模型做像素級分類，常用於醫療與自動駕駛。

近年的視覺變換模型結合了 Transformer 架構，強化理解與泛化能力，也讓影像可以跟文字放進同一套 Embedding 語意向量 空間，做到以文找圖。經典的開源影像處理函式庫 OpenCV 則仍是很多專案的基本工具。