我的AI學習歷程(一)：瞭解相機

寫在前面：

11月中旬換了一份新工作，面向全新的名詞“人工智慧”，有挑戰性，決定幹了。

首先，在我的印象中，AI的場景就是下圖的樣式。兩眼一摸黑...

再次，也聽說AI分行業，有音訊、視訊、機器人等。一頭霧水...

最後，學了AI有前景嗎。心不在焉...

言歸正傳，混口飯吃，用到啥就學啥。

在網上瀏覽AI的相關資訊有兩週時間了，結合工作性質，決定製定以下的學習目標，以爭取一個月脫離小白，並記錄學習歷程，自勵自勉！

影像視訊 - 相機 - 視訊流 - 影像訊號處理的入門知識

神經網路 - 種類、工作流程 - 深度學習 - AI演算法 、訓練模型、推理場景 - 搭建開發環境 - 應用部署。

 

因為涉及影像視訊的，還是先易後難吧。

1. 相機&攝像機的基本應用是拍照與拍視訊。現在依據用途與應用場景，又被細分很多很多的新名詞，我先找找資訊再歸納：

    >>按功能：單反相機、微單相機、雙反相機、數位相機、運動相機、工業相機、網路相機、拍立得相機等等。

    >>按成像介質：膠片機機、數位相機、寶麗來相機等等。

    >>按外觀結構：平視取景相機、單反相機、雙反相機等等。

    >>按快門形式：機械快門、電子快門、電磁快門等。機械快門又有鏡頭快門、鏡間快門、鏡後快門、光圈快門、反光鏡快門、焦平面快門等等。

    >>按焦矩視野：定焦、變焦、雙焦、長焦、廣角、魚眼等等。

    >>按鏡頭數量：單攝、雙攝、三攝等等。

2. 這麼多的新名詞，眼花撩亂中。繼續找數位相機的結構和成像原理的資訊。

    結構組成：鏡頭、光圈、快門、取景器、濾光器、感光元件/模組、影像處理器、影像儲存器等等。

    這些結構名字的功能說明，繼續百度....，突然感覺挺費時間的，丟在一邊。 

     看看，相機的成像原理，原來涉及小孔成像、凸透鏡成像哇，又重溫了下初中知識...。

    再看，相機的顯像原理。通過能起光化學反應，經（顯、定）處理能形成影像的材料進行顯影、定影和影像。這個又跟材料相關了，且又有感光顯像、數字顯像之分。

感光顯像涉及感光材料，過了一遍發展史...。 

3. 重點，影像訊號處理ISP，又是一臉懵圈。先看看ISP在數位相機流程圖的位置，再一個點一個點找資訊吧。

>> 流程圖： 景物 --> 鏡頭 --> 感測器 （光訊號 -> 模擬電訊號 -> 數字訊號） --> ISP --> 輸出 --> 儲存

ISP可以看成一個黑盒子，可內建，也可外接。通常經感測器端獲取RAW訊號轉成YUV原始碼流，再經ISP壓縮處理後輸出的H.264/H.265/MPEG4/RGB等編碼流。

    >> RAW格式

        最原始的影像格式，分RAW8、RAW10、RAW12，表示一個像表點佔用8位、10位、12位。常見的RAW10。

    >> YUV格式

        Y表示明亮度，UV都表示色度。取樣方式有三種：YUV444，YUV422，YUV420。儲存方式有平面格式（Planar）和打包格式（Packed）。

    >> RGB

        R表示紅，G表示綠，B表示藍。常見格式有：RGB565，RGB555，RGB34，RGB32，ARGB32。分16位、24位和32位。

    >> H.264，略過

    >> H.265，略過

    >> MPEG4，略過