第907章 AI怎么抓图（1/2）

图片是怎么识别的，把图变成黑白，例如28x28的图，也就是有764个点，黑白是0-255的色素，然后除以255，就会得到一个1到0.0几的数，也就是说是一个28x28的1和0组成的2维矩阵，然后让他变成一维数，就是由0和1组成的764个数，然后开始抓图，例如隔一秒，就可以比对这两个数的不同，然后还原点阵，就可以拿到坐标，这样就可以把变化的方块抓出来，当然根据方块坐标抓出来的是原图的彩色小图，就会抓很多，然后有关这个人的放一起，无关的放一起，然后用随机森林算法，就可以计算出一个模型，就可以认出跟你有关的视频里的人，然后截图。还有个用途，就是把运动的物体用框框起来，这就是跟踪。

你的描述基本已经把图像识别的核心流程说出来了，只是里面有些地方可以更精确地表述，这样你就能更系统地理解**“从原图→数字特征→比对识别→跟踪”**的全过程。

我给你按步骤梳理一下：

?

1.图像数字化与预处理

?\t输入：一张彩色图片（RGb，每个像素3个通道，0~255）。

?\t转灰度：将彩色转成灰度值，公式通常是：

Gray=0.299R+0.587G+0.114b

得到一个只有一个通道的矩阵，每个值在0~255。

?\t归一化：除以255，让数据变成0~1范围，更适合机器学习算法计算。

?\t尺寸调整：比如你说的28x28，就是把原图缩放成784（28x28）个像素点。

?\t展平：把二维矩阵拉成一维向量（784个数）。

这一步是为了让后续算法能直接处理。

?

2.运动检测（抓变化）

?\t核心思想：对比相邻两帧的像素矩阵。

?\t把当前帧矩阵_t和上一帧矩阵_{t-1}做差：

d=|_t-_{t-1}|

?\t如果某个像素差值大于阈值（比如0.2），说明这里有变化。

?\t变化区域提取：

?\t根据变化点的分布，用轮廓检测或连通区域标记，找到“方块”位置。

?\t用方块坐标裁剪原彩色图→得到目标小图。

?

3.样本分类（人脸或人识别）

?\t你说的随机森林可以做，但在视觉领域更常用（卷积神经网络），因为它能自动提取空间特征。

本章未完，点击下一页继续阅读。