一、机器"看见"和人类看见，完全是两回事
"小陈，你看到这张照片，能说出：这是云间书店的收银台，站着一个店员，后面书架上是书。"老周拿着一张照片说，"但你知道摄像头'看到'的是什么吗？"
"……画面？"
"错。摄像头看到的，只是一堆数字。 比如一个 1920×1080 的照片，就是 1920×1080 个像素，每个像素是三个数字（红、绿、蓝的亮度值）。"
机器眼中的一张图：
[ [ (245, 23, 12), (250, 20, 10), ... ],
[ (247, 21, 15), (249, 22, 11), ... ],
... 200 万个像素 ...
]
→ 在机器眼里，图 = 一个巨大的数字数组
→ "看懂"图 = 从这些数字里找出"语义"
（这是人、这是书、这是收银台……）
"计算机视觉（Computer Vision）的定义：让计算机从图像/视频中'理解'内容的技术。 人类看一张图，瞬间就知道'这是什么、在哪、在干什么'——但这个能力，让机器做到，难了几十年。"
二、为什么难：一个"一眼就会，但写不出来"的能力
"小陈，如果让你写程序：'判断照片里有没有猫'，你会怎么写？"老周问。
小陈想了想："……判断有没有猫？检查有没有尖耳朵？有没有胡子？呃，猫的颜色有很多种，姿势也千变万化……"
"这就对了。"老周说，"这就是计算机视觉难的地方：'猫'这个概念，没有固定公式。 白猫黑猫、趴着跑着、正面侧面、光线明暗……变化无穷。传统程序写规则，根本写不完。"
为什么"看见"难：
① 类内差异大：所有"猫"长得都不一样（姿势/颜色/角度）
② 环境变化多：光线、遮挡、模糊、噪声
③ 语义无公式："猫"、"书"这种概念，无法用几条 if 定义
④ 尺度问题：近处的大猫、远处的小猫，都是猫
人类解决这个问题靠：亿万年的进化（大脑视觉皮层）
机器解决这个问题靠：深度学习（让机器从大量样本里自己学）
一句话：
传统编程 = 人告诉机器"规则"（猫有胡子？）
机器学习 = 人给机器"样本"（这是猫/这不是猫）
深度学习 = 机器自己从样本中学出"特征"
"计算机视觉的本质，是'从像素到语义'的跨越——跨越的桥梁，早期靠人工设计的特征（第三、四章），现在靠深度神经网络（第六到八章）。"
三、计算机视觉的三大任务：分类、检测、分割
"视觉任务千千万，但核心就三大类。"老周画：
视觉三大核心任务：
① 图像分类（Classification）：这张图"是什么"？
[整张图] → "这是猫"
应用：拍照搜书（整张封面 → 书名）、垃圾图识别
② 目标检测（Detection）：图里"有什么、在哪"？
[图] → 框出每个目标 + 类别 + 位置
"这里有一只猫(框)、那里有一个人(框)"
应用：客流统计（数人+定位）、货架识别
③ 图像分割（Segmentation）：每个像素"属于什么"？
[图] → 每个像素标类别（人/背景/书架）
应用：把书架从背景"抠"出来、医学影像
进阶任务：
人脸识别（是谁）、OCR（是什么字）、
目标跟踪（它在哪、往哪走）、动作识别（在做什么）、
图像生成/编辑（AIGC，第十二章顺带讲）
"云间书店的四个需求，正好对应不同任务： 拍照搜书→图像分类；客流统计→目标检测；快递单识别→OCR；会员刷脸→人脸识别。每个任务，后面都有对应的技术栈，咱们一章一章爬。"
四、计算机视觉的"历史路线图"
"咱们这一季的章节顺序，其实就是视觉技术的历史演进。"老周画：
计算机视觉发展史（= 本课程路线）：
1960s-70s：早期图像处理（滤波/边缘）→ 第二章、第三章
1980s-90s：特征工程（SIFT/角点）→ 第四章
2000s-10s：机器学习视觉（HOG+SVM）→ 第五章
2012 起：深度学习爆发（AlexNet）→ 第六、七章
2015 起：目标检测/分割成熟（YOLO/Mask R-CNN）→ 第八、九章
2015 起：人脸/OCR 产品化 → 第十章
近年：视频理解、AIGC 生成 → 第十一章、终章
重要转折点：
2012 年 AlexNet 在 ImageNet 大赛碾压式夺冠
→ 深度学习开始统治计算机视觉
之前：人设计特征（手工特征工程）
之后：机器自己学特征（端到端学习）
"记住 2012 这个分水岭——之前靠'人想特征'，之后靠'机器学特征'。咱们课程也按这个顺序讲：先懂'人想特征'的经典方法（理解原理），再学'机器学特征'的现代方法（实战必备）。"
五、计算机视觉的应用全景
"最后看看视觉在真实世界都在干什么，建立全局观。"老周列出：
计算机视觉应用全景：
消费领域：人脸解锁、美颜滤镜、拍照识物、AR
电商零售：拍照搜商品、货架识别、客流统计
安防监控：人脸识别、行为检测、车牌识别
自动驾驶：车道线、行人检测、障碍物识别（视觉是核心）
医疗健康：CT/MRI 影像分析、细胞识别
工业质检：缺陷检测、尺寸测量
农业：作物识别、病虫害检测
内容创作：AIGC（文生图、图生图）、视频编辑
市场规模：视觉是 AI 最大落地场景之一
云间书店的应用：客流/搜书/OCR/刷脸（小而美的落地）
"视觉已经无处不在——你手机的人脸解锁、拍题搜答案、扫码识别，全是它在背后工作。云间书店的'智慧之眼'，就是一次小而完整的落地实践。"
六、章末：老周的第一章总结
根：为什么需要计算机视觉？
├── 机器"看见"= 读一堆数字（像素数组）
├── 难点：语义无公式（"猫"没法用 if 定义）
├── 人类靠进化，机器靠深度学习
├── 三大任务：分类（是什么）/ 检测（在哪）/ 分割（像素属于谁）
├── 演进：特征工程 → 机器学习 → 深度学习（2012 分水岭）
└── 应用：消费/零售/安防/自动驾驶/医疗/工业/AIGC
第二层（预告）：图像基础 —— 一张照片在电脑里到底是什么
"小陈，现在你知道'让机器看见'是怎么回事了——本质是'从像素数组里提取语义'。"老周合上白板笔，"下一章，我们正式开始动手：图像基础与 OpenCV。先搞明白'一张照片在电脑里到底是什么'，再学会用 OpenCV 读图、改图——这是视觉开发的第一块积木。"