Tietokonenäköalgoritmit ovat matemaattisia malleja, jotka yrittävät auttaa tietokonetta tulkitsemaan kuvaa. Ihmiset tulkitsevat kuvia monilla monimutkaisilla tavoilla, joissa tietokoneiden todellinen kyky tulkita kuvia on äärimmäisen rajallinen jopa uusimmalla tekniikalla. Tietokonenäköalgoritmit auttavat myös edistymään tavoilla, joilla tietokoneet voivat saada tietynlaisia tietoja kuvasta.
Tietokonenäköalgoritmeja käyttävien insinöörien haasteena on, että visio perustuu sarjaan vähennyksiä, jotka liittyvät kuvan tuntemattomiin osiin. Tutkijat kutsuvat tätä “käänteiseksi ongelmaksi” ja sanovat, että vain monimutkaiset fysiikkaan perustuvat todennäköisyysmallit voivat auttaa tekniikkaa tulkitsemaan kuvaa perusteellisesti. Tutkijat käsittelevät tietokonenäön yleistä ongelmaa eri näkökulmista, mukaan lukien kolmiulotteinen mallinnus, kuvan osien tunnistaminen ja ennustava kuvamallinnus.
Laaja valikoima tietokonenäköalgoritmeja toimii eri tavoin. Jotkut niistä tunnistavat valokuvan tai kuvan tietyt osat. Osa tällaisesta tekniikasta johtaa uusiin kasvojentunnistusominaisuuksiin kameroissa tai turvalaitteissa.
Muunlaiset tietokonevisioalgoritmit yrittävät kaapata tietynlaisia tietoja kuvasta. Monia näistä käytetään nykyään vähittäiskaupassa, jossa kuvioiden tunnistaminen asiakirjoista voi olla hyödyllistä esimerkiksi tulostettujen viivakoodien ja vastaavien tunnisteiden analysoinnissa. Kolmiulotteisessa renderöinnissä ja simuloinnissa käytetään vielä muitakin tietokonenäköalgoritmeja.
Autoteollisuuteen liittyy myös aivan eri luokan tietokonenäköalgoritmeja. Jotkut näistä tarjoavat työkaluja, joita autoasiantuntijat kutsuvat “lisätyksi todellisuudeksi”. Uusimmissa ajoneuvotekniikoissa tietokoneet voivat auttaa ihmisiä tulkitsemaan edessä olevaa tietä ja välttämään tievaaroja tai jopa välittömiä törmäyksiä. Nämä tekniikat tukeutuvat usein myös tietokonenäköalgoritmeihin, jotka jäsentävät ajoneuvon ympärillä olevia visuaalisia tietoja ja toimittavat tulkitut tulokset kuljettajalle.
Ne, jotka opiskelevat tietokonenäköalgoritmeja, voivat usein oppia joistakin erilaisista algoritmeista, joita käytetään eri kuvatehtävissä. Yksi näistä on algoritmien käyttö “morfisoinnissa”, jossa yksi kuva muuttuu toiseksi. Toinen algoritmityyppi on moninäkymän rekonstruktio. Nämä erityyppiset algoritmit suorittavat tiettyjä tehtäviä niin kutsutussa kuvankäsittelyssä, jossa ihmiset ohjelmoivat tekniikoita tiettyjen tietojen kaappaamiseksi ja käsittelemiseksi tarkasti tai jopa fyysiseen toistamiseen 3D -tulostussovellusten avulla.