学完高等数学可以做哪些有意思的事情？

本回答为王小龙同学在超级数学建模上的投稿内容。

大兄弟，单纯读高等数学肯定没意思啦，重点是要用起来。

你随意找一个方向，左手捧一套高数，右手捧一台电脑，一头扎下去。

相信都能找到无数可以摆弄的事情。

一、图形学

图形学的目标是创造一个真实的三维场景供你在里面漫游，它是所有三维游戏的基础。它的原理很简单，在一个空间里放上三角形、箱子、机器人或云，摆好摄像头，放置光源，然后计算摄像头应该看到什么，把结果显示在电脑屏幕上。不仅是静态的成像，动态的物理过程也可以实现，比如雾、碰撞、重力等等。

二、图像处理

很多图像应用都需要对图像进行必要地预处理，如去噪、融合、分割、去雾、去模糊、视频去抖动等等，这个领域非常广泛，有大量模型和理论支撑。各位常用的Photoshop和美图秀秀里面成百上千的滤镜，可以说每一个背后都有一个数学模型。

经过分割后，图像被过度分割成了很多小块，这时就可以用模式识别的算法把属于同一类的小块们再合在一起。利用分割+分类的算法，可以把三维CT图像中的骨头全自动剔除。

CT图像去骨的结果

三、计算机视觉

计算机视觉的目标是理解摄像机拍摄的图像，它的研究范围极其广泛，比如人脸识别、文字识别、目标追踪等等。在此介绍这一领域几个重要的方向。大家都知道图像是二维的，而真实世界是三维的，上面介绍的图形学的原理是预先建一个三维场景然后研究摄像头看到的图像是什么样子，计算机视觉的野心则大得多：给你几幅二维图像，还原三维场景是什么。

一幅图像与测量

拿到一幅图像，可以获得平行关系，测量图像中不同物体的长度比值。

四、模式识别

模式识别研究输入和输出的关系，比如给你一系列病人的体征和谁有病谁没病，模式识别需要找一个模型建立体征和是否有病之间的函数关系。在图像处理、计算机视觉、医疗、生物、社会学中具有非常广泛的应用。在The Elements of Statistical Learning的第一章里提出了四个典型问题：

• 垃圾邮件和正常邮件的区分

• 前列腺癌症确诊

• 数字手写字符识别

• DNA序列和性状的关系

模式识别把这些具体问题背后共同的模式抽象出来，集中精力研究什么样的特征判别能力更强以及什么样的模型正确分类效率高。

五、综合应用

当你掌握的知识和技能足够多了，就可以做一些需要很多环节的大项目，随便举几个例子：

1. 在你家门口摆一台摄像机，自动识别和记录身高在1米7到1米8之间、身材姣好、长发、爱笑的女生的一举一动。一旦记录到一个符合要求的女生，将她加入数据库，以后单独更新，不同女生之间不能搞混。

2. 买一个机器人（带轱辘能自由移动并且安有摄像头的电脑），让它自己漫游探测环境，建立三维地图，搞清楚自己在哪，这也是计算机视觉中的一个已经理论上完美解决的重要问题：即时定位与地图构建 (Simultaneous localization and mapping, SLAM)。

3. 做一架飞机，它的功能是无论谁在追它都尽量甩掉；做一枚导弹，它的功能是尽量追上飞机，或者在附近爆炸；再做一个酷炫的供军区司令观赏的三维场景显示环境，把一些飞机和导弹放进去追着打去吧。

理性派，用数学完成你想做的一切，Fellow me！