之前的专栏「自律走行」键盘摄影系列文章中，介绍了作为一名新手，使用相机拍一张照片时需要了解的一些摄影基础知识，当然还要更多关于构图，相机预设的模式等等实际操作时遇到的问题，和拍摄时的经验等等完全没有提及，所以我称之为「键盘摄影」（笑

但作为一名搞自动驾驶的算法工程师，怎能止步于在使用相机传感器时知道摄影的基本概念就可以了呢！我当然会疑惑相机是如何对焦的？它又是如何自动曝光的？它的自动白平衡又是怎么做的？当这些关于相机算法的一系列问题从我的脑海中冒出时，我发现，我已经站在了计算摄影的大门口。

戳>>「键盘摄影」系列文章，后续想到了什么会再更新！

苹果 iPhone 11 发布会上，苹果高级副总裁 Phil Schiller 将新 iPhone 的相机称呼为

「It is computational photography mad-science. 」

这是一场计算摄影的疯狂科学实践。

而在撰写以上系列文章，尤其是 键盘摄影（七）——深入理解图像信号处理器 ISP 时，我更切身地意识到：「计算摄影」正在改变传统摄影器材，奠基新的摄影技术，进而影响摄影艺术——它是我们看得见的未来。（当然计算摄影首推 Google ！Pixel 才是这个行业的老大哥！）

所以在接下来的文章中主要会去探讨计算摄影的相关话题，不仅仅是相机内部的算法，也会探(现)讨(学)如何利用算法来处理图像，比如相机的去噪，模糊图像的恢复等等（开始挖坑）。主要关注点会是如何利用算法去解决摄影中切实的问题，而不只是传统的图像处理，以及我对计算摄影框架性的理解，不会追最新 paper，会努力在看一类问题时查一查前沿技术是怎么解决这类问题的，可能会有一些公式推导和代码。

而关于计算机视觉中的多视图几何，三维重建， SLAM，我的专业方面的东西，会在我重啃 MVG 时另开新坑来写（滑稽），只希望大家轻喷。

目前关于计算摄影的中文资料也比较少，这里也先贴一些与之有关的链接：

期待您的点赞和关注！