計算機視覺(CV)算法是一種使用計算機和數學算法來解決視覺問題的學科。這類算法通常用於處理和分析數字圖像和視頻，以便從中提取信息和理解視覺場景。CV算法可以分為不同的類型，包括圖像處理、特徵提取、目標檢測、目標跟蹤、圖像分割和深度學習等。它們在視覺問題中的套用包括圖像分類、目標檢測或場景分割等。例如，在圖像分類中，算法可能輸出類別機率；在目標檢測中，可能會輸出類別、置信度和預測框。
CV算法通常有一些可調整的參數，用於對不同的圖像和場景進行調整和最佳化。例如，在目標檢測中，非極大值抑制(NMS)作為一種後處理技術，用於去除重複區域，而如何設定閾值是關鍵。了解這些參數以及它們如何影響算法的輸出是理解CV算法的重要一步。
評估指標在不同的CV任務中通常是不同的。例如，在圖像分類中，準確度是一個重要的指標；而在目標檢測中，精確度和召回率更為重要。這些指標幫助我們了解算法的性能和準確度。
此外，學習和使用開源框架對於實踐和理解CV算法的內部工作原理非常重要。一些流行的深度學習框架，如TensorFlow、PyTorch，以及專門提供CV接口的OpenCV，都可以幫助實現和套用CV算法。