📝 更新计算机视觉文档，增加混合方向和算法介绍

- 在计算机视觉章节中新增了关于视觉与自然语言处理、运动控制、生物医学、三维重建等混合方向的应用场景和核心技术的详细说明。
- 删除了冗余的闲来无事和ROS 2相关文档，优化了文档结构。
- 更新了算法指路部分，增加了HDR、全景拼接、对象检测、跟踪、人体检测等算法的应用场景和技术细节，提升了文档的实用性和可读性。

Author: jiangyangcreate

blog/2025-7-30.md

@@ -5,6 +5,15 @@ title: 计算机视觉
 
 计算机视觉（Computer Vision）是人工智能的一个重要分支，它研究如何让计算机“看”和“理解”图像和视频。也叫机器视觉（Machine Vision）。
 
+除了纯视觉方向外，还有有很多令人兴奋的混合方向！
+
+| 混合方向 | 应用场景 | 核心技术 | 典型案例 |
+|---------|---------|---------|---------|
+| **视觉 + 自然语言处理** | 图像描述生成、视觉问答、多模态搜索 | Vision Transformer、CLIP、GPT-4V、LLaVA | ChatGPT视觉功能、Google Lens、图片搜索 |
+| **视觉 + 运动控制** | 自动驾驶、机器人导航、无人机飞行控制 | SLAM、视觉里程计、路径规划 | 特斯拉FSD、波士顿动力机器人、大疆无人机 |
+| **视觉 + 生物医学** | 疾病诊断、手术导航、药物发现 | CT/MRI图像分析、病理切片分析、三维重建 | 肺结节检测、皮肤癌诊断、眼底病变分析 |
+| **视觉 + 三维重建** | 建筑建模、文物保护、虚拟旅游 | 立体视觉、结构光、NeRF、3D Gaussian Splatting | iPhone激光雷达、Matterport 3D扫描 |
+
 早在深度学习之前，人们就开始探索图像的处理了，OpenCV 诞生于深度学习之前，是功能最全面的开源库。它提供了从最基础的图像读写、处理到复杂的特征匹配、目标跟踪、校准等一系列工具。其核心优势在于传统的计算机视觉算法，如图像处理、滤波、形态学操作等。
 
 它向前承接传统以数组为单位的图像处理，向后允许你加载一些现成的算法、模型，是传统图像处理与深度学习之间重要的桥梁。
@@ -1152,24 +1161,52 @@ cv2.destroyAllWindows()
 
 ## 算法指路
 
+下面是Opencv常用的算法，每个算法都比较复杂且可能随时间变化出现新的算法，因此随用随学即可。
+
 ### HDR
 
+HDR（高动态范围）技术主要应用于摄影、监控系统和医学影像中，通过多次曝光融合提升图像细节表现。
+
 HDR 是一种图像处理技术，用于提高图像的动态范围，使得图像中的高光和阴影细节更加清晰。给定多张不同曝光的图像，通过算法将这些图像融合成一张高动态范围的图像。
 
 ### 全景拼接
 
+全景拼接技术广泛应用于虚拟旅游、房地产展示、地图服务和VR/AR场景构建中。
+
 可以实现多张图片的拼接，形成一张完整的全景图。支持拼接为环形
 
 ### 对象检测
 
+对象检测算法主要用于自动驾驶、安防监控、零售分析、医疗诊断和工业质检等领域。
+
 ### 对象跟踪
 
+对象跟踪技术应用于视频监控、体感交互、体育分析、无人机导航和增强现实等场景。
+
 ### 人体检测
 
+人体检测算法广泛应用于智能安防、客流统计、健身应用、体感游戏和自动驾驶系统中。
+
 #### 人体姿态估计
 
+人体姿态估计主要用于健身指导、医疗康复、运动分析、动作捕捉和人机交互界面。
+
+#### 手势识别
+
+手势识别技术应用于智能家居控制、手语翻译、VR/AR交互、游戏控制和辅助残障人士交流。
+
+#### 动作识别
+
+动作识别算法用于视频内容理解、体育比赛分析、异常行为检测、健身应用和人机交互。
+
+#### 行为识别
+
+行为识别技术主要应用于安防监控、智慧城市、客户行为分析、老人看护和异常事件预警。
+
 #### 人脸检测
 
+人脸检测算法广泛应用于身份验证、考勤系统、社交媒体标记、美颜相机和安防监控中。
+
 
 - 这段程序首先会读取摄像头，并自动截取一定数量的人脸用作训练。
 - 然后将截取的人脸进行训练，生成一个训练模型。
@@ -1297,10 +1334,4 @@ if __name__ == "__main__":
     get_face(id="1")
     trainer_face(path="dataSet")
     recognizer()
-```
-
-#### 手势识别
-
-#### 动作识别
-
-#### 行为识别
+```