确定的，才能衍生出第二个点。
如果第一个节点都是模糊的、不确定的，就算数学公式、逻辑思路再正确，也没用啊，巧妇难为无米之炊。
新的大数据下的图像处理思路，应用到的是统计学算法。
比如，有两条路，都可以到达终点，运动员选择哪一条路耗时更短？
传统的思路，就要通过数学和逻辑学上的计算。
计算路程长度，运动员的速度，以及运动员的状态、耐力、加速度、减速度、摩擦力所影响的摔倒几率等等。
拿出一套极复杂的公式出来。
可是，如果过来的运动员是没有腿的残疾人，或者盲人怎么办？过去的这套公式就都没用了。
统计学的思路就很简单了。
两条路，不管是正常人、残疾人，还是自行车、汽车，都无所谓，统计数据就好了。左边这条路测算1万次，右边这条路测算1万次。
经过测试，左边赢了8000次，右边赢了2000次，结果就出来了。
选择左边这条路耗时更短！
应用在模糊照片的清晰化处理上，就是大数据下的统计学。
比如一个模糊化的鼻子，原始形象是什么样？
统计就好了。
选1万个不同种类的鼻子，然后进行模糊化处理。模糊化处理后的鼻子，哪个跟模糊照片中的鼻子点位重合最高，就是哪个。
不过，想实现这一点非常复杂。
只要是大数据，就一定会涉及算力的问题。想处理、统计这么多的数据，普通的电脑根本没戏，一启动就死机。
第1335章 不确定性到确定性的转化(3/7)