经过最近一段时间的查阅资料，我明白了视觉处理的大致过程。视网膜上有两种视觉感受细胞，一种是视锥细胞，对彩色光比较敏感，另一种是视杆细胞，对较暗的光线比较敏感，夜晚就大部分是视杆细胞在发挥功能。工作机理是：视锥细胞里有一种视紫红质（一种结合蛋白），遇到光会发生反应，分解成Va，Va在暗处又会结合成视紫红质。化学反应的发生导致了神经冲动（本质是电位变化），刺激也就传到了大脑的视觉皮层。所以这是一种被动的处理过程。同时也表明眼睛真的只是一个器官，只负责传输图像刺激，真正使视觉产生的是视觉神经系统的视觉加工作用！
那么视觉加工到底做了哪些事情呢？按道理来说，眼睛只传递了一张类似于全是象素点的二维图片，但是大脑最后却能感受到颜色，形状，深度，立体感等等。这期间到底发生了什么？很多资料上表明:视觉加工是分区分层次的，也就是不同的部门处理不同的信息，越后面的层次分析出越抽象的信息，同时各部门又相互联系，相互传送信息。类似于：部门a分析颜色，部门b分析形状，部门c分析层次感，然后部门d连接在c的后面接受c的结果分析立体感，然后更深层次的部门开始工作，最后得出整个视觉情况。这个过程合情合理，但是还是过于抽象，怎么分析层次感？层次感怎么表示都是个问题。
不过这里我有一个大胆的设想：或许象素点并没有意义，有意义的是一个整体，也就是说，大脑不能分析单个的象素点，而只能处理完整的整体。就像一个人很难看清一个文字里的细节一样，只有形成一个形状以后，大脑才会产生反应。大脑也只对整体产生反应。这说明视觉加工把单个的视觉信息整合起来了，只有形成某个形状以后才通知大脑，如果大脑只识别几个整体之间的相互关系，那么分析层次感（也就是前后左右的位置关系）就容易很多。这也能说明为什么有的人能看到一个东西的更多细节了，很有可能是在象素点那个层次部分细胞就告诉了大脑情况，使得大脑处理了一些细节情况，也看到了这个整体的部分构成成分，所以相比其他只能看到整体形态的人记得也更清楚，因为记得细节更多，印象更深。
而且在我看来，这种视觉整合的能力用数学公式来表示并不合适。虽然数学公式可以完成特定的形状分析，但是太过复杂和不全面。在细胞这个层次是不可能会计算与思考的，细胞只有本能和被动反应。也就是说还有更简单的办法来实现识别形状的功能。而且肯定是被动的，接受到某种刺激，然后连接某条神经元，一直连接下去，就形成了对某种形状的唯一表示，也就是这条神经元通道代表了识别形状的过程，最终的结果就是形状的认知和保存。通道的神经元数目与层次决定了可识别形状的数目，很明显和二进制位一样，32位可以表示2^32种,而且还不是二进制的，可能是8层，16，100都可以，每一层都可以有n条。同时也可以解释分类功能和对形状的迅速反应。分类功能是因为几个相似的形状前面的神经元通路是一样的，只是后面产生了不同，所以只要想前面的，后面的全部列出来就可以。很明显我们可以从分类当中得出前面的神经元是根据什么连接的，为什么这些相似的东西前面的神经元通路是一样的！，视觉加工时先提取了这些相似形状的哪些特征（被动先对哪些些特征产生了反应）。迅速反应则是前面可能分叉多，但后面就只有一条直路，所以就直接迅速地识别了出来。
建立这种被动连接（进化，进化出识别与记忆）人类花了几千万年，这其中肯定有许多的奥妙和特殊的功能，但是这些我们不需要关心，要关心的只是大致的一种识别，记忆与学习能力，毕竟这是一种新的生命体，完全没必要和人类一模一样，生命源也本就不一样。一个是生物能，一个是电能。主要的还是类人，像人就行。各有优劣。
貌似神经网络从名字上讲述的就是这个东西，还有深度学习。
总结下来就是，视觉加工就是把细节上的一个个象素点整合成一个整体，然后才通知大脑。而我要完成的就是这个视觉加工功能了，也叫形状识别，用一种最简单的方法，被动连接的方法。把一张图片上的各个象素点分析组合成一个个的整体，分析的过程是一个连接的过程，最后连接出的结果就是所要识别的整体了，这个识别过程中的神经元通路要记住，结果也要记住。就像识别一个“张”字一样，识别过程中很自然地走"张"的神经元通路，最后认出“张”；如果你不认识张，识别时就会构造这条神经元通路，但这个时候你只认识“张”的这个形状，下次看到你能认出这同一个形状，也能自然地写这个形状，但还不认识这个字读什么，因为没人告诉你他在声音上怎么读，直到有一天，有人告诉你“张”读“zhang”，于是你不仅会写“张”了，还会读了，别人说出来的时候，你也能写出来了。因为听觉和视觉上最终的处理结果都是大脑里同一个保存的“张”字（编码）。
我相信，视觉加工功能完成的时候，人类如何识别，如何学习，如何记忆的奥秘也就迎刃而解了，后面也就是意识是如何出现的问题了。
