本书分10章介绍了计算机视觉的基本概念、底层视觉信号处理技术、高级计算机视觉技术，以及计算机视觉技术应用等内容。第1章为绪论，介绍了人类视觉与计算机视觉的基本概念，回顾了计算机视觉的发展历史，介绍了经典的计算机视觉理论、主要应用场景和面临的挑战。第2～6章介绍了底层视觉信号处理技术。其中，第2章介绍了图像的表示和处理，第3章介绍了图像的点特征表示，第4章介绍了图像的线特征表示，第5章介绍了图像的区域分割技术，第6章介绍了纹理分析的相关概念和方法。第7～9章介绍了高级计算机视觉技术，包括第7章的摄像机成像模型，第8章的三维重建，第9章的运动分析。第10章介绍了计算机视觉技术在图像分类、目标检测和跟踪等方面的应用。 　　本书适合作为普通高校人工智能、计算机、自动化等相关专业的教材，也可作为广大从事计算机视觉技术应用研发人员的参考读物。 　　本书配有电子课件、教学大纲、习题解答、教学案例、数据代码、教学视频等教学资源，欢迎选用本书作教材的教师登录www.cmpedu.com注册后下载，或发邮件至jinacmp@163.com索取。

高等院校教师

第1章　绪论 1
1.1　人类视觉 1
1.2　计算机视觉 3
1.3　计算机视觉的发展 4
1.4　经典计算机视觉理论 6
1.5　计算机视觉的应用和面临的挑战 8
本章小结 10
思考题与习题 11
参考文献 11
第2章　图像表示和处理 13
2.1　图像的表示 13
2.2　图像的基本性质 16
2.2.1　距离 16
2.2.2　连通性 17
2.2.3　边缘和边界 18
2.2.4　直方图 19
2.2.5　图像中的噪声 20
2.3　图像处理数学基础 21
2.3.1　卷积 21
2.3.2　傅里叶变换 23
2.4　常用图像处理技术 24
2.4.1　亮度变换 25
2.4.2　直方图变换 25
2.4.3　空域滤波 27
2.4.4　频域滤波 32
2.5　卷积神经网络基础 45
本章小结 47
思考题与习题 48
参考文献 48
第3章　图像的点特征表示 49
3.1　图像点特征介绍 49
3.2　图像关键点检测算法 50
3.2.1　Harris角点检测 50
3.2.2　SIFT关键点检测 52
3.2.3　HardNet点特征学习 56
3.2.4　Key.Net关键点检测网络 60
3.3　图像点特征应用 62
本章小结 64
思考题与习题 65
参考文献 65
第4章　图像的线特征表示 67
4.1　边缘检测 67
4.1.1　边缘和边缘检测 68
4.1.2　微分边缘检测 69
4.1.3　Canny边缘检测 75
4.2　活动轮廓模型（Snake模型） 78
4.3　主动形状模型（ASM） 80
4.3.1　基本原理 80
4.3.2　ASM的建立 81
4.3.3　ASM的形状搜索 82
4.4　Hough变换 84
4.4.1　直线检测 84
4.4.2　曲线检测 86
本章小结 86
思考题与习题 86
参考文献 87
第5章　区域分割 88
5.1　区域分割的概念 88
5.2　传统数字图像区域分割算法 89
5.2.1　阈值分割法 89
5.2.2　区域生长法 91
5.2.3　分裂合并法 92
5.2.4　分水岭算法 93
5.3　基于深度学习的区域分割算法 94
5.3.1　全卷积分割网络 94
5.3.2　U-net分割网络 97
5.3.3　DeepLab系列分割网络 99
5.3.4　预训练大模型分割网络（SAM） 103
本章小结 107
思考题与习题 107
参考文献 108
第6章　纹理分析 109
6.1　纹理的概念 109
6.2　经典纹理分析方法 111
6.2.1　灰度共生矩阵 111
6.2.2　Gabor小波 113
6.3　基于深度学习的纹理分析方法 115
6.3.1　纹理分类网络PCANet 116
6.3.2　基于CNN的纹理合成网络 118
本章小结 120
思考题与习题 121
参考文献 121
第7章　摄像机成像模型 122
7.1　成像原理 122
7.1.1　小孔成像 122
7.1.2　凸透镜成像 123
7.1.3　摄像机成像原理 123
7.1.4　齐次坐标 125
7.2　摄像机成像模型 126
7.3　摄像机标定 129
7.3.1　直接线性变换法（DLT） 129
7.3.2　平面标定法 131
7.3.3　基于一维标定物的标定方法 135
本章小结 136
思考题与习题 137
参考文献 137
第8章　三维重建 138
8.1　三维重建介绍 138
8.1.1　三维重建的目的与任务 138
8.1.2　三维重建的应用 140
8.2　多视几何 140
8.2.1　极几何关系 141
8.2.2　基础矩阵估计 142
8.3　基于立体视觉的三维重建 143
8.3.1　基于SFM的三维重建 143
8.3.2　基于多目立体视觉（MVS）的三维重建 146
8.3.3　基于深度学习的三维重建 152
8.4　其他三维重建技术 155
8.4.1　结构光 155
8.4.2　激光扫描 156
8.4.3　光度立体重建 157
本章小结 160
思考题与习题 160
参考文献 161
第9章　运动分析 162
9.1　运动分析简介 162
9.2　时间差分方法 164
9.3　背景减除法 167
9.3.1　单高斯模型 168
9.3.2　混合高斯模型 169
9.3.3　ViBe算法模型 171
9.3.4　CodeBook算法 172
9.4　光流法 173
本章小结 177
思考题与习题 177
参考文献 177
第10章　计算机视觉应用 179
10.1　图像分类 179
10.1.1　ResNet 180
10.1.2　Vision Transformer 183
10.1.3　图像分类数据集介绍 185
10.2　目标检测 187
10.2.1　滑动窗口法 188
10.2.2　Faster R-CNN 188
10.2.3　YOLOv3 190
10.2.4　目标检测数据集介绍 193
10.3　目标跟踪 195
10.3.1　经典目标跟踪算法—Mean Shift 195
10.3.2　深度目标跟踪算法—FCNT 199
10.3.3　目标跟踪数据集介绍 202
本章小结 204
思考题与习题 205
参考文献 205