计算机视觉

本书在内容安排上力求深入浅出，注重理论与实践相结合。一方面通过对基本理论知识的讲解，帮助学生快速掌握计算机视觉的经典算法，加深学生对计算机视觉基本理论的理解；另一方面通过实践，激发学生学习潜能，快速提升其实践拓展能力。本书在内容设置、模块划分和形式编排方面紧密联系实际，注重学以致用，具有以下特点：

(1) 在内容设置方面，依据计算机视觉技术发展的时间线设置教学内容，详细讲解了基于底层图像特征和分类的传统计算机视觉算法，及以卷积神经网络为主的基于深度学习的计算机视觉算法。

(2) 在模块划分方面，把内容分为基础理论、案例分析及实验拓展训练三个部分。本书本着“力求简单，又不影响理解”的原则讲解计算机视觉技术的概念和原理；在案例分析部分，通过代码和实验图像让读者直观感受计算机视觉算法处理的效果，帮助其理解计算机视觉的核心内容；实验拓展以任务为驱动，以算法实现为目标，提升学生解决实际问题的能力。

(3) 在形式编排方面，在讲解相关理论知识的基础上，主要章节均设置了实验任务，提供了相应算法的Python实现代码，引导学生动手实践，帮助学生解决实际问题并掌握计算机视觉算法在相关领域的应用，培养学生的创新实践能力。

本书详细讲解了传统计算机视觉和基于深度学习的计算机视觉的一般原理和经典算法；在传统计算机视觉方面，介绍了图像几何变换、颜色变换、直方图修正、图像滤波等，并详细讲解了图像底层特征和传统分类算法；在深度学习计算机视觉方面，详细介绍了如何将卷积神经网络应用于物体分类、目标检测等任务中；最后，探讨了其他深度学习网络，如循环神经网络、深度信念网络以及生成对抗网络在计算机视觉领域的最新应用。

本书适合计算机相关专业以及人工智能专业的本科生、研究生使用，对有一定基础和经验的读者深入理解和掌握相关原理与方法、提高解决实际问题的能力也有帮助。