计算机视觉基础

本书全面介绍计算机视觉的基础知识体系，包括计算机视觉的各种典型任务、算法和应用。首先介绍计算机视觉的基础知识和典型任务，分析相机成像的基本原理和模型，并展示如何进行基本的图像处理，从一幅图像中提取关键特征；然后依次介绍用于解决图像识别、目标检测、图像分割和立体视觉等常见视觉任务的传统方法；之后介绍时下流行的深度学习技术在计算机视觉各领域中的应用；最后介绍计算机视觉技术在智慧交通、对地监测、医学图像诊断等现实生活中的应用。
本书面向计算机视觉领域的初学者，语言简洁易懂，配套习题和代码实现，旨在帮助读者理解和掌握计算机视觉的基本理论和方法，有能力查阅相关文献进行更深入的研究。

第1章 计算机视觉概述
1.1 简介
1.1.1 基本概念
1.1.2 典型任务
1.2 发展脉络
1.3 面临的挑战
1.4 本书的章节安排
习题
参考文献
第2章 数字图像的形成
2.1 数字图像的基本属性
2.1.1 数字图像的组成
2.1.2 颜色与光谱特性
2.1.3 图像的对比度、亮度与饱和度
2.1.4 图像的特征类别
2.2 数字图像的采集
2.2.1 成像的流程
2.2.2 图像信号处理
2.2.3 成像的基本参数
2.2.4 镜头和传感器
本章小结
习题
参考文献
第3章 几何标定
3.1 相机几何
3.1.1 针孔相机模型
3.1.2 简单透镜模型
3.1.3 平移、旋转与刚体变换
3.1.4 齐次坐标系统
3.1.5 缩放、仿射与投影变换
3.1.6 相机参数
3.1.7 镜头畸变
3.2 几何标定
3.2.1 张正友标定法
3.2.2 角点检测与配对
3.2.3 单应性矩阵求解
3.2.4 相机参数求解
3.2.5 相机参数细调
3.3 几何标定实践
3.3.1 使用Pyihon和0penCV标定相机
3.3.2 畸变矫正
本章小结
习题
参考文献
第4章 图像处理基础
4.1 空间域图像处理与滤波器
4.2 线性滤波
4.2.1 均值滤波
4.2.2 方框滤波
4.2.3 高斯滤波
4.2.4 线性滤波总结
4.3 非线性滤波
4.3.1 中值滤波
4.3.2 最大最小值滤波
4.3.3 双边滤波
4.4 频域处理
4.4.1 傅里叶变换
4.4.2 快速傅里叶变换和图像的频域变换
4.4.3 相关应用
4.5 金字塔与小波变换
4.5.1 图像缩放
4.5.2 图像金字塔
4.5.3 小波变换
……
第5章 特征检测与匹配
第6章 识别与检测
第7章 聚类与分割
第8章 立体视觉
第9章 卷积神经网络基础
第10章 基于卷积神经网络的视觉应用
第11章 计算机视觉的实践应用