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。

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