计算机视觉技术

人工智能是目前迅速发展的新兴学科，已经成为众多智能产品的核心技术。*在《高等学校人工智能创新行动计划》中明确指出要将人工智能纳入大学计算机基础教学内容。计算机视觉作为人工智能体的“眼睛”，赋予了智能体“看”的能力，是人工智能重要的核心技术之一，是人工智能基础教学的重要内容。目前计算机视觉相关课程已经成为许多高等院校的基础课程，很多高职与专科院校也开设了人工智能相关专业，培养高技能人才，对计算机视觉相关课程的重视程度日益提升。然而，目前适合高职院校教学的计算机视觉相关教材十分缺乏，开发面向高职学生的计算机视觉技术基础教材具有重要意义。
基于对目标读者的学习特点，本书选择了任务驱动的编写方式，将理论知识与开发方法和任务案例相结合，使读者在完成任务过程中，快速理解技术原理、拓宽知识面、启发思路，为后续进阶学习奠定基础。
本书共9章，每章都有独立的知识点，通过知识点与有趣的任务相组合，激发读者的学习兴趣，提升读者的学习积极性。知识点的安排采用由浅入深的方式，从计算机视觉概述、开发工具的使用等基础知识点出发，向与具体任务相结合的技术知识点延伸。其中技术知识点涉及图像运算、图像增强、图像去噪、图像分割、视频处理、人脸识别、目标检测等。
本书注重计算机视觉技术与实际应用的结合，同时关注读者学习的心理状态，知识点解耦度高，可实现知识点的按需抽取。同时，任务案例的选择实用度高，在提升读者学习兴趣的同时，提高学生的创新能力以及用专业知识解决实际问题的能力。
本书的编写特色如下。
（1）语言简明，可读性好。
（2）知识点与任务相结合，培养学生的创新能力和实际应用能力。
（3）拓展内容丰富，扩宽学生眼界。
（4）知识点编排合理，方便按需学习。
（5）每章提炼了任务背景、学习重点和任务单，引导读者有针对性地阅读和学习。
本书教学学时数一般建议为48～64学时。对于人工智能、计算机等专业，后续实践部分可以安排总学时的一半及其以上。除了前两章的概述和环境配置部分，本书的其他章节内容相对独立，教师可以根据课程需要灵活调整教学顺序。
本书由从事人工智能研究的教育工作人员和企业开发人员共同编写。非常感谢重庆电子工程职业学院的胡云冰老师和重庆大学的王翊老师在编写过程中的辛勤付出。英特尔FPGA中国创新中心为实验案例开发提供了参考样例，并安排了田亮、柴广龙、万毅、杨振宇等工程师提供技术支持和部署验证，为教材及课程资源建设提供了大力支持，在此表示真诚的感谢！后，感谢电子工业出版社给予的协助和支持。
本书还参考了国内外一些机器学习方面的书籍及大量的网上资料，力求有所突破和创新。然而，教材建设是一项系统工程，需要在实践中不断加以完善及改进，由于编著者水平有限，书中难免存在欠妥之处，因此，由衷希望广大读者和专家学者能够拨冗提出宝贵的改进意见。

编著者
2021年4月

本书旨在建立计算机视觉技术的基础知识体系，为读者进入人工智能视觉领域奠定基础。全书共9章，分别从计算机视觉概述、开发工具的使用等基础知识点出发，向与具体任务相结合的技术知识点（包括图像运算、图像增强、图像去噪、图像分割、视频处理、人脸识别、目标检测等）延伸，由浅入深，层层递进，为读者呈现丰富的技术实践场景。本书采用任务驱动的编写方式，配套相应的案例分析、实验过程以及源代码，在为读者提供生动的视觉技术体验场景的同时，帮助读者提升项目开发及工程实践能力。本书适合作为中职、高职高专及应用型本科人工智能通识课的教材，也可作为人工智能的普及读物供广大读者自学或参考。

李红蕾，博士，讲师，软件设计师。从事高等院校计算机类课程教学6年，参编教材2部，发表论文5篇，参与省部级课题1项，主持纵向科研项目1项，授权实用新型专利3项。

第1章 计算机视觉概述 001 
1.1 什么是计算机视觉 002 
1.1.1 人类视觉 002 
1.1.2 计算机视觉 005 
1.1.3 计算机视觉的应用 006 
1.2 什么是图像处理 007 
1.2.1 图像的表示 008 
1.2.2 色彩模型 010 
1.2.3 图像处理的基本过程 015 
1.3 图像处理库 016 
1.3.1 NumPy 017 
1.3.2 Pillow 020 
任务总结 024 
思考和拓展 025 
第2章 OpenCV基本使用 026 
2.1 OpenCV的基础知识 027 
2.1.1 什么是OpenCV 027 
2.1.2 OpenCV的发展历程 028 
2.1.3 OpenCV的模块 029 
2.2 OpenCV的环境配置 030 
2.2.1 安装Python 030 
2.2.2 安装开发工具 031 
2.2.3 安装OpenCV 032 
2.3 编写个OpenCV程序 034 
2.4 使用OpenCV读取图像 036 
2.4.1 图像读取 037 
2.4.2 图像转换 040 
2.4.3 色彩分离与合并 043 
任务总结 044 
思考和拓展 045 
第3章 给图像加滤镜 046 
3.1 图像运算的基础知识 047 
3.1.1 图像运算 047 
3.1.2 基本绘图 056 
3.1.3 图像滤镜 058 
3.2 任务内容 060 
3.2.1 任务分析 060 
3.2.2 任务过程分解 061 
3.2.3 函数语法 061 
3.3 编程实现 065 
任务总结 070 
思考和拓展 071 
第4章 摄像头的夜视功能 072 
4.1 图像增强的基础知识 073 
4.1.1 图像增强 073 
4.1.2 直方图修正 074 
4.2 任务内容 081 
4.2.1 任务分析 081 
4.2.2 函数语法 082 
4.3 编程实现 090 
任务总结 095 
思考和拓展 096 
第5章 去除图像噪声 097 
5.1 图像去噪的基础知识 098 
5.1.1 噪声的概念 098 
5.1.2 图像去噪的常用技术 100 
5.1.3 图像平滑处理 101 
5.1.4 图像形态学操作 103 
5.2 任务内容 108 
5.2.1 任务分析 108 
5.2.2 任务过程分解 109 
5.2.3 函数语法 109 
5.3 编程实现 117 
任务总结 122 
思考和拓展 122 
第6章 识别车牌 123 
6.1 车牌识别的技术原理 124 
6.1.1 车牌定位 124 
6.1.2 图像分割 127 
6.1.3 模板匹配 129 
6.2 任务内容 130 
6.2.1 任务分析 130 
6.2.2 任务过程分解 131 
6.2.3 函数语法 131 
6.3 编程实现 140 
任务总结 147 
思考和拓展 147 
第7章 车流量计数器 148 
7.1 运动视觉的基础知识 149 
7.1.1 视频的原理 149 
7.1.2 运动目标检测 152 
7.1.3 轮廓提取 154 
7.2 任务原理内容 157 
7.2.1 任务分析 157 
7.2.2 任务过程分解 158 
7.2.3 函数语法 159 
7.3 编程实现 176 
任务总结 180 
思考和拓展 181 
第8章 人脸识别门禁系统 182 
8.1 人脸识别的基础知识 183 
8.1.1 人脸检测 183 
8.1.2 人脸识别 186 
8.1.3 人脸数据集 187 
8.2 任务内容 188 
8.2.1 任务分析 188 
8.2.2 任务过程分解 189 
8.2.3 函数语法 189 
8.3 编程实现 200 
任务总结 207 
思考和拓展 208 
第9章 基于深度学习的目标检测 209 
9.1 目标检测的基础知识 210 
9.1.1 目标检测的概念 210 
9.1.2 目标检测的方法 211 
9.2 任务内容 214 
9.2.1 任务分析 214 
9.2.2 任务过程分解 214 
9.2.3 函数语法 215 
9.3 编程实现 219 
任务总结 222 
思考和拓展 222

本书旨在建立计算机视觉技术的基础知识体系，为读者进入人工智能视觉领域奠定基础。全书共9章，分别从计算机视觉概述、开发工具的使用等基础知识点出发，向与具体任务相结合的技术知识点（包括图像运算、图像增强、图像去噪、图像分割、视频处理、人脸识别、目标检测等）延伸，由浅入深，层层递进，为读者呈现丰富的技术实践场景。本书采用任务驱动的编写方式，配套相应的案例分析、实验过程以及源代码，在为读者提供生动的视觉技术体验场景的同时，帮助读者提升项目开发及工程实践能力。本书适合作为中职、高职高专及应用型本科人工智能通识课的教材，也可作为人工智能的普及读物供广大读者自学或参考。

李红蕾，博士，讲师，软件设计师。从事高等院校计算机类课程教学6年，参编教材2部，发表论文5篇，参与省部级课题1项，主持纵向科研项目1项，授权实用新型专利3项。