计算机视觉

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。

第1章计算机视觉概述

人类接收的大部分信息都是通过视觉系统感知的。图像无处不在，人类对图像的理解似乎是一件简单自然的事情，但对于计算机而言，对图像的理解则是一项复杂而具有挑战性的任务。

人类很容易感知周围世界的三维结构，能毫不费力地从场景中将荷花和蜻蜓分辨出来，如图1-1所示，但要用计算机来解释图像则非常困难，因为计算机必须借助模型来分析图像，而视觉世界的建模十分复杂。

人类视觉系统与计算机视觉系统的对比如图1-2所示。人类视觉系统借助于光来分辨目标物体，光线穿过眼球晶状体照射到视网膜，视网膜上的感光体细胞将光线转换成电信号，电信号通过视神经传播到大脑，最后在大脑成像，转变为感知。

……

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典型方法。在传统计算机视觉方面，介绍了图像几何变换、颜色变换、直方图处理、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、深度信念网络以及对抗生成网络在计算机视觉领域的最新应用。