趋近智
计算机视觉导论
章节 1: 计算机视觉入门
什么是计算机视觉？
计算机如何理解图像
历史简述
计算机视觉的常见任务
计算机视觉系统组成部分
搭建开发环境
实践：加载并显示图像
章节 2: 数字图像基本原理
像素：图像的基本构成单位
数字图像表示
颜色空间简介
常见图像文件格式
理解图像分辨率
图像坐标系
读取和写入图像文件
实践：检查图像属性
章节 3: 基本图像处理技术
点操作：亮度调整
点操作：对比度调整
图像直方图讲解
直方图均衡化用于增强对比度
几何变换：缩放
几何变换：旋转与平移
图像滤波入门
基本平滑滤波器
动手实践：应用基本图像变换
章节 4: 特征检测入门
图像中的特征是什么？
为什么要识别特征？
边缘检测原理
边缘检测的Sobel算子
Canny边缘检测器
角点检测原理
Harris角点检测器的思路
特征描述符介绍
动手实践：图像边缘检测
章节 5: 物体识别入门
物体识别的原理
模板匹配详解
模板匹配的运作方式
模板匹配的局限性
物体识别中的挑战
机器学习方法概述
实践：简单模板匹配
计算机视觉的常见任务
这部分内容有帮助吗？
- Computer Vision: Algorithms and Applications, Richard Szeliski, 2022 (Springer) DOI: 10.1007/978-3-030-34372-9 - 一本全面的计算机视觉教科书，包含了分类、检测和分割等基本算法和应用。
- CS231n: Convolutional Neural Networks for Visual Recognition - Course Notes, Fei-Fei Li, Ehsan Adeli, Justin Johnson, Zane Durante, 2025 (Stanford University) - 详细解释了深度学习概念及其在图像分类、目标检测和分割等计算机视觉任务中的应用。
- ImageNet Classification with Deep Convolutional Neural Networks, Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton, 2012 Advances in Neural Information Processing Systems (NIPS) 25, Vol. 25 (Curran Associates, Inc.) - 本文介绍了AlexNet，一个突破性的深度卷积神经网络，极大地推动了图像分类领域的先进水平。