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
为什么要识别特征？
这部分内容有帮助吗？
- Computer Vision: Algorithms and Applications, Richard Szeliski, 2010 (Springer) DOI: 10.1007/978-1-84882-935-0 - 这本书为计算机视觉提供了全面的基础知识，详细解释了特征检测方法的动机和应用。这是作者的草稿，被广泛认为是更新的第二版。
- Multiple View Geometry in Computer Vision, Richard Hartley, Andrew Zisserman, 2003 (Cambridge University Press) DOI: 10.1017/CBO9780511811685 - 尽管内容进阶，这本基础著作广泛使用特征进行相机标定、3D重建和图像匹配，说明了特征对于鲁棒几何任务的重要性。
- Distinctive Image Features from Scale-Invariant Keypoints, David G. Lowe, 2004 International Journal of Computer Vision, Vol. 60 (Springer) DOI: 10.1023/B:VISI.0000029664.99615.94 - 这篇基础论文介绍了SIFT，更重要的是，它详细阐述了以往方法的局限性以及对尺度、旋转和光照变化具有鲁棒性的特征的必要性，与本节的核心主题直接相关。