计算机视觉基础

1．名校采用。本书是南京大学等名校AI计算机视觉入门必修课专用教材；

2．译者资深。本书由南京大学张岩教授领衔，结合南大多年计算机视觉课程的教授经验翻译而成；

3．易读性强。本书通过各种图像的示例描述计算机视觉问题，阐述解决问题的算法并解析算法背后的数学原理。书中每章都配有课后习题和项目实例，帮助读者学习和掌握计算机视觉的基础知识和方法；

4.内容全面。本书作为计算机视觉课程教材，主要面向数学专业、计算机科学与工程专业的高年级本科生，也可以作为从事计算机视觉技术研究的从业者和科技人员的参考用书。

计算机视觉的应用越来越广泛，已经成功的被应用到机器人、自动驾驶、医学成像和诊断、监控、视频分析等领域，甚至已将跟踪用于体育分析中。本书为读者提供了重要的数学和算法工具，使他们能够深入了解任何完整的计算机视觉系统的基本组成部分，并设计出同样的系统。这些内容包括识别局部特征，如在存在噪声情况下角或边的识别、边缘保持下的平滑、连通成分的标记、立体视觉、阈值处理、聚类、分割，以及描述、匹配形状和场景等。

本书使用了各种广泛的例子，包括面部图片、卡通图片、动物脚印和血管造影图片等等。另外，本书每个章节后都留有对应作业和建议实验的项目。

本书可以作为高年级本科生和低年级研究生的参考用书，也可以作为从事计算机视觉技术研究的从业者和科技人员的参考用书。

韦斯利•E.斯奈德（Wesley E. Snyder） 北卡罗来纳州立大学电气与计算机工程荣誉教授。他曾是Bowman Gray医学院的教授，曾在GE公司研究与发展中心、NASA Langley 研究中心和西德航空航天局(DLR) 工作。他发表了179 篇研究论文，并于1993 年被北卡罗来纳大学评为杰出工程教育家。他曾获得IEEE Gladden 研究员(西澳大利亚大学) 和美国医学和生物医学工程研究所研究员等称号。

戚海蓉(Hairong Qi) 田纳西州诺克斯维尔大学电子工程和计算机科学专业的冈萨雷斯家庭教授。她的研究方向包括协作信号信息处理、图像处理、高光谱成像和生物信息学。她是NSF CAREER 奖的获得者，在国际会议上获得了多项最佳论文奖，并在2012 年获得IEEE 地球科学和遥感学会颁发的*高影响力论文奖。

译者简介：

张岩

南京大学计算机科学与技术系副教授。2006年于吉林大学获得计算机博士学位。2008年于南京大学博士后流动站出站。研究方向包括基于三维几何的计算机视觉、基于数据驱动的三维数据分析等。发表TOG、CVPR、C&G等多篇论文。曾获得教育部科学技术进步奖二等奖。主持完成国家自然青年基金、江苏省自然基金、江苏省产学研联合项目等多项项目。

“本书内容深刻而清晰，介绍计算机视觉研究中所需的各种基础知识。它不仅关注数学基础，而且通过积极、具体的示例和应用程序展示了所授内容。我相信有远见的学生和研究人员会发现这本书的价值，我期待从中学习。”

——吴天福 北卡罗来纳州立大学

致老师

Fundamentals of Computer Vision

这是计算机视觉的第一门课程，适用于电气工程、计算机工程、数学、物理或计算机科学等专业有很好数学基础的高年级本科生或一年级研究生。

虽然本书提供了计算机视觉的“基础”，但学生需要具备大学数学的基础。我们建议所有学生都上过三学期的正常微积分课程，至少一门微分方程课程，以及一到两门关于矩阵和线性代数概念的课程。

作者强烈建议，学习计算机视觉的学生应该很好地掌握了计算机的实际工作原理——这意味着编程。虽然MATLAB是一个非常棒的研究工具，并且提供了很好的绘制工具，但使用MATLAB可能会阻碍学生深入了解基本操作(当然，除非学生实际编写MATLAB代码并且不使用工具箱),我们更建议学生学习和使用C或C++。

我们已经取得了相当大的成功——我们有一个软件包，如附录C所述。可以免费下载针对MacOSX64、Linux64和大多数Windows版本的软件包，以及大量图像，下载地址为www.cambridge.org/9781107184886。但是，这个包对于使用本书而言并不是必需的。教师可以选择任何软件平台，包括MATLAB。

本课程遵循的教学方式是，在教学过程中，采用一系列的小项目而不是一个单一的期末项目加强学生的理解，每个项目持续一到两周。

在本课程的教学中，我们遇到的主要问题是学生不了解编译器和鱼竿的区别，因此了解线性代数是非常重要的。

我们还建议学生在学习本课程之前，先学习图像处理课程，了解像素是什么，恢复是什么，增强和滤波之间的区别是什么，等等。

本书故意采用非正式的教学风格。我们试图给学生一种正在与书进行私人对话的感觉。出于这个原因，书中经常使用“我们”这个词而不是被动语态，偶尔也会讲些笑话。

在2004年，本书的作者还撰写了一本由剑桥大学出版社出版的早期计算机视觉书籍，本书的一小部分内容直接取自那本书。

本书主要面向数学、计算机科学或工程专业的高年级本科生或一年级研究生，介绍计算机视觉的基本原理。
本书是故意采用非正式方式进行讲解的。作者试图让学生保持学习兴趣并有动力继续阅读下去。本书以直面学生的方式写作，阅读起来就好像学生和作者一起坐在教室里。作者多用第一人称，很少使用被动语态，偶尔也会讲些笑话，风格比较随意。
书名中的“基础”有两种含义:数学原理和算法概念。书中通过描述计算机视觉问题（例如分割问题），描述一个可以解决这个问题的算法，并解释算法背后的数学原理，将原理和概念结合在一起讲授。
本书中涉及的数学原理包括：
1） 线性算子：通过一系列应用进行讲授，包括
●基本函数：通过边缘检测器进行讲授。
●高斯卷积：通过高斯边缘核的开发进行讲授。
●约束优化：通过寻找最优边缘检测核和主成分分析进行讲授。
●伪逆：通过解释光度立体视觉法进行讲授。
●尺度：通过高斯边缘核的开发进行讲授。
2） 非线性算子：通过数学形态学进行讲授。
3） 采样的影响：通过演示使用小内核来确定方向进行讲授。
4） 优化的使用：通过噪声消除算法、自适应轮廓分割和图割的开发进行讲授。
5） 一致性的使用：通过类似霍夫变换的算法、形状匹配、投影到流形上进行讲授。
6） 投影几何：通过从运动中恢复形状、从x中恢复形状等算法进行讲授。
这些概念层层组织，从像素级的操作（例如噪声消除）开始，接着是边缘检测、分割和形状描述，最终是识别。在每一个层次，学生都会了解到特定术语的含义，相应概念在图像中的应用是怎样的，以及解决应用问题的一种或多种方法。
书中的示例图像都可以下载，使用某一个图像时，会给出图像名称。
本书未包含的内容
统计模式识别和人工神经网络\[0.1\]学科在本书中只是被提及了一下。这是因为这两个学科都足够重要和广泛，自身就足以构成完整的课程。
当前一些活跃的研究主题未在本书中介绍，例如深度学习\[0.3\]，它对于计算机视觉系统的最终成功非常重要，但是该主题更适合于高级课程，适合学生使用本书学完计算机视觉基础之后学习。
在阅读本书之前，建议学生对图像处理\[0.2\]有足够的了解，这样他们就可以了解像素是什么，增强和恢复之间的区别是什么，如何处理颜色或多光谱图像，如何在空间域和频域中择优地进行图像处理和选择不同的滤波方法。
本书对计算机视觉领域进行了广泛的介绍，且强调了许多必要的数学原理。
本书分为四部分:
第一部分涉及生物视觉、数学和软件算法的实现。
第二部分讨论在开始计算机视觉算法之前，需要“清理”图像，以消除噪声和模糊造成的损坏。本部分还涉及卷积等局部区域的操作。
第三部分涉及将图像分割成有意义的区域以及如何表示这些区域。该部分包括区域和场景的匹配。
第四部分描述物体的图像如何与观察世界中的那些物体关联起来。
参考文献