包邮动手学计算机视觉

第 一部分 计算机视觉导论



第 1章 初探计算机视觉　2

1.1 什么是计算机视觉　2

1.2 为什么需要计算机视觉　3

1.3 计算机视觉的难点与挑战　3

1.4 计算机视觉的历史与发展　5

1.5 计算机视觉中变量的数学符号约定　6

1.6 小结　7



第二部分 图像处理



第 2章 卷积　10

2.1 简介　10

2.2 一维卷积　11

2.2.1 冲激信号　14

2.2.2 方波信号　15

2.3 二维卷积　16

2.3.1 冲激信号　18

2.3.2 方波信号　20

2.4 小结　21

第3章 图像滤波　22

3.1 简介　22

3.2 图像噪声　22

3.2.1 椒盐噪声　22

3.2.2 高斯噪声　24

3.3 均值滤波　24

3.4 高斯滤波　27

3.5 双边滤波　30

3.6 中值滤波　32

3.7 图像锐化　34

3.8 小结　35

第4章 模板匹配　37

4.1 简介　37

4.2 模板匹配的实现　37

4.2.1 匹配步骤　38

4.2.2 相似度度量　38

4.3 多目标模板匹配　42

4.4 小结　45

第5章 边缘检测　46

5.1 简介　46

5.2 边缘检测的数学模型　46

5.3 边缘检测算法　48

5.3.1 Sobel边缘检测算法　48

5.3.2 Canny边缘检测算法　51

5.4 小结　62

5.5 参考文献　62

第6章 角点检测　63

6.1 简介　63

6.2 Harris角点检测算法　64

6.2.1 计算像素值变化量　64

6.2.2 计算角点响应函数　66

6.3 代码实现　67

6.4 图像变换对角点检测的影响　70

6.5 小结　71

第7章 SIFT特征检测　72

7.1 块状区域检测与尺度空间　72

7.2 SIFT算法　76

7.2.1 局部极值点检测　76

7.2.2 特征点定位与筛选　77

7.2.3 特征点方向计算　79

7.2.4 特征点描述　80

7.3 代码实现　81

7.4 小结　94

7.5 参考文献　94

第8章 图像拼接　95

8.1 简介　95

8.2 图像变换　96

8.3 图像拼接算法　97

8.3.1 计算变换矩阵　98

8.3.2 利用RANSAC算法去除误匹配　99

8.3.3 图像变换与缝合　101

8.4 代码实现　101

8.5 小结　106

8.6 拓展阅读　107

第9章 图像分割　108

9.1 简介　108

9.2 图像分割算法　109

9.2.1 基于k均值聚类的图像分割算法　109

9.2.2 基于图切割的图像分割算法　113

9.3 小结　117

9.4 参考文献　118



第三部分 视觉识别



第 10章 图像分类　120

10.1 简介　120

10.2 数据集和度量　122

10.3 基于视觉词袋模型的图像分类算法　122

10.4 基于深度卷积网络的图像分类算法　128

10.5 小结　138

10.6 参考文献　138

第 11章 语义分割　140

11.1 简介　140

11.2 数据集和度量　141

11.3 全卷积网络　141

11.3.1 上采样　143

11.3.2 跳跃连接　145

11.4 FCN代码实现　149

11.5 小结　156

11.6 参考文献　156

第 12章 目标检测　157

12.1 简介　157

12.2 数据集和度量　158

12.3 目标检测模型　159

12.3.1 R-CNN　160

12.3.2 Fast R-CNN　162

12.3.3 Faster R-CNN　166

12.4 RPN代码整体框架　168

12.4.1 训练模块　173

12.4.2 head模块　179

12.4.3 anchor_generator模块　180

12.4.4 box_coder模块　184

12.4.5 filter_proposal模块　188

12.5 代码运行示例　191

12.6 小结　194

12.7 参考文献　194

第 13章 实例分割　195

13.1 简介　195

13.2 数据集和度量　196

13.3 Mask R-CNN　196

13.3.1 特征金字塔网络　197

13.3.2 感兴趣区域对齐　200

13.4 代码运行示例　205

13.5 小结　208

13.6 参考文献　209

第 14章 人体姿态估计　210

14.1 简介　210

14.2 数据集和度量　211

14.2.1 数据集　211

14.2.2 评测指标　211

14.3 人体姿态估计模型——DeepPose　212

14.3.1 基于深度神经网络的人体姿态估计　212

14.3.2 级联回归　213

14.4 DeepPose代码实现　215

14.5 小结　217

14.6 参考文献　218

第 15章 动作识别　219

15.1 简介　219

15.2 数据集和度量　220

15.2.1 数据集　220

15.2.2 评测指标　220

15.3 动作识别模型——C3D　220

15.3.1 三维卷积　221

15.3.2 C3D模型　223

15.4 C3D代码实现　224

15.5 小结　225

15.6 参考文献　226



第四部分 场景重建



第 16章 照相机标定　228

16.1 简介　228

16.2 照相机成像原理　228

16.2.1 照相机模型　229

16.2.2 坐标系的定义　229

16.2.3 照相机外参　229

16.2.4 照相机内参　230

16.2.5 投影矩阵　232

16.2.6 畸变　233

16.3 照相机标定的实现　235

16.3.1 标定板　235

16.3.2 标定流程　236

16.3.3 代码实现　238



16.4 小结　247

第 17章 运动场和光流　248

17.1 简介　248

17.2 运动场　249

17.3 光流　250

17.3.1 特征点法　250

17.3.2 直接法　250

17.3.3 Lucas-Kanade光流法　251

17.3.4 Lucas-Kanade光流法的改进　252

17.4 代码实现　253

17.5 小结　261

17.6 参考文献　261

第 18章 平行双目视觉　262

18.1 简介　262

18.2 平行双目照相机　262

18.2.1 概念定义　262

18.2.2 视差　263

18.2.3 双目特征匹配　264

18.2.4 全局优化　265

18.3 代码实现　266

18.4 小结　270

18.5 参考文献　271

第 19章 三维重建　272

19.1 简介　272

19.2 对极几何　273

19.2.1 数学定义　273

19.2.2 本质矩阵　275

19.2.3 利用八点法求解基础矩阵　277

19.2.4 通过本质矩阵求解照相机位姿　278

19.3 三角测量　278

19.4 代码实现　280

19.5 小结　290

总结与展望　291

中英文术语对照表　293