●譯者序
推薦序
第5版前言
第1版前言
縮寫詞彙表
第1章計算機視覺面臨的挑戰1
1.1導言——人類及其感官1
1.2視覺的本質2
1.2.1識別過程2
1.2.2解決識別問題3
1.2.3物體定位4
1.2.4場景分析5
1.2.5視覺是逆向圖形學6
1.3從自動視覺檢測到監控6
1.4本書是關於什麼的7
1.5機器學習的作用8
1.6後續章節內容概述9
1.7書目注釋9
第一部分初級視覺
第2章圖像與圖像處理12
2.1導言12
2.2圖像處理操作15
2.2.1灰度圖像的一些基本操作15
2.2.2二值圖像的基本操作19
2.3卷積和點擴散函數21
2.4順序操作與並行操作22
2.5結束語23
2.6書目和歷史注釋24
2.7問題24
第3章圖像濾波和形態學25
3.1導言25
3.2通過高斯平滑抑制噪聲27
3.3中值濾波器28
3.4模式濾波器30
3.5秩排序濾波器35
3.6銳化–反銳化掩模35
3.7中值濾波器引入的偏移36
3.7.1中值偏移的連續體模型36
3.7.2推廣到灰度圖38
3.7.3中值偏移的離散模型40
3.8秩排序濾波器引入的偏移41
3.9濾波器在計算機視覺工業應用中的作用44
3.10圖像濾波中的色彩44
3.11二值圖像的膨脹和腐蝕45
3.11.1膨脹和腐蝕45
3.11.2抵消效應45
3.11.3改進的膨脹與腐蝕算子45
3.12數學形態學46
3.12.1泛化的形態學膨脹46
3.12.2泛化的形態學腐蝕47
3.12.3膨脹與腐蝕之間的對偶性47
3.12.4膨脹與腐蝕算子的特性48
3.12.5閉合與開啟50
3.12.6基本形態學運算概要51
3.13形態學分組53
3.14灰度圖像中的形態學54
3.15結束語55
3.16書目和歷史注釋56
3.17問題58
第4章閾值的作用61
4.1導言61
4.2區域生長方法62
4.3閾值方法62
4.3.1尋找合適的閾值62
4.3.2解決閾值選取中的偏差問題63
4.4自適應閾值64
4.5更的閾值選擇方法66
4.5.1基於方差的閾值67
4.5.2基於熵的閾值67
4.5.3優選似然閾值68
4.6全局波谷閾值方法69
4.7應用全局波谷閾值方法的實際結果71
4.8直方圖凹性分析75
4.9結束語75
4.10書目和歷史注釋76
4.11問題77
第5章邊緣檢測78
5.1導言78
5.2邊緣檢測基本理論79
5.3模板匹配方法80
5.43×3模板算子理論81
5.5微分梯度算子的設計82
5.6圓形算子的概念83
5.7圓形算子的詳細實現83
5.8微分邊緣算子的繫統設計85
5.9上述方法的問題—?一些替代方案86
5.10滯後閾值88
5.11Canny算子89
5.12Laplacian算子92
5.13結束語93
5.14書目和歷史注釋93
5.15問題94
第6章角點、興趣點和不變特征的檢測95
6.1導言95
6.2模板匹配95
6.3二階導數方法96
6.4基於中值濾波的角點檢測器98
6.4.1分析中值檢測器的操作98
6.4.2實際結果99
6.5Harris興趣點算子100
6.5.1各種幾何構型的角點信號和位移102
6.5.2交叉點和T形交叉點的性能103
6.5.3Harris算子的不同形式105
6.6角點方向106
6.7局部不變特征檢測器與描述符106
6.7.1幾何變換和特征標準化107
6.7.2Harris尺度、仿射不變檢測器和描述符108
6.7.3Hessian尺度、仿射不變檢測器和描述符109
6.7.4尺度不變特征變換算子110
6.7.5加速魯棒特征算子110
6.7.6優選穩定極值區域111
6.7.7各種不變特征檢測器的比較112
6.7.8定向梯度直方圖114
6.8結束語115
6.9書目和歷史注釋116
6.10問題118
第7章紋理分析119
7.1導言119
7.2紋理分析的一些基本方法121
7.3灰度共生矩陣122
7.4Laws紋理能量法123
7.5Ade特征濾波器法125
7.6對Laws法和Ade法的評估126
7.7結束語127
7.8書目和歷史注釋127
第二部分中級視覺
第8章二值化形狀分析130
8.1導言130
8.2二值圖像的連通性131
8.3物體標記和計數131
8.4尺寸濾波136
8.5距離函數及其用途138
8.6骨架和細化140
8.6.1交叉數141
8.6.2細化的並行和順序實現143
8.6.3引導細化144
8.6.4如何看待骨架的本質145
8.6.5骨架節點分析146
8.6.6骨架在形狀識別中的應用146
8.7形狀識別的其他度量147
8.8邊界跟蹤過程148
8.9結束語149
8.10書目和歷史注釋150
8.11問題151
第9章邊界模式分析154
9.1導言154
9.2邊界跟蹤過程156
9.3質心輪廓156
9.4質心輪廓方法存在的問題157
9.5（s,ψ）圖159
9.6解決遮擋問題160
9.7邊界長度度量的準確性162
9.8結束語163
9.9書目和歷史注釋164
9.10問題165
第10章直線、圓和橢圓的檢測166
10.1導言166
10.2霍夫變換在直線檢測中的應用167
10.3垂足法169
10.4使用RANSAC進行直線檢測171
……
第11章廣義霍夫變換191
第12章物體分割與形狀模型215
第三部分機器學習和深度學習網絡
第13章基本分類概念230
第14章機器學習：概率方法251
第15章深度學習網絡287
第四部分三維視覺和運動
第16章三維世界316
第17章解決n點透視問題338
第18章不變量與透視347
第19章圖像變換和攝像機校準368
第20章運動385
第五部分計算機視覺的應用
第21章人臉檢測與識別：深度學習帶來的影響398
第22章監控420
第23章車載視覺繫統457
第24章結語——計算機視覺展望481
本書從第1版至今歷時30餘年，在全球範圍內擁有廣泛的讀者。書中清晰而繫統地介紹了計算機視覺的基本方法及應用，講解基礎理論的同時，強調算法和實際的設計約束，具備繫統性、優選性和完整性。本書特色：新增三章討論機器學習，以反映計算機視覺領域的發展。其中兩章討論基本分類概念和概率模型，另外一章介紹深度學習網絡的原理，並通過人臉檢測與識別這一應用討論了其產生的影響。此外，還新增一章討論了物體分割與形狀模型。深入討論了幾何變換、EM算法、Boosting方法、語義分割、人臉正面化、RNN等重要主題，包括眼睛、車輛和行人的定位等實例和應用，涵蓋開發真實視覺繫統的細節和實現過程。理論方面，通過清晰的闡釋和恰當的例子使數學知識和基礎理論變得通俗易懂。此外，每一章都介紹了新研究進展，幫助學生和實踐者緊跟技術發展潮流。配備可免費下載的編程示例，包括代碼、方法、圖示、任務、提示和解決方案（主要采用MATLAB和C等
