（1）計算機視覺領域的權威理論教材，有極高的學術價值。
（2）書稿內容思路清晰，表述極其嚴謹，作者對計算機視覺的理解非常深刻，繪制了計算機視覺與相關學科的關繫圖譜，讓讀者對該領域的構架一目了然。
（3）增加微課內容，通俗易懂地講解本書知識點。
（4）我國圖像領域的奠基人之一。

本書繫統地介紹了計算機視覺的基本原理、典型方法和實用技術，內容包括緒論、圖像采檢測、顯著性檢測、目標分割、目標表達和描述、紋理分析、形狀特性分析、立體視覺、三維景物恢復、運動分析、景物識別、廣義匹配、時空行為理解、場景解釋等。讀者可從中了解計算機視覺的基本原理和典型技術，並能據此解決計算機視覺應用中的一些具體問題。本書提供了許多講解例題，每章均有小結和參考、思考題和練習題（本書為部分思考題和練習題提供了解答）。

本書可作為信息科學、計算機科學、計算機應用、信號與信息處理、通信與信息繫統、電子與通信工程、模式識別與智能繫統等學科大學本科或研究生的專業基礎課教材，也可作為遠程教育或繼續教育中計算機應用、電子技術等專業的研究生相關課程教材，還可供涉及計算機視覺技術應用行業（如工業自動化、人機交互、辦公自動化、視覺導航和機器人、安全監控、生物醫學、遙感測繪、智能交通和軍事公安等）的科技工作者自學及科研參考。

章毓晉，1989年獲比利時列日大學應用科學博士學位。1989年至1993年先後為荷蘭德爾夫特大學博士後及研究人員。1993年到清華大學工作，1997年起被聘為教授，1998年起被聘為博士生導師，2014年起被聘為教學科研繫列的“長聘教授”。已在國內外發表了500多篇圖像工程研究論文，出版了40多本教材和專著。曾任第24屆國際圖像處理會議（ICIP?2017）等20多個國內外學術會議的程序委員會主席。現為中國圖像圖形學學會副理事長；國際光學工程協會（SPIE）會士（因在圖像工程方面的成就）。

1、緒論\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t
1．1 計算機視覺1
1．1．1 視覺概述1
1．1．2 計算機視覺的目標2
1．1．3 相關學科2
1．1．4 應用領域4
1．2 圖像基礎4
1．2．1 圖像及類別4
1．2．2 圖像表達和顯示6
1．2．3 圖像存儲7
1．3 像素間聯繫10
1．3．1 像素鄰域10
1．3．2 像素間距離11
1．4 本書內容提要15
1．4．1 計算機視覺繫統及模塊15
1．4．2 如何學習使用本書16
總結和復習19

2、圖像采集21
2．1 采集裝置21
2．2 采集模型23
2．2．1 幾何成像模型23
2．2．2 亮度成像模型28
2．2．3 空間和幅度分辨率31
2．3 采集方式32
2．3．1 成像方式一覽32
2．3．2 結構光法33
2．4 攝像機標定34
2．4．1 標定程序和步驟34
2．4．2 兩級標定法37
總結和復習40

3檢測42
3．1 邊緣檢測42
3．1．1 檢測原理42
3．1．2 一階導數算子43
3．1．3 二階導數算子47
3．1．4 邊界閉合51
3．1．5 邊界細化51
3．2 SUSAN算子52
3．2．1 USAN原理53
3．2．2 角點和邊緣檢測53
3．3 哈裡斯興趣點算子56
3．4 哈夫變換58
3．3．1 基本哈夫變換58
3．3．2 廣義哈夫變換61
3．3．3 完整廣義哈夫變換63
3．5 橢圓定位和檢測64
3．6 位置直方圖技術66
總結和復習68

4、顯著性檢測71
4．1 顯著性概述71
4．2 基於對比度的檢測74
4．2．1 對比度算法分類74
4．2．2 基於對比度幅值74
4．2．3 基於對比度分布75
4．2．4 基於最小方向對比度77
4．3 基於最穩定區域的檢測79
4．3．1 區域顯著性79
4．3．2 最穩定區域80
4．3．3 顯著性計算82
4．3．4 顯著性後處理83
4．4 顯著目標區域提取及效果評價84
4．4．1 顯著目標區域提取84
4．4．2 顯著區域提取效果評價85
總結和復習89

5、目標分割91
5．1 輪廓搜索91
5．1．1 圖搜索91
5．1．2 動態規劃93
5．2 主動輪廓模型94
5．2．1 主動輪廓94
5．2．2 能量函數95
5．3 基本閾值技術97
5．3．1 原理和分類97
5．3．2 全局閾值的選取98
5．3．3 局部閾值的選取100
5．3．4 動態閾值的選取103
5．4 特色閾值方法103
5．4．1 多分辨率閾值103
5．4．2 過渡區閾值105
5．5 特征空間聚類107
5．5．1 基本聚類方法107
5．5．2 均移確定聚類中心108
總結和復習109

6、目標表達和描述111
6．1 基於邊界的表達111
6．1．1 鏈碼111
6．1．2 邊界段和凸包113
6．1．3 邊界標記114
6．2 基於區域的表達117
6．2．1 四叉樹117
6．2．2 金字塔118
6．2．3 圍繞區域119
6．2．4 骨架119
6．3 基於邊界的描述122
6．3．1 邊界長度和直徑122
6．3．2 邊界形狀數123
6．3．3 輪廓形狀矩陣124
6．4 基於區域的描述124
6．4．1 區域面積和密度124
6．4．2 區域形狀數125
6．4．3 區域不變矩126
6．4．4 拓撲描述符128
總結和復習129

7、紋理分析131
7．1 統計描述方法131
7．1．1 灰度共生矩陣131
7．1．2 基於共生矩陣的描述133
7．1．3 基於能量的描述133
7．2 結構描述方法135
7．2．1 結構描述原理135
7．2．2 紋理鑲嵌137
7．2．3 局部二值模式138
7．3 頻譜描述方法140
7．3．1 傅裡葉頻譜描述140
7．3．2 貝塞爾-傅裡葉頻譜描述141
7．3．3 蓋伯頻譜描述142
7．4 紋理圖像分割144
7．4．1 有監督紋理分割144
7．4．2 無監督紋理分割146
總結和復習148

8、形狀分析150
8．1 形狀緊湊性描述符150
8．2 形狀復雜性描述符157
8．3 基於多邊形的形狀分析159
8．3．1 多邊形計算159
8．3．2 多邊形描述160
8．4 基於曲率的形狀分析162
8．4．1 輪廓曲率162
8．4．2 曲面曲率165
8．5 拓撲結構參數166
總結和復習167

9、立體視覺169
9．1 立體視覺模塊169
9．2 雙目成像和視差171
9．2．1 雙目橫向模式171
9．2．2 雙目橫向會聚模式173
9．2．3 雙目縱向模式174
9．3 基於區域的立體匹配175
9．3．1 模板匹配175
9．3．2 雙目立體匹配177
9．4 基於特征的立體匹配183
9．4．1 點對點的方法183
9．4．2 動態規劃匹配185
總結和復習186

10、三維景物恢復189
10．1 由光移恢復表面朝向189
10．1．1 表面反射特性189
10．1．2 目標表面朝向192
10．1．3 反射圖193
10．1．4 光度立體學求解195
10．2 從影調獲取形狀信息196
10．2．1 影調與形狀196
10．2．2 求解亮度方程198
10．3 紋理變化與表面朝向200
10．3．1 三種典型變化200
10．3．2 確定線段的紋理消失點203
10．4 根據焦距確定深度206
總結和復習207

11、運動分析209
11．1 運動分類和表達209
11．2 全局運動檢測212
11．2．1 利用圖像差的檢測213
11．2．2 基於模型的檢測215
11．3 運動目標檢測和分割217
11．3．1 背景建模217
11．3．2 運動目標跟蹤220
11．3．3 運動目標分割224
11．4 運動光流和表面取向225
11．4．1 光流約束方程225
11．4．2 光流計算225
11．4．3 光流與表面取向229
總結和復習232

12、景物識別234
12．1 統計模式分類234
12．1．1 模式分類原理234
12．1．2 最小距離分類器235
12．1．3 最優統計分類器236
12．1．4 自適應自舉239
12．2 感知機240
12．2．1 感知機原理240
12．2．2 線性可分類感知機241
12．2．3 線性不可分類感知機242
12．3 支持向量機243
12．3．1 線性可分類支持向量機243
12．3．2 線性不可分類支持向量機245
12．4 結構模式識別246
12．4．1 字符串結構識別246
12．4．2 樹結構識別249
總結和復習251

13、廣義匹配253
13．1 目標匹配253
13．1．1 匹配的度量254
13．1．2 字符串匹配257
13．1．3 慣量等效橢圓匹配258
13．1．4 形狀矩陣匹配259
13．2 動態模式匹配260
13．3 關繫匹配263
13．3．1 關繫表達和距離263
13．3．2 關繫匹配模型264
13．4 圖同構匹配266
13．4．1 圖論基礎266
13．4．2 圖同構和匹配268
總結和復習270

14、時空行為理解272
14．1 時空技術272
14．2 時空興趣點273
14．3 動態軌跡學習和分析275
14．3．1 自動場景建模276
14．3．2 路徑學習277
14．3．3 自動活動分析279
14．4 動作分類和識別280
14．4．1 動作分類280
14．4．2 動作識別281
14．5 活動和行為建模285
14．5．1 動作建模285
14．5．2 活動建模和識別288
總結和復習291

15、場景解釋293
15．1 線條圖標記解釋293
15．2 體育比賽視頻排序296
15．2．1 基於內容檢索296
15．2．2 視頻節目精彩度排序298
15．3 計算機視覺繫統模型302
15．3．1 多層次串行結構302
15．3．2 知識庫為中心的輻射結構303
15．3．3 知識庫為根的樹結構303
15．3．4 多模塊交叉配合結構304
15．4 計算機視覺理論框架305
15．4．1 馬爾視覺計算理論305
15．4．2 對馬爾理論框架的改進308
15．4．3 新理論框架的研究309
總結和復習311

部分練習題解答313

參考文獻318

索引324