计算机视觉是一门研究和应用学科，它研究如何使用计算机来处理和理解图像与视频，该研究领域涵盖了从图像采集和处理到图像分析和识别等多项技术。它的目标是使计算机能够像人类一样理解视觉信息，并且能够自动执行视觉任务。
本书是一本以应用为导向的计算机视觉案例教材，全书共分11章。第1章讲述计算机视觉概述；第2章讲述系统环境搭建；第3章主要讲述图像处理基础；第4章主要讲述图像滤波；第5章讲述图像特征提取和匹配；第6章讲述图像分割基础；第7章讲述基于经典机器学习的图像分类；第8章讲述基于全连接网络和卷积神经网络的图像分类基础；第9章讲述基于卷积神经网络的图像分类程序的规范写法；第10章讲述基于YOLO的目标检测和物体追踪；第11章讲述基于深度学习的人脸检测、人脸识别和表情识别。前7章主要讲述必要的理论基础和基于经典机器学习的计算机视觉；后4章主要讲述基于深度学习的计算机视觉。学习本书学生有必要的Python基础知识即可，无须事先学习深度学习课程，最好具备一定的机器学习基础。
本书希望做到：知识技能较系统，写法深入浅出，案例有较好的实用性；能帮助学生入门，能帮助学生树立解决问题的信心。

第1章 计算机视觉概述
1.1 从人类视觉系统到计算机视觉
1.2 计算机视觉与人工智能
1.3 计算机视觉应用
1.4 课后习题
1.5 本章小结
第2章 系统环境搭建
2.1 项目1 搭建计算机视觉应用开发的系统环境
2.2 课后习题
2.3 本章小结
第3章 图像处理基础
3.1 项目2 把logo贴到大图右下角
3.2 课后习题
3.3 本章小结
第4章 图像滤波
4.1 项目3 交通视频中的车道线检测和绘制
4.2 课后习题
4.3 本章小结
第5章 图像特征提取和匹配
5.1 项目4 基于特征提取的logo定位
5.2 课后习题
5.3 本章小结
第6章 图像分割基础
6.1 项目5 数独图像中题干已知数字的分割
6.2 课后习题
6.3 本章小结
第7章 使用经典机器学习方法的目标检测和图像分类
7.1 项目6 使用SVM完成图片中的多车检测
7.2 项目7 使用KNN识别印刷体数字
7.3 课后习题
7.4 本章小结
第8章 基于深度学习的图像分类基础
8.1 项目8 基于全连接网络的图像分类
8.2 项目9 基于卷积神经网络（CNN）的图像分类
8.3 课后习题
8.4 本章小结
第9章 复杂深度学习项目的规范写法
9.1 项目10 基于本地数据的猫狗图像分类
9.2 课后习题
9.3 本章小结
第10章 基于深度学习的物体追踪
10.1 项目11 基于YOLOv3的行人追踪
10.2 课后习题
10.3 本章小结
第11章 基于深度学习的人脸相关应用
11.1 项目12 人脸检测、人脸识别和表情识别
11.2 课后习题
11.3 本章小结
附录A：术语表
附录B：基于Ubuntu操作系统和CPU的系统环境搭建
附录C：基于Ubuntu操作系统和GPU的系统环境搭建
附录D：CPU下的TensorFlow和Python版本对应关系
附录E：GPU下的TensorFlow、Python、CUDA和cuDNN版本对应关系