本书是关于计算机视觉的入门教材，通过广泛的例子，包括面部图片、卡通图片、动物脚印和血管造影图片等，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。书中内容涉及识别局部特征，如在存在噪声的情况下角或边的识别、保边平滑、连通分量的标记、立体视觉、阈值处理、聚类、分割，以及描述、匹配形状和场景等。本书可以作为高年级本科生和低年级研究生的教材，也可以作为从事计算机视觉技术研究的从业者和科研人员的参考用书。

译者序
前言
致老师
部分导论
章计算机视觉的定义及其历史2
1.1简介2
1.2定义2
1.3局部全局问题3
1.4生物视觉4
1.4.1生物动因4
1.4.2视觉感知6
参考文献7
第2章编写图像处理程序8
2.1简介8
2.2图像处理的基本程序结构8
2.3良好的编程风格9
2.4计算机视觉的重点9
2.5图像分析软件工具包10
2.6makefile10
2.7作业11
参考文献11
第3章数学原理回顾12
3.1简介12
3.2线性代数简要回顾12
3.2.1向量12
3.2.2向量空间14
3.2.3零空间15
3.2.4函数空间16
3.2.5线性变换17
3.2.6导数和导数算子19
3.2.7特征值和特征向量20
3.2.8特征分解21
3.2.9奇异值分解21
3.3函数最小化简要回顾23
3.3.1梯度下降23
3.3.2局部最小值和全局最小值26
3.3.3模拟退火27
3.4概率论简要回顾28
3.5作业30
参考文献31
第4章图像：表示和创建32
4.1简介32
4.2图像表示32
4.2.1标志性表示（图像）32
4.2.2函数表示(方程)34
4.2.3线性表示(向量)34
4.2.4概率表示（随机场）35
4.2.5图形表示（图）35
4.2.6邻接悖论和六边形像素36
4.3作为曲面的图像38
4.3.1梯度38
4.3.2等值线38
4.3.3脊39
4.4作业39
参考文献40
第二部分预处理
第5章卷积核算子42
5.1简介42
5.2线性算子42
5.3图像的向量表示44
5.4导数估计45
5.4.1使用核估计导数46
5.4.2通过函数拟合来估计导数46
5.4.3图像基向量49
5.4.4核作为采样可微分函数50
5.4.5其他高阶导数53
5.4.6尺度简介54
5.5边缘检测55
5.6尺度空间58
5.6.1金字塔58
5.6.2没有重采样的尺度空间59
5.7示例61
5.8数字梯度检测器的性能63
5.8.1方向导数63
5.8.2方向估计67
5.8.3讨论70
5.9总结71
5.10作业71
参考文献76
第6章去噪78
6.1简介78
6.2图像平滑78
6.2.1一维情况79
6.2.2二维情况79
6.3使用双边滤波器实现保边平滑82
6.4使用扩散方程实现保边平滑84
6.4.1一维空间的扩散方程84
6.4.2PDE模拟85
6.4.3二维空间的扩散方程85
6.4.4可变电导扩散86
6.5使用优化实现保边平滑87
6.5.1噪声消除的目标函数87
6.5.2寻找一个先验项90
6.5.3MAP算法实现和均场退火92
6.5.4病态问题和正则化94
6.6等效算法95
6.7总结97
6.8作业97
参考文献99
第7章数学形态学101
7.1简介101
7.2二值形态学101
7.2.1膨胀101
7.2.2腐蚀106
7.2.3膨胀和腐蚀的性质107
7.2.4开运算和闭运算108
7.2.5开运算和闭运算的性质109
7.3灰度形态学109
7.3.1使用平面结构元素的灰度图像110
7.3.2使用灰度结构元素的灰度图像113
7.3.3使用集合运算的灰度形态学114
7.4距离变换114
7.4.1使用迭代最近邻计算DT115
7.4.2使用二值形态运算计算DT115
7.4.3使用掩码计算DT115
7.4.4使用维诺图计算DT117
7.5边缘链接的应用117
7.6总结120
7.7作业121
参考文献122
第三部分图像理解
第8章分割124
8.1简介124
8.2阈值：仅基于亮度的分割125
8.2.1阈值的局部性质125
8.2.2通过直方图分析选择阈值126
8.2.3用高斯和拟合直方图129
8.2.4高斯混合模型与期望优选化130
8.3聚类：基于颜色相似度的分割132
8.3.1k-均值聚类133
8.3.2均值移位聚类135
8.4连接组件：使用区域增长的空间分割136
8.4.1递归方法136
8.4.2迭代方法138
8.4.3示例应用139
8.5使用主动轮廓进行分割140
8.5.1snake：离散和连续140
8.5.2水平集：包含边或者不包含边144
8.6分水岭：基于亮度曲面的分割151
8.7图割：基于图论的分割156
8.7.1目标函数157
8.7.2求解目标函数158
8.8使用MFA进行分割159
8.9评估分割的质量160
8.10总结161
8.11作业162
参考文献163
第9章参数变换167
9.1简介167
9.2霍夫变换168
9.2.1垂线问题169
9.2.2如何找到交点——累加器数组169
9.2.3使用梯度降低计算复杂度170
9.3寻找圆171
9.3.1由任意三个非共线像素表示的圆的位置推导171
9.3.2当原点未知但半径已知时找圆172
9.3.3利用梯度信息减少找圆的计算172
9.4寻找椭圆172
9.5广义霍夫变换174
9.6寻找峰值175
9.7寻找三维形状——高斯图176
9.8寻找对应体——立体视觉中的参数一致性177
9.9总结179
9.10作业179
参考文献180
0章表示法和形状匹配181
10.1简介181
10.2线性变换182
10.2.1刚体变换182
10.2.2仿射变换183
10.2.3规范和指标184
10.3协方差矩阵185
10.3.1K-L扩展的推导186
10.3.2K-L扩展的特性188
10.3.3群190
10.4区域特征191
10.4.1简单特征191
10.4.2矩193
10.4.3链码195
10.4.4傅里叶描述符195
10.4.5中轴196
10.5匹配特征向量197
10.5.1匹配简单特征197
10.5.2匹配向量197
10.5.3将向量与类匹配198
10.6使用边界描述形状199
10.6.1形状矩阵200
10.6.2形状上下文201
10.6.3曲率尺度空间202
10.6.4SKS模型204
10.7形状空间中的测地线208
10.7.1二维形状208
10.7.2一个封闭的边界作为向量210
10.7.3向量空间210
10.7.4流形211
10.7.5投影到闭合曲线上的流形212
10.7.6找到一条测地线215
10.8总结217
10.9作业217
参考文献219
1章场景表示和匹配221
11.1简介221
11.2匹配的标志性表示221
11.2.1将模板匹配到场景221
11.2.2点匹配222
11.2.3特征图像223
11.3兴趣运算225
11.3.1Harris-Laplace运算226
11.3.2SIFT兴趣运算228
11.4SIFT231
11.4.1SIFT描述符231
11.4.2使用SIFT描述符匹配邻域231
11.5SKS231
11.5.1SKS描述符232
11.5.2使用SKS描述符匹配邻域233
11.6方向梯度直方图234
11.6.1方向梯度直方图描述符235
11.6.2匹配方向梯度直方图描述符235
11.7图匹配236
11.7.1关联图237
11.7.2松弛标记239
11.7.3弹簧与模板240
11.8再论弹簧和模板241
11.9可变形模板241
11.10总结242
11.11作业243
参考文献246
第四部分在三维世界中的二维图像
2章三维相关250
12.1简介250
12.2几何相机——两个已知相机的范围（立体视觉）251
12.2.1投影251
12.2.2投影相机252
12.2.3坐标系254
12.3从运动中恢复形状——两个未知相机的范围258
12.3.1立体视觉与对应问题258
12.3.28点算法261
12.3.3寻找相机矩阵262
12.3.4相机矩阵的立体视觉263
12.3.5基本歧义264
12.4图像拼接和单应性264
12.4.1视差267
12.4.2匹配几何不变量269
12.5控制照明——一个摄像头和一个光源的范围271
12.6从x中恢复形状——单个相机的范围273
12.6.1从阴影中恢复形状273
12.6.2使用两个光源的着色形状274
12.6.3表面法线的形状276
12.6.4光度立体视觉法276
12.6.5超过三个光源的光度立体视觉法277
12.6.6从纹理中恢复形状278
12.6.7从焦点中恢复形状278
12.7三维空间的曲面279
12.7.1二阶曲面279
12.7.2将二阶曲面拟合到数据280
12.7.3拟合椭圆和椭球体282
12.8总结283
12.9作业284
参考文献286
3章开发计算机视觉算法290
参考文献292
附录A支持向量机293
附录B如何区分包含核运算符的函数298
附录C图像文件系统软件300
索引305