计算机视觉：原理、算法、应用及学习 pdf下载

译者序
推荐序
第5版前言
第1版前言
缩写词汇表
第1章　计算机视觉面临的挑战 1
1.1　导言—人类及其感官 1
1.2　视觉的本质 2
1.2.1　识别过程 2
1.2.2　解决识别问题 3
1.2.3　物体定位 4
1.2.4　场景分析 5
1.2.5　视觉是逆向图形学 6
1.3　从自动视觉检测到监控 6
1.4　本书是关于什么的 7
1.5　机器学习的作用 8
1.6　后续章节内容概述 9
1.7　书目注释 9
第一部分　初级视觉
第2章　图像与图像处理 12
2.1　导言 12
2.2　图像处理操作 15
2.2.1　灰度图像的一些基本操作 15
2.2.2　二值图像的基本操作 19
2.3　卷积和点扩散函数 21
2.4　顺序操作与并行操作 22
2.5　结束语 23
2.6　书目和历史注释 24
2.7　问题 24
第3章　图像滤波和形态学 25
3.1　导言 25
3.2　通过高斯平滑抑制噪声 27
3.3　中值滤波器 28
3.4　模式滤波器 30
3.5　秩排序滤波器 35
3.6　锐化–反锐化掩模 35
3.7　中值滤波器引入的偏移 36
3.7.1　中值偏移的连续体模型 36
3.7.2　推广到灰度图 38
3.7.3　中值偏移的离散模型 40
3.8　秩排序滤波器引入的偏移 41
3.9　滤波器在计算机视觉工业应用中的作用 44
3.10　图像滤波中的色彩 44
3.11　二值图像的膨胀和腐蚀 45
3.11.1　膨胀和腐蚀 45
3.11.2　抵消效应 45
3.11.3　改进的膨胀与腐蚀算子 45
3.12　数学形态学 46
3.12.1　泛化的形态学膨胀 46
3.12.2　泛化的形态学腐蚀 47
3.12.3　膨胀与腐蚀之间的对偶性 47
3.12.4　膨胀与腐蚀算子的特性 48
3.12.5　闭合与开启 50
3.12.6　基本形态学运算概要 51
3.13　形态学分组 53
3.14　灰度图像中的形态学 54
3.15　结束语 55
3.16　书目和历史注释 56
3.17　问题 58
第4章　阈值的作用 61
4.1　导言 61
4.2　区域生长方法 62
4.3　阈值方法 62
4.3.1　寻找合适的阈值 62
4.3.2　解决阈值选取中的偏差问题 63
4.4　自适应阈值 64
4.5　更彻底的阈值选择方法 66
4.5.1　基于方差的阈值 67
4.5.2　基于熵的阈值 67
4.5.3　最大似然阈值 68
4.6　全局波谷阈值方法 69
4.7　应用全局波谷阈值方法的实际结果 71
4.8　直方图凹性分析 75
4.9　结束语 75
4.10　书目和历史注释 76
4.11　问题 77
第5章　边缘检测 78
5.1　导言 78
5.2　边缘检测基本理论 79
5.3　模板匹配方法 80
5.4　3×3模板算子理论 81
5.5　微分梯度算子的设计 82
5.6　圆形算子的概念 83
5.7　圆形算子的详细实现 83
5.8　微分边缘算子的系统设计 85
5.9　上述方法的问题—?一些替代方案 86
5.10　滞后阈值 88
5.11　Canny算子 89
5.12　Laplacian算子 92
5.13　结束语 93
5.14　书目和历史注释 93
5.15　问题 94
第6章　角点、兴趣点和不变特征的检测 95
6.1　导言 95
6.2　模板匹配 95
6.3　二阶导数方法 96
6.4　基于中值滤波的角点检测器 98
6.4.1　分析中值检测器的操作 98
6.4.2　实际结果 99
6.5　Harris兴趣点算子 100
6.5.1　各种几何构型的角点信号和位移 102
6.5.2　交叉点和T形交叉点的性能 103
6.5.3　Harris算子的不同形式 105
6.6　角点方向 106
6.7　局部不变特征检测器与描述符 106
6.7.1　几何变换和特征标准化 107
6.7.2　Harris尺度、仿射不变检测器和描述符 108
6.7.3　Hessian尺度、仿射不变检测器和描述符 109
6.7.4　尺度不变特征变换算子 110
6.7.5　加速鲁棒特征算子 110
6.7.6　最大稳定极值区域 111
6.7.7　各种不变特征检测器的比较 112
6.7.8　定向梯度直方图 114
6.8　结束语 115
6.9　书目和历史注释 116
6.10　问题 118
第7章　纹理分析 119
7.1　导言 119
7.2　纹理分析的一些基本方法 121
7.3　灰度共生矩阵 122
7.4　Laws纹理能量法 123
7.5　Ade特征滤波器法 125
7.6　对Laws法和Ade法的评估 126
7.7　结束语 127
7.8　书目和历史注释 127
第二部分　中级视觉
第8章　二值化形状分析 130
8.1　导言 130
8.2　二值图像的连通性 131
8.3　物体标记和计数 131
8.4　尺寸滤波 136
8.5　距离函数及其用途 138
8.6　骨架和细化 140
8.6.1　交叉数 141
8.6.2　细化的并行和顺序实现 143
8.6.3　引导细化 144
8.6.4　如何看待骨架的本质 145
8.6.5　骨架节点分析 146
8.6.6　骨架在形状识别中的应用 146
8.7　形状识别的其他度量 147
8.8　边界跟踪过程 148
8.9　结束语 149
8.10　书目和历史注释 150
8.11　问题 151
第9章　边界模式分析 154
9.1　导言 154
9.2　边界跟踪过程 156
9.3　质心轮廓 156
9.4　质心轮廓方法存在的问题 157
9.5　（s, ψ）图 159
9.6　解决遮挡问题 160
9.7　边界长度度量的准确性 162
9.8　结束语 163
9.9　书目和历史注释 164
9.10　问题 165
第10章　直线、圆和椭圆的检测 166
10.1　导言 166
10.2　霍夫变换在直线检测中的应用 167
10.3　垂足法 169
10.4　使用RA

本书的第1版于1990年出版，受到许多研究者和从业者的欢迎。然而，在随后的20年里，计算机视觉的发展速度飞快，许多在第1版中不值一提的话题，现在必须被纳入以后的版本中。例如，我们引入了大量关于特征检测、数学形态学、纹理分析、形状检测、人工神经网络、3D视觉、不变性、运动分析、目标跟踪和稳健统计的新材料，这些内容变得日益重要。在第4版中，我们认识到计算机视觉的应用范围越来越广，特别是必须增加关于监控和车载视觉系统的两章。从那以后，相关研究和讨论一直没有停止。事实上，在过去的四五年里，深度神经网络的研究开始呈现爆炸性增长，由此产生的实际成果令人震惊。显然，第5版必须反映这种彻底的转变—无论是基础理论还是实践应用。事实上，本书增加了一个新的部分—机器学习和深度学习网络（第三部分），可以看出，这个标题意味着新内容不仅反映了深度学习（相对于旧的“人工神经网络”的巨大改进），也反映了一种基于严格的概率方法的模式识别方法。
在书中阐释清楚这些主题并非易事，因为概率方法只有在相当严格的数学环境中才能讲透。数学背景太少，这个主题可能会被淡化到几乎没有内容；数学内容太多，对许多读者来说可能无法理解。显然，我们不能因为读者害怕那些数学公式就避而不谈。因此，第14章对读者而言是一次挑战，这一章充分展示了所涉及的方法类型，同时提供给读者越过一些数学复杂性的途径—至少在第一次遇到时是这样的。一旦越过了相对困难的第14章，第15章和第21章将主要向读者展示案例研究，前者聚焦于深度学习网络的关键发展时期（2012—2015），后者的时间段与之类似（2013—2016）。在此期间，深度学习的主要目标是人脸检测和识别，并且取得了显著的进步。不应忽视的是，这些增补对本书的内容产生了非常大的影响，以至于书名不得不做出修改。之后，本书的组织结构又得到了进一步修改，在新的第五部分“计算机视觉的应用”中，收入了三个关于应用的章节。
值得注意的是，此时计算机视觉已经达到成熟水平，这使它变得更加严格、可靠、通用，并且能够实时运行（考虑到现在可用于实现的改进的硬件设施，特别是功能极其强大的GPU）。这意味着在要求严格的应用中使用计算机视觉技术的人比以往任何时候都多，而且实际困难也更少了。本书旨在从根本上反映这一全新的令人兴奋的发展。
对于电子工程和计算机科学专业的大四学生，视觉课程可包括第1～13章和第16章的大部分内容，根据需要，还可包括其他章节的部分内容。对于理学硕士或博士研究生来说，可能涵盖第三部分或第四部分的深入内容，第五部分的部分章节也是合适的，其中许多实际练习都是在图像分析系统上进行的（一旦开始认真研究，就不应该低估附录中讨论的稳健统计的重要性，尽管这可能超出本科教学大纲的范围）。这在很大程度上取决于每个学生正在进行的研究项目。在现阶段，本书可能不得不更多地用作研究手册，事实上，这本书的主要目的之一就是作为这一重要领域的研究者和实践者的手册。
正如在之前版本的前言中提到的，本书很大程度上依赖于我与各位研究生合作时获得的经验，特别感谢马克·埃德蒙兹、西蒙·巴克、丹尼尔·塞拉诺、达雷尔·格林希尔、德里克·查尔斯、马克·苏格鲁和乔治·马斯塔克西斯，他们都以自己的方式帮助我形成了对计算机视觉技术的认识。此外，与同事巴里·库克、扎希德·侯赛因、伊恩·汉娜、德夫·帕特尔、大卫·梅森、马克·贝特曼、铁英·卢、阿德里安·约翰斯顿和皮尔斯·普吕默进行的许多有益的讨论是我最美好的回忆，尤其是阿德里安和皮尔斯，他们为实现我的研究小组的视觉算法在生成硬件系统方面贡献颇多。接下来，我要感谢英国机器视觉协会的同僚就这一主题进行了多次广泛的讨论，特别感谢马吉德·米尔迈赫迪、阿德里安·克拉克、尼尔·萨克尔和马克·尼克松，随着时间的推移，他们对本书的数次更新产生了巨大的影响，并在本书中留下了永久的印记。接下来，我要感谢匿名评论者发表的有见地的评论，以及提出的非常有价值的建议。最后，我要感谢爱思唯尔的蒂姆·皮茨的帮助和鼓励，没有他，第5版可能永远不会完成。
最后，本书网站https://www.elsevier.com/books-and-journals/book-companion/9780128092842
包含编程和其他资源，可帮助读者和学生使用本书。欢迎查看网站以了解更多信息。

E. R. 戴维斯
英国伦敦大学皇家霍洛威学院