計算機視覺計算理論與演算法基礎

Ⅰ 《深度學習與計算機視覺演算法原理框架應用與代碼實現》pdf下載在線閱讀全文，求百度網盤雲資源

《深度學習與計算機視覺演算法原理框架應用與代碼實現》網路網盤pdf最新全集下載:
鏈接: https://pan..com/s/1cLRAsqTH6mZ932wmjYt3Dw

Ⅱ 計算機cv方向是什麼

計算機視覺（Computer Vision）是指用計算機實現人的視覺功能——對客觀世界的三維場景的感知、識別和理解。

這意味著計算機視覺技術的研究目標是使計算機具有通過二維圖像認知三維環境信息的能力。因此不僅需要使機器能感知三維環境中物體的幾何信息（形狀、位置、姿態、運動等）而且能對它們進行描述、存儲、識別與理解。可以認為，計算機視覺與研究人類或動物的視覺是不同的：它藉助於幾何、物理和學習技術來構築模型，用統計的方法來處理數據。

人工智慧的完整閉環包括感知、認知、推理再反饋到感知的過程，其中視覺在我們的感知系統中占據大部分的感知過程。所以研究視覺是研究計算機的感知重要的一步。

2發展的幾個重要節點

視覺研究的開端-Hubel和Wiesel關於大腦視皮層細腦感受野的論述

感受野-（一個感覺神經元的感受野是指這個位置里適當的刺激能夠引起該神經元反應的區域。感受野一詞主要是指聽覺系統、本體感覺系統和視覺系統中神經元的一些性質。）

1959年，Hubel和Wiesel貓實驗的故事，把微電極埋進貓的視皮質細胞，之後在屏幕上打出一些光影和圖形。通過固定貓的頭部來控制視網膜上的成像，並測試細胞對線條、直角、邊緣線等圖形的反應。Hubel和Wiesel告訴我們視覺識別應該從簡單的形狀開始。

對於看到魚和老鼠投像的貓來說，視覺處理的前期並不是對整體的魚或者老鼠進行處理，視覺處理流程的第一步是對簡單的形狀的結構處理、邊緣排列。只有當圖片切換時的反應激烈。

二維到三維- Roberts積木世界讓計算機理解三維場景

20世紀50年代主要分析二維圖像，而Lary Roberts 1963年寫的論文《block world》（積木世界），運用計算機程序，試圖從圖像中闡釋出諸如立方體等多面體的這些邊緣和形狀。它根據線畫圖來理解由多面體構成的景物，並對物體形狀物體的空間關系進行描述。

學科的誕生

計算機視覺真正的誕生時間是在1966年，MIT人工智慧實驗室成立了計算機視覺學科，標志著CV成為一門人工智慧領域中的可研究的學科，同時歷史的發展也證明了CV是人工智慧領域中增長最快的一個學科。

視覺理論：視覺是分層的

20世紀80年代初，MIT人工智慧實驗室的David Marr出版了一本書《視覺》（全名《Vision： A Computational Investigation into the Human Representation and Processing of Visual Information》），他提出了一個觀點：視覺是分層的。

他認為視覺是個信息處理任務，應該從三個層次來研究和理解，即計算理論、演算法、實現演算法的機制或硬體。

一、信息處理的計算理論，在這個層次研究的是對什麼信息進行計算和為什麼要進行這些計算。

二、演算法，在這個層次研究的是如何進行所要求的計算，即設計特定的演算法

三、實現演算法的機制或硬體，在這個層次上研究完成某一特定演算法的計算機構。

例如根據 Fourier 分析理論，任意連續函數可用它的 Fourier 頻譜來表示，因此 Fourier 變換是屬於第一層的理論，而計算Fourier 變換的演算法是屬於第二個層次的，至於實現快速，Fourier演算法的陣列處理機就屬於第三層次。

視覺理論使人們對視覺信息的研究有了明確的內容和較完整的基本體系，仍被看做是研究的主流；

3計算機視覺是一門交叉學科

計算機視覺技術是一種典型的交叉學科研究領域，包含了生物、心理，物理，工程，數學，計算機科學等領域，存在與其他許多學科或研究方向之間相互滲透、相互支撐的關系。在概念的理解中我們常常聽到AI、圖像處理、模式識別、機器視覺等詞語，那麼他們和計算機視覺之間是怎樣的關系呢？

（圖片來自網路）

計算機視覺與人工智慧
人工智慧技術主要研究智能系統的設計和有關智能的計算理論與方法。 人工智慧可被分為三個階段感知 、認知和動作執行。計算機視覺常被視為A I的一分支 。

計算機視覺與圖像處理
圖像處理中，人是最終的解釋者；計算機視覺中，計算機是圖像的解釋者。圖像處理演算法在機器視覺系統的早期階段起著很大的作用，它們通常被用來增強特定信息並抑制雜訊。計算機視覺系統必須有圖像處理模塊存在。

（圖片來自wikipedia）

計算機視覺與模式識別
模式識別是根據從圖像中抽取的統計特性或結構信息，把圖像分為設定的類別。圖像模式的分類是計算機視覺中的一個重要問題。模式識別中的許多方法可以應用於計算機視覺中。

計算機視覺與機器視覺
計算機視覺技術的研究目標是使計算機具有通過一幅或多幅圖像認知周圍環境的能力（包括對客觀世界三維環境的感知 、識別與理解）。 這意味著計算機不僅要模擬人眼的功能，而且更重要的是使計算機完成人眼所不能勝任的工作。而機器視覺則是建立在計算機視覺理論基礎之上，偏重於計算機視覺技術的工程化，能夠自動獲取和分析特定的圖像，以控制相應的行為。與計算機視覺所研究的視覺模式識別、視覺理解等內容不同，機器視覺技術重點在於感知環境中物體的形狀、位置 、姿態 、運動等幾何信息 。兩者基本理論框架、底層理論、演算法相似，只是研究的最終目的不同。所以實際中並不加以嚴格劃分，對於工業應用常使用「機器視覺」 ，而一般情況下則常用「計算機視覺「。（部分選自《基於 OpenCV 的計算機視覺技術實現》）

Ⅲ 計算機視覺中哪些具體的數學知識比較重要

一是線性代數或者矩陣理論，因為計算機視覺的主要研究對象是圖像，而數字圖像又是用矩陣來表示的。
二是概率與統計，因為計算機視覺研究的主要目標是讓計算機通過攝像頭具有理解自然場景的能力。處理實際生活當中的推斷問題那就要用到概率與統計知識了。
計算機視覺研究中用到的其他方面的數學還有很多，比如：離散數學、圖論、微分幾何、黎曼幾何、李群和李代數、流形學習、張量分析、主成分分析、非線性優化等等。
在做計算機視覺研究中，你沒有必要先把這些基礎知識都學習了再來搞研究。即使你把這些數學知識都掌握了，針對研究中要解決的問題說不定用的也不是這些數學知識。
個人之見：帶著研究的問題去尋找數學上的工具，比掌握了數學知識再來尋找問題要符合實際。除非你開始學的是數學專業，不然的話，研究中最好以問題為導向，用到什麼就學習什麼，否則學習很多數學基礎知識，到了最後大多數學過的知識卻沒用上。
總之，研究中用到什麼數學知識就學習什麼知識就好，沒必要把所有涉及到的都學一遍，搞科研畢竟不是在應付數學專業考試。
如果你做計算機視覺研究同時又對數學有興趣，可以關注數學方面的最新科研進展，看看有哪些新理論、新演算法出現，能不能用到你的研究方向上，這樣做就足夠了。用新方法去解決老問題，也是一種有效的創新手段。
最後，還是要強調：做計算機視覺方面的研究，完全沒有必要一開始就把自己埋到數學書堆里。

Ⅳ 計算機視覺需要電子知識嗎

計算機視覺是一門研究如何使機器「看」的科學，更進一步的說，就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。作為一個科學學科，計算機視覺研究相關的理論和技術，試圖建立能夠從圖像或者多維數據中獲取『信息』的人工智慧系統。這里所 指的信息指Shannon定義的，可以用來幫助做一個「決定」的信息。因為感知可以看作是從感官信號中提 取信息，所以計算機視覺也可以看作是研究如何使人工系統從圖像或多維數據中「感知」的科學。
中文名
計算機視覺
外文名
Computer Vision
快速
導航
解析原理相關現狀應用異同問題系統要件會議期刊
定義
計算機視覺是使用計算機及相關設備對生物視覺的一種模擬。它的主要任務就是通過對採集的圖片或視頻進行處理以獲得相應場景的三維信息，就像人類和許多其他類生物每天所做的那樣。
計算機視覺是一門關於如何運用照相機和計算機來獲取我們所需的，被拍攝對象的數據與信息的學問。形象地說，就是給計算機安裝上眼睛（照相機）和大腦（演算法），讓計算機能夠感知環境。我們中國人的成語"眼見為實"和西方人常說的"One picture is worth ten thousand words"表達了視覺對人類的重要性。不難想像，具有視覺的機器的應用前景能有多麼地寬廣。
計算機視覺既是工程領域，也是科學領域中的一個富有挑戰性重要研究領域。計算機視覺是一門綜合性的學科，它已經吸引了來自各個學科的研究者參加到對它的研究之中。其中包括計算機科學和工程、信號處理、物理學、應用數學和統計學，神經生理學和認知科學等。

Ⅳ 圖像處理、計算機視覺、機器學習與模式識別的聯系與區別

摘要 計算機視覺（computer vision），用計算機來模擬人的視覺機理獲取和處理信息的能力。就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，用電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺研究相關的理論和技術，試圖建立能夠從圖像或者多維數據中獲取『信息』的人工智慧系統。計算機視覺的挑戰是要為計算機和機器人開發具有與人類水平相當的視覺能力。機器視覺需要圖象信號，紋理和顏色建模，幾何處理和推理，以及物體建模。一個有能力的視覺系統應該把所有這些處理都緊密地集成在一起。

Ⅵ 雙目視覺原理進行表面形貌測量需要經歷哪些主要步驟每個步驟的主要任務是什麼

1. 什麼是視覺

視覺是一個古老的研究課題，同時又是人類觀察世界、認知世界的重要功能和手段。人類從外界獲得的信息約有75%來自視覺系統，用機器模擬人類的視覺功能是人們多年的夢想。視覺神經生理學，視覺心裡學，特別是計算機技術、數字圖像處理、計算機圖形學、人工智慧等學科的發展，為利用計算機實現模擬人類的視覺成為可能。在現代工業自動化生產過程中，計算機視覺正成為一種提高生產效率和檢驗產品質量的關鍵技術之一，如機器零件的自動檢測、智能機器人控制、生產線的自動監控等;在國防和航天等領域，計算機視覺也具有較重要的意義，如運動目標的自動跟蹤與識別、自主車導航及空間機器人的視覺控制等。

人類視覺過程可以看作是一個從感覺到知覺的復雜過程，從狹義上來說視覺的最終目的是要對場景作出對觀察者有意義的解釋和描述；從廣義上說，是根據周圍的環境和觀察者的意願，在解釋和描述的基礎上做出行為規劃或行為決策。計算機視覺研究的目的使計算機具有通過二維圖像信息來認知三維環境信息的能力，這種能力不僅使機器能感知三維環境中物體的幾何信息(如形狀、位置、姿態運動等)，而且能進一步對它們進行描述、存儲、識別與理解，計算機視覺己經發展起一套獨立的計算理論與演算法。

2. 什麼是計算機雙目立體視覺

雙目立體視覺(Binocular Stereo Vision)是機器視覺的一種重要形式，它是基於視差原理並利用成像設備從不同的位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差，來獲取物體三維幾何信息的方法。融合兩隻眼睛獲得的圖像並觀察它們之間的差別，使我們可以獲得明顯的深度感，建立特徵間的對應關系，將同一空間物理點在不同圖像中的映像點對應起來，這個差別，我們稱作視差(Disparity)圖像。

雙目立體視覺測量方法具有效率高、精度合適、系統結構簡單、成本低等優點，非常適合於製造現場的在線、非接觸產品檢測和質量控制。對運動物體（包括動物和人體形體）測量中，由於圖像獲取是在瞬間完成的，因此立體視覺方法是一種更有效的測量方法。雙目立體視覺系統是計算機視覺的關鍵技術之一，獲取空間三維場景的距離信息也是計算機視覺研究中最基礎的內容。

雙目立體視覺的開創性工作始於上世紀的60年代中期。美國MIT的Roberts通過從數字圖像中提取立方體、楔形體和稜柱體等簡單規則多面體的三維結構，並對物體的形狀和空間關系進行描述，把過去的簡單二維圖像分析推廣到了復雜的三維場景，標志著立體視覺技術的誕生。隨著研究的深入，研究的范圍從邊緣、角點等特徵的提取，線條、平面、曲面等幾何要素的分析，直到對圖像明暗、紋理、運動和成像幾何等進行分析，並建立起各種數據結構和推理規則。特別是上世紀80年代初，Marr首次將圖像處理、心理物理學、神經生理學和臨床精神病學的研究成果從信息處理的角度進行概括，創立了視覺計算理論框架。這一基本理論對立體視覺技術的發展產生了極大的推動作用，在這一領域已形成了從圖像的獲取到最終的三維場景可視表面重構的完整體系，使得立體視覺已成為計算機視覺中一個非常重要的分支。

3、總結

經過幾十年來的發展，立體視覺在機器人視覺、航空測繪、反求工程、軍事運用、醫學成像和工業檢測等領域中的運用越來越廣。

以視覺系統為基礎的三維非接觸式高速測量是一個重要的研究方向，雙目立體視覺方法是其中一種最常用的方法。為了能夠將這些技術應用在實際的無人機項目中，需要盡可能提高演算法的效率與精度。（俊鷹無人機）

Ⅶ 計算機視覺

計算機視覺概述

1 什麼是計算機視覺

計算機視覺既是工程領域，也是科學領域中的一個富有挑戰性重要研究領域。計算機視覺是一門綜合性的學科，它已經吸引了來自各個學科的研究者參加到對它的研究之中。其中包括計算機科學和工程、信號處理、物理學、應用數學和統計學，神經生理學和認知科學等。

視覺是各個應用領域，如製造業、檢驗、文檔分析、醫療診斷，和軍事等領域中各種智能／自主系統中不可分割的一部分。由於它的重要性，一些先進國家，例如美國把對計算機視覺的研究列為對經濟和科學有廣泛影響的科學和工程中的重大基本問題，即所謂的重大挑戰（grand challenge）。計算機視覺的挑戰是要為計算機和機器人開發具有與人類水平相當的視覺能力。機器視覺需要圖象信號，紋理和顏色建模，幾何處理和推理，以及物體建模。一個有能力的視覺系統應該把所有這些處理都緊密地集成在一起。[Neg91]作為一門學科，計算機視覺開始於60年代初，但在計算機視覺的基本研究中的許多重要進展是在80年代取得的。現在計算機視覺已成為一門不同於人工智慧、圖象處理、模式識別等相關領域的成熟學科。計算機視覺與人類視覺密切相關，對人類視覺有一個正確的認識將對計算機視覺的研究非常有益。為此我們將先介紹人類視覺。

1.1 人類視覺

感覺是人的大腦與周圍世界聯系的窗口，它的任務是識別周圍的物體，並告訴這些物體之間的關系。我們的思維活動是以我們對客觀世界與環境的認識為基礎的，而感覺則是外界是客觀世界與我們對環境的認識之間的橋梁，使我們的思維與周圍世界建立某種對應關系。視覺則是人最重要的感覺，它是人的主要感覺來源，人類認識外界信息的80%來自視覺。

人有多種感覺，但對人的智力產生影響的主要是視覺和聽覺。味覺和嗅覺是豐富多樣的，但很少有人去思考它們。在視覺和聽覺中形狀、色彩、運動、聲音等就很容易被結合成各種明確和高度復雜、多樣的空間和時間的組織結構。所以這兩種感覺就成了理智活動得以行使和發揮作用的非常合適的媒介和環境。但人聽到的聲音要想具有意義還需要聯系其它的感性材料。而視覺則不同，它是一種高度清晰的媒介，它提供關於外界世界中各種物體和事件的豐富信息。因此它是思維的一種最基本的工具。

視覺對正常人來說是生而有之，毫不費力的能力。但實際上視覺系統所完成的功能卻十分復雜的。有人認為視覺本身就包含了思維的一切基本因素。設想你要在一個會場中尋找一位朋友，呈現在你眼前的是由參加會議的人、桌、椅、主席台等組成的復雜景物。眼睛得到這些信息以後先要對景物的各部分進行分類，然後從中選出與朋友的外表有關的特徵作出判斷，那麼在人的眼睛視網膜上映照的景物成象是否就能直接提供判斷時所需要的有關特徵呢？不是的，這里需要大腦的思考。例如，雖然人在不同距離處觀察同一物體時在眼睛中成象的大小是不同的。但人們在觀察某人以便估計他的身高時卻不會因為他在近處而感到他高些，也不會因他在遠處而感到他矮些。這是由於大腦根據被觀察物體的距離和與周圍物體的比較，並依靠有關的知識對輸入的圖象信息進行處理，解釋的結果。如果你是在一個燈光暗淡的劇院中尋找朋友，這個問題就變得更為困難。你剛走進劇院時開始會感到一片漆黑看不清東西，過了幾分鍾你的眼睛變得習慣於在黑暗中觀察。事實上你的視覺系統在此期間中對微光變得更敏感了。但這時許多本來可用的信息喪失了，物體可能難以與背景相區分，許多細節難以分辨。即使這樣人也總能認出朋友。總之，視覺是一個復雜的感知和思維的過程，視覺器官-眼睛接受外界的刺激信息，而大腦對這些信息通過復雜的機理進行處理和解釋，使這些刺激具有明確的物理意義。

從以上分析我們還可以看到敏感（Sansation）、感覺（Perception）、認知（Cognition）這三個概念之間的聯系和差別。敏感是把外界的各種刺激轉換成人體神經系統能夠接受的生物電信號。它所完成的是信號的轉換，並不涉及對信號的理解。例如，人眼是視覺的敏感器官，它使光信號通過視網膜轉換電信號。與攝象機的光電感測器相似，視網膜的感光細胞對光信號在平面上進行采樣，產生點陣形式的電信號，所不同的僅是攝象機的空間采樣是均勻的，而視網膜的采樣是不均勻的，在中央凹附近采樣解析度高，而在周圍的解析度低。而感覺的

任務是把敏感器官的各種輸入轉換和處理成為對外部世界的理解。例如，對視覺來說就是能說出周圍世界中有什麼東西和這些東西之間的空間關系。這些都是關於周圍世界的概念。從輸入的點陣形式的信號到形式對客觀世界的各種概念其中要經過復雜的信息處理和推理。而認知是以人們對周圍客觀世界的概念為基礎的。如果沒有感覺這個人與外部世界的橋梁或窗口，人的思維活動就換去基本的依據。

1.2 計算機視覺

人類正在進入信息時代，計算機將越來越廣泛地進入幾乎所有領域。一方面是更多未經計算機專業訓練的人也需要應用計算機，而另一方面是計算機的功能越來越強，使用方法越來越復雜。這就使人在進行交談和通訊時的靈活性與目前在使用計算機時所要求的嚴格和死板之間產生了尖銳的矛盾。人可通過視覺和聽覺，語言與外界交換信息，並且可用不同的方式表示相同的含義，而目前的計算機卻要求嚴格按照各種程序語言來編寫程序，只有這樣計算機才能運行。為使更多的人能使用復雜的計算機，必須改變過去的那種讓人來適應計算機，來死記硬背計算機的使用規則的情況。而是反過來讓計算機來適應人的習慣和要求，以人所習慣的方式與人進行信息交換，也就是讓計算機具有視覺、聽覺和說話等能力。這時計算機必須具有邏輯推理和決策的能力。具有上述能力的計算機就是智能計算機。

智能計算機不但使計算機更便於為人們所使用，同時如果用這樣的計算機來控制各種自動化裝置特別是智能機器人，就可以使這些自動化系統和智能機器人具有適應環境，和自主作出決策的能力。這就可以在各種場合取代人的繁重工作，或代替人到各種危險和惡劣環境中完成任務。

計算機視覺就是用各種成象系統代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。計算機視覺的最終研究目標就是使計算機能象人那樣通過視覺觀察和理解世界，具有自主適應環境的能力。要經過長期的努力才能達到的目標。因此，在實現最終目標以前，人們努力的中期目標是建立一種視覺系統，這個系統能依據視覺敏感和反饋的某種程度的智能完成一定的任務。例如，計算機視覺的一個重要應用領域就是自主車輛的視覺導航，目前還沒有條件實現象人那樣能識別和理解任何環境，完成自主導航的系統。因此，目前人們努力的研究目標是實現在高速公路上具有道路跟蹤能力，可避免與前方車輛碰撞的視覺輔助駕駛系統。這里要指出的一點是在計算機視覺系統中計算機起代替人腦的作用，但並不意味著計算機必須按人類視覺的方法完成視覺信息的處理。計算機視覺可以而且應該根據計算機系統的特點來進行視覺信息的處理。但是，人類視覺系統是迄今為止，人們所知道的功能最強大和完善的視覺系統。如在以下的章節中會看到的那樣，對人類視覺處理機制的研究將給計算機視覺的研究提供啟發和指導。因此，用計算機信息處理的方法研究人類視覺的機理，建立人類視覺的計算理論，也是一個非常重要和信人感興趣的研究領域。這方面的研究被稱為計算視覺（Computational Vision）。計算視覺可被認為是計算機視覺中的一個研究領域。

有不少學科的研究目標與計算機視覺相近或與此有關。這些學科中包括圖象處理、模式識別或圖象識別、景物分析、圖象理解等。由於歷史發展或領域本身的特點這些學科互有差別，但又有某種程度的相互重迭。為了清晰起見，我們把這些與計算機視覺有關的學科研究目標和方法的角度加以歸納。

1. 圖象處理

圖象處理技術把輸入圖象轉換成具有所希望特性的另一幅圖象。例如，可通過處理使輸出圖象有較高的信-噪比，或通過增強處理突出圖象的細節，以便於操作員的檢驗。在計算機視覺研究中經常利用圖象處理技術進行預處理和特徵抽取。

2. 模式識別（圖象識別）

模式識別技術根據從圖象抽取的統計特性或結構信息，把圖象分成予定的類別。例如，文字識別或指紋識別。在計算機視覺中模式識別技術經常用於對圖象中的某些部分，例如分割區域的識別和分類。

3. 圖象理解（景物分析）

給定一幅圖象，圖象理解程序不僅描述圖象本身，而且描述和解釋圖象所代表的景物，以便對圖象代表的內容作出決定。在人工智慧視覺研究的初期經常使用景物分析這個術語，以強調二維圖象與三維景物之間的區別。圖象理解除了需要復雜的圖象處理以外還需要具有關於景物成象的物理規律的知識以及與景物內容有關的知識。

在建立計算機視覺系統時需要用到上述學科中的有關技術，但計算機視覺研究的內容要比這些學科更為廣泛。計算機視覺的研究與人類視覺的研究密切相關。為實現建立與人的視覺系統相類似的通用計算機視覺系統的目標需要建立人類視覺的計算機理論。

Ⅷ 圖像處理與計算機視覺入門看什麼書

圖像處理與計算機視覺的書籍推薦photoshop及以下：
圖像處理，分析與機器視覺 第三版Sonka等著 艾海舟等譯
Image Processing, Analysis and Machine Vision
這本書是圖像處理與計算機視覺裡面比較全的一本書了，幾乎涵蓋了圖像視覺領域的各個方面。中文版的個人感覺也還可以，值得一看。
數字圖像處理 第三版 岡薩雷斯等著
Digital Image Processing
數字圖像處理永遠的經典，現在已經出到了第三版，相當給力。我的導師曾經說過，這本書寫的很優美，對寫英文論文也很有幫助，建議購買英文版的。
計算機視覺：理論與演算法 RichardSzeliski著
Computer Vision: Theory and Algorithm
微軟的Szeliski寫的一本最新的計算機視覺著作。內容非常豐富，尤其包括了作者的研究興趣，比如一般的書裡面都沒有的Image Stitching和Image Matting等。這也從另一個側面說明這本書的通用性不如Sonka的那本。不過作者開放了這本書的電子版，可以有選擇性的閱讀。
Multiple View Geometry in Computer Vision 第二版Harley等著
引用達一萬多次的經典書籍了。第二版到處都有電子版的。第一版曾出過中文版的，後來絕版了。網上也可以找到電子版。
計算機視覺：一種現代方法 DAForsyth等著
Computer Vision: A Modern Approach
MIT的經典教材。雖然已經過去十年了，還是值得一讀。第二版已經在今年（2012年）出來了，在iask上可以找到非常清晰的版本，將近800頁，補充了很多內容。期待影印版。
Machine vision: theory,algorithms, practicalities 第三版 Davies著
為數不多的英國人寫的書，偏向於工業。
數字圖像處理 第四版 Pratt著
Digital Image Processing

寫作風格獨樹一幟，也是圖像處理領域很不錯的一本書。網上也可以找到非常清晰的電子版。

Ⅸ 計算機視覺方面的經典教材

計算機視覺計算理論與演算法基礎

Ⅹ 閱讀馬頌德的《計算機視覺 : 計算理論與演算法基礎》一書的問題

高等數學 線性代數 概率統計 信號與系統 只要有這四門課的知識就足夠了