Mark S. Nixon是英国南安普敦大学计算机视觉系教授。他的研究兴趣包括图像处理与计算机视觉。他的团队开发了用于生物信息学与医疗图像分析的静止与运动形状提取新技术。他的团队是自动人脸识别的早期研究者，后来是步态识别的开拓者，最近加入了耳生物信息（ear biometrics）的研究。与谭铁牛和Rama Chellappa合作，他们于2005年出版的著作《基于步态的身份识别》是斯普林格（Springer）生物信息学专辑的一部分。他是许多国际会议（BMVC 98，AVBPA 03，IEEE人脸与姿态FG 06，ICPR 04, ICB 09与IEEE BTAS 2010）的主席或程序委员会主席，并做了许多邀请报告。他是IET会士与IAPR会士。 Alberto S. Aguado是Sportradar公司的首席程序员，开发运动赛事的图像处理与实时多...(展开全部)

Mark S. Nixon是英国南安普敦大学计算机视觉系教授。他的研究兴趣包括图像处理与计算机视觉。他的团队开发了用于生物信息学与医疗图像分析的静止与运动形状提取新技术。他的团队是自动人脸识别的早期研究者，后来是步态识别的开拓者，最近加入了耳生物信息（ear biometrics）的研究。与谭铁牛和Rama Chellappa合作，他们于2005年出版的著作《基于步态的身份识别》是斯普林格（Springer）生物信息学专辑的一部分。他是许多国际会议（BMVC 98，AVBPA 03，IEEE人脸与姿态FG 06，ICPR 04, ICB 09与IEEE BTAS 2010）的主席或程序委员会主席，并做了许多邀请报告。他是IET会士与IAPR会士。 Alberto S. Aguado是Sportradar公司的首席程序员，开发运动赛事的图像处理与实时多...(展开全部)

《图像处理与计算机视觉算法及应用(第2版)》介绍了最新的算法，包括基于内容搜索中的2D视觉方法和使用显卡作为图像处理计算工具等。对于软件工程师和开发人员、高级程序员、图形程序员、科学家，以及其他需要高度专业化图像处理的专家而言，都是非常理想的参考图书。从《图像处理与计算机视觉算法及应用(第2版)》中可以获得最具价值的图像处理应用，包括数码形态学、图像恢复和字符识别；找到清晰描述最新技术的真实世界的应用，同时省去人量数学运算所需的冗长时间。

“图像处理”和“计算机视觉”课程是人工智能专业的必修课，是计算机、智能科学、电子信息、软件工程等专业的选修课。 OpenCV 是一个开源的计算机视觉库，高效地实现了大量图像处理和计算机视觉算法。本书基于成熟的 OpenCV 库，采用 Python 语言，通过大量的实际应用案例，介绍图像处理和计算机视觉算法。书中的案例以最近几年的最新科研进展为主，如人脸识别、目标跟踪、二维码识别、手势识别等。读者通过这些实用案例可以快速透彻理解算法理论，同时提高将理论应用于实践的能力。 本书提供配套的源码，方便读者学习实践。本书可作为“图像处理”和“计算机视觉”课程的教材，适合图像处理领域的师生、从业人员、OpenCV 初学者参考，也适合有一定 Python 语言基础的读者进阶学习。

“图像处理”和“计算机视觉”课程是人工智能专业的必修课，是计算机、智能科学、电子信息、软件工程等专业的选修课。 OpenCV 是一个开源的计算机视觉库，高效地实现了大量图像处理和计算机视觉算法。本书基于成熟的 OpenCV 库，采用 Python 语言，通过大量的实际应用案例，介绍图像处理和计算机视觉算法。书中的案例以最近几年的最新科研进展为主，如人脸识别、目标跟踪、二维码识别、手势识别等。读者通过这些实用案例可以快速透彻理解算法理论，同时提高将理论应用于实践的能力。 本书提供配套的源码，方便读者学习实践。本书可作为“图像处理”和“计算机视觉”课程的教材，适合图像处理领域的师生、从业人员、OpenCV 初学者参考，也适合有一定 Python 语言基础的读者进阶学习。

计算机视觉是目前研究最为活跃的领域之一，很多新的技术和方法在计算机视觉中得到了成功的应用。本书以计算机视觉相关技术和模型为主线，讨论当前这个领域的传统技术和方法。全书共分9章。第1章介绍了人类视觉系统及其计算模型、JND模型和显著性模型。第2章介绍了图像的基本表示，以及底层特征，包括边缘、角点、几何形状的检测。第3章介绍了基本的色度学及颜色模型，并对图像形成过程进行了详细介绍。随后介绍了齐次坐标及坐标变换相关的知识，最后介绍了相机位置、方向和姿态估计。后几章分别对运动场与光流相关的基础和算法、应用进行了论述。第4章介绍了从图像序列中估计2D和3D运动。第5章介绍了差分运动分析及基于核函数的视觉跟踪。第6章介绍了蒙特卡洛罗运动分析。第7章介绍了铰链运动分析及人体姿态估计。第8章介绍了多目标跟踪算法。计算机视觉相关技术在实际生活中有着广泛的应用，并在最近几年取得巨大进展，尤其是深度学习技术的发展使更多人对计算机视觉领域产生了兴趣。本书可供计算机科学与技术、软件工程、多媒体处理和信号处理等领域中关注计算机视觉、图像处理、模式识别及其应用的工程技术人员和科研教学人员阅读，也可以作为研究生和大学高年级学生学习的教材和参考书。

本书基于真实数据集，全面系统地阐述现代计算机视觉实用技术、方法和实践，涵盖50多个计算机视觉问题。全书分为四部分：di一部分（第1~3章）介绍神经网络和PyTorch的基础知识，以及如何使用PyTorch构建并训练神经网络，包括输入数据缩放、批归一化、超参数调整等；第二部分（第4~10章）介绍如何使用卷积神经网络、迁移学习等技术解决更复杂的视觉相关问题，包括图像分类、目标检测和图像分割等；第三部分（第11~13章）介绍各种图像处理技术，包括自编码器模型和各种类型的GAN模型；第四部分（第14~18章）探讨将计算机视觉技术与NLP、强化学习和OpenCV等技术相结合来解决传统问题的新方法。本书内容丰富新颖，语言文字表述清晰，应用实例讲解详细，图例直观形象，适合PyTorch初中级读者及计算机视觉相关技术人员阅读。

本书基于真实数据集，全面系统地阐述现代计算机视觉实用技术、方法和实践，涵盖50多个计算机视觉问题。全书分为四部分：di一部分（第1~3章）介绍神经网络和PyTorch的基础知识，以及如何使用PyTorch构建并训练神经网络，包括输入数据缩放、批归一化、超参数调整等；第二部分（第4~10章）介绍如何使用卷积神经网络、迁移学习等技术解决更复杂的视觉相关问题，包括图像分类、目标检测和图像分割等；第三部分（第11~13章）介绍各种图像处理技术，包括自编码器模型和各种类型的GAN模型；第四部分（第14~18章）探讨将计算机视觉技术与NLP、强化学习和OpenCV等技术相结合来解决传统问题的新方法。本书内容丰富新颖，语言文字表述清晰，应用实例讲解详细，图例直观形象，适合PyTorch初中级读者及计算机视觉相关技术人员阅读。

本书系统地介绍了计算机视觉的基本原理、典型方法和实用技术，内容包括图像采集、图像预处理、基元检测、目标分割、目标表达和描述、纹理特性分析、形状特性分析、立体视觉、三维景物恢复、运动特性分析、景物识别、广义匹配、时空行为了解、场景解释及计算机视觉系统。读者可从中了解计算机视觉的基本原理和典型技术，并能据此解决计算机视觉应用中的一些具体问题。本书提供了许多讲解例题，每章均有要点小结、参考文献介绍和练习题（为部分练习题提供了解答）。本书可作为信息科学、计算机科学、计算机应用、信号与信息处理、通信与信息系统、电子与通信工程、模式识别与智能系统等学科大学本科或研究生的专业基础课教材，也可作为远程教育或继续教育中计算机应用、电子技术等专业的研究生课程教材，还可供涉及计算机视觉技术应用行业（如工业自动化、人机交互、办公自动化、视觉导航和机器人、安全监控、生物医学、遥感测绘、智能交通和军事公安等）的科技工作者自学及科研参考。

本书立足于计算机视觉特征检测这一基础技术问题，介绍了特征点、线和区域的检测方法，并给出具体的检测应用实例，旨在为相关技术人员提供特征检测及应用方面的新研究进展，促进特征检测技术在社会经济生活领域的应用和发展。本书内容分为两部分：特征检测方法和特征检测技术应用。在特征检测方法方面，第2章介绍特征点检测方法，第3~5章介绍特征线检测方法，第6章介绍斑状区域检测方法，第7~9章介绍规则形状（如多边形、三角形、圆和椭圆）检测方法。在特征检测技术应用方面，第10~11章介绍图像对称性检测技术，第12章介绍新闻图像中字幕检测方法，第13~14章介绍珠宝的自动定位与测量技术，第15章介绍手镯的检测和自动测量技术。