本书系统地展示了计算机视觉的基本方法学，讲解基础理论的同时，强调算法和实际中的设计约束。此次第5版全面修订，涵盖更多计算机视觉的概念和应用，既适合本科生和研究生，也适合该领域的研究人员和工程师。

本书主要内容围绕2D计算机视觉展开，介绍了相关的基础概念、基本原理、典型算法、实用技术和应用成果。本书可在其姊妹篇《3D计算机视觉：原理、算法及应用》前学习。本书将从客观场景出发到最后提取出目标信息的全过程分为4个部分进行介绍。第1部分是图像采集，介绍了基础的图像采集表达技术；第2部分是图像（预）处理，介绍了一些基本的图像处理技术；第3部分是目标提取，介绍了从图像处理到图像分析的转换技术；第4部分是目标分析，介绍了扩展的图像分析技术。书中除提供大量应用示例外，还针对每章的内容提供了自我检测题（含提示并附有答案），并且给出了相关的参考文献和术语索引（包括英文）。

本书主要内容围绕3D计算机视觉展开，介绍了相关的基础概念、基本原理、典型算法、实用技术和应用成果。本书可在学过其姊妹篇《2D计算机视觉：原理、算法及应用》后学习。本书将从客观场景出发到最后对场景进行理解的全过程分为5个部分进行介绍。第1部分是图像采集，介绍了摄像机标定和3D图像采集技术；第2部分是视频运动，介绍了视频图像和运动信息，以及对运动目标进行检测和跟踪的技术；第3部分是物体重建，介绍了双目立体视觉和单目图像恢复技术；第4部分是物体分析，介绍了3D目标表达和广义匹配；第5部分是高层理解，介绍了知识和场景解释及时空行为理解。本书除提供大量示例外，还针对每章的内容提供了自我检测题（含提示并附有答案），并且给出了相关的参考文献和术语索引（包括英文）。

本书主要内容围绕3D计算机视觉展开，介绍了相关的基础概念、基本原理、典型算法、实用技术和应用成果。本书可在学过其姊妹篇《2D计算机视觉：原理、算法及应用》后学习。本书将从客观场景出发到最后对场景进行理解的全过程分为5个部分进行介绍。第1部分是图像采集，介绍了摄像机标定和3D图像采集技术；第2部分是视频运动，介绍了视频图像和运动信息，以及对运动目标进行检测和跟踪的技术；第3部分是物体重建，介绍了双目立体视觉和单目图像恢复技术；第4部分是物体分析，介绍了3D目标表达和广义匹配；第5部分是高层理解，介绍了知识和场景解释及时空行为理解。本书除提供大量示例外，还针对每章的内容提供了自我检测题（含提示并附有答案），并且给出了相关的参考文献和术语索引（包括英文）。

本书主要内容围绕2D计算机视觉展开，介绍了相关的基础概念、基本原理、典型算法、实用技术和应用成果。本书可在其姊妹篇《3D计算机视觉：原理、算法及应用》前学习。本书将从客观场景出发到最后提取出目标信息的全过程分为4个部分进行介绍。第1部分是图像采集，介绍了基础的图像采集表达技术；第2部分是图像（预）处理，介绍了一些基本的图像处理技术；第3部分是目标提取，介绍了从图像处理到图像分析的转换技术；第4部分是目标分析，介绍了扩展的图像分析技术。书中除提供大量应用示例外，还针对每章的内容提供了自我检测题（含提示并附有答案），并且给出了相关的参考文献和术语索引（包括英文）。

本书着重阐述了深度学习时代的计算机视觉算法的工作原理，首先对深度学习与计算机视觉基础进行了介绍，之后对卷积神经网络结构的演化过程，以及基于深度学习的目标检测算法、图像分割算法、人体姿态估计算法、行人重识别与目标跟踪算法、人脸识别算法以及图像超分辨率重建方法进行了介绍。本书系统讲解了在日常生活和工作中常见的几项计算机视觉任务，并着重介绍了在当今深度学习时代，这些计算机视觉任务是如何工作的，可使读者快速了解这些算法原理，以及其相互之间的关系。本书适合高年级本科生、研究生、教师，以及对人工智能或计算机视觉算法感兴趣的工程技术人员阅读。

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。

全书共13章，分为2篇。第1篇基础知识，介绍了人工智能发展里程、计算机视觉概要、深度学习和计算机视觉中的基础数学知识、神经网络及其相关的机器学习基础、卷积神经网络及其一些常见结构，最后对最前沿的趋势进行了简单探讨。第2篇实例精讲，介绍了Python基础、OpneCV基础、最简单的分类神经网络、图像识别、利用Caffe做回归、迁移学习和模型微调、目标检测、度量学习和图像风格迁移等常见的计算机视觉应用场景。从第5章开始包含了很多有趣和实用的代码示例。从第7章开始的所有实例都基于当前最流行的深度学习框架中的Caffe和MXNet，其中包含了作者原创的大量代码和搜集的数据，这些代码和作者训练好的部分模型已分享到本书github页面上供读者自行下载。

本书围绕计算机视觉在农业、医学、工业等领域的案例，深入浅出地讲解计算机视觉核心的模型与关键技术。本书中所有案例的代码均能在达内时代科技集团自主研发的 AIX-EBoard 人工智能实验平台上部署与实施，实现了教学场景化、学习趣味化。 本书分为三个部分，循序渐进地介绍计算机视觉相关技术的理论基础和各案例的实践步骤。第 1 部分基于 OpenCV 介绍传统视觉应用的基础算法，同时实现轮廓提取、全景图像拼接等案例的实践；在传统视觉应用的基础上，第 2 部分讲解基于机器学习和深度学习的视觉应用，结合不同行业的案例对图像进行分析处理，如水果识别、病虫害识别、相似图像搜索、眼底血管图像分割等。第 3 部分聚焦市场关注度较高的一些新兴视觉应用的原理及实现，如从二维图像到三维空间的重建、计算机视觉在移动设备中的应用、实时图像和视频的风格迁移等。 本书适合人工智能相关专业的本科生、专科生及计算机初学者阅读，既可以作为应用型本科院校和高等职业院校人工智能专业的教材，也可以作为相关领域从业者的学习和参考用书。本书可以帮助有一定基础的读者查漏补缺，深入理解和掌握相关原理与方法，提高解决实际问题的能力。

本书是以MATLAB R2020a为平台编写的，概括地介绍了计算机视觉在各领域中的应用。每章均先对相关概念进行介绍，然后通过实例巩固概念，做到理论与实践相结合，使读者可以举一反三，领略计算机视觉在各领域中的广泛应用。 全书共9章，第1章简单介绍了MATLAB R2020a软件；第2章引出了计算机视觉的相关概念；第3～9章分别介绍了计算机视觉在图像处理、形态学、字符识别、拼接、目标匹配、遥感、人脸识别中的应用。