计算机视觉实战pdf 计算机视觉教程pdf

文章目录

• 第一章 课程概述

• 1.研究理论和应用
• 2.计算机和人之间对图像的差异
• 3.课程简介
• 4.主要研究的问题

• 1.图像预处理
• 2.图像特征及描述
• 3.深度学习之前的方法

• 5.神经网络和深度学习基础
• 6.目标检测
• 7.图像分割
• 8.GAN
• 9.环境和开源库
• 10.应用案例环境

• 第二章 图像预处理

• 1.目录
• 2.颜色空间（RGB、CMY、）
• 3.图片灰度化
• 4.图像与处理（实际上是图像增强）
• 5.图像处理方法

• 1.特征提取方法（直方图、CLAHE）

• 1.直方图
• 2.CLAHE

• 2.形态学运算
• 3.空间域处理及其变换

• 1.卷积
• 2.边界填充策略
• 3.均值滤波
• 4.中指滤波
• 5.高斯滤波（模拟人眼）

• 4.如何让卷积更快（空域卷积=频域乘积）
• 5.高斯金字塔
• 6.拉普拉斯金字塔
• 7.傅里叶变换

• 傅里叶变换的不足（解决办法：短时傅里叶变换、加窗傅里叶变换）

• 8.小波变换

• 第三章 图像特征提取

• 1.颜色特征
• 2.边缘特征

• 1.边缘定义
• 2.边缘提取

• 3.基于特征点的特征描述子

• 1.特征点的定义
• 2.Harris角点
• 3.FAST角点检测
• 4.斑点（拉普拉斯梯度==二阶导数==）
• 4.局部特征（SIFT）

第一章 课程概述

1.研究理论和应用

2.计算机和人之间对图像的差异

1.感知上的本质区别

2.视角变化

3.光照变化

4.尺度变化

5.形态变化

6.背景混淆干扰

7.遮挡

8.类内物体的外观差异

3.课程简介

4.主要研究的问题

1.图像预处理

2.图像特征及描述

3.深度学习之前的方法

5.神经网络和深度学习基础

6.目标检测

7.图像分割

8.GAN

9.环境和开源库

10.应用案例环境

张量：高维数组

第二章 图像预处理

1.目录

2.颜色空间（RGB、CMY、）

减法叠加，越叠加越黑，一般是四个通道的

最精确的颜色空间构成

3.图片灰度化

4.图像与处理（实际上是图像增强）

5.图像处理方法

1.特征提取方法（直方图、CLAHE）

1.直方图

2.CLAHE

2.形态学运算

3.空间域处理及其变换

1.卷积

2.边界填充策略

3.均值滤波

4.中指滤波

5.高斯滤波（模拟人眼）

作用：

离得越远，转换出来的图像和看到的图像更接近

降低复杂度

垂直或者水平的变化不大，均值平滑就是1

4.如何让卷积更快（空域卷积=频域乘积）

5.高斯金字塔

高斯金字塔，一般在大图上找小的特征，在小图上找大的特征

6.拉普拉斯金字塔

7.傅里叶变换

傅里叶变换的不足（解决办法：短时傅里叶变换、加窗傅里叶变换）

8.小波变换

第三章 图像特征提取

1.颜色特征

2.边缘特征

1.边缘定义

2.边缘提取

边缘提取除了横向和纵向（单向求导），最难的是斜边（两个方向上的求导）

σ在高斯滤波中代表的是均值，它的大小决定着是瘦高还是扁平

这里引进了梯度的概念

3.基于特征点的特征描述子

1.特征点的定义

2.Harris角点

3.FAST角点检测

4.斑点（拉普拉斯梯度二阶导数）

二阶导数等于0的时候是边界

二阶导数是极大值的时候是斑点（先做高斯，再做拉普拉斯）

4.局部特征（SIFT）