推荐！计算机视觉最适合入门的 8 本教程，算法与实战兼备

计算机视觉是人工智能的一个分支，涉及理解数字图像的内容，如照片和视频。深度学习在挑战性的计算机视觉任务上取得了令人印象深刻的进展，并有望取得进一步的进展。

快速熟悉这个领域的最好方法之一就是找一本关于这个主题的书。在这篇文章中，你将发现关于计算机视觉的顶级教科书和编程书籍。

我们开始吧。

Top5 计算机视觉教材

这里的 Top5 教材主要关注一般方法和理论（数学），而不是实际问题和方法（代码）的应用。我根据在顶尖学校（如麻省理工学院等）的大学课程中的使用情况以及在讨论网站（如Quora等）上的建议，收集了一份排名前五的教科书。计算机视觉五大教材如下（排名不分先后）：

1. 《Computer Vision: Algorithms and Applications》

作者：Richard Szeliski

出版时间：2010 年

教材主页：http://szeliski.org/Book/

我喜欢这本书。它为计算机视觉技术的初学者（本科生）提供了广泛的标准计算机视觉问题的坚实基础。这本书是由理查德根据他多年在华盛顿大学教授这一课题的经验编写的。

目录：

1. Introduction
2. Image formation
3. Image processing
4. Feature detection and matching
5. Segmentation
6. Feature-based alignment
7. Structure from motion
8. Dense motion estimation
9. Image stitching
10. Computational photography
11. Stereo correspondence
12. 3D reconstruction
13. Image-based rendering
14. Recognition

2. 《Computer Vision: Models, Learning, and Inference》

作者：Simon Prince

出版时间：2012 年

教材主页：http://www.computervisionmodels.com/

这是一本很好的入门书（对学生），涵盖了广泛的计算机视觉技术和问题。这本书花了更多的时间来介绍计算机视觉，并在与概率建模相关的基本主题上花费了有用的时间。

目录：

1. Introduction
2. Introduction to probability
3. Common probability distributions
4. Fitting probability models
5. The normal distribution
6. Learning and inference in vision
7. Modeling complex data densities
8. Regression models
9. Classification models
10. Graphical models
11. Models for chains and trees
12. Models for grids
13. Image preprocessing and feature extraction
14. The pinhole camera
15. Models for transformations
16. Multiple cameras
17. Models for shape
18. Models for style and identity
19. Temporal models
20. Models for visual words

3. 《Computer Vision: A Modern Approach》

作者：David Forsyth、Jean Ponce

出版时间：2011 年

教材主页：http://luthuli.cs.uiuc.edu/~daf/CV2E-site/cv2eindex.html

这是一本关于计算机视觉的入门教科书，也许比其他许多教科书所涵盖的主题更广泛。

目录：

Part I. Image Formation
1. Radiometry – Measuring Light
2. Sources, Shadows and Shading
3. Colour

Part II. Image Models
4. Geometric Image Features
5. Analytical Image Features
6. An introduction to Probability

Part III. Early Vision: One Image
7. Linear Filters
8. Edge Detection
9. Filters and Features
10. Texture

Part IV. Early Vision: Multiple Images
11. The Geometry of Multiple Views
12. Stereopsis
13. Affine Structure from Motion
14. Projective Structure from Motion

Part V. Mid-Level Vision
15. Segmentation Using Clustering Methods
16. Fitting
17. Segmentation and Fitting Using Probabilistic Methods
18. Tracking

Part VI. High-Level Vision
19. Correspondence and Pose Consistency
20. Finding Templates Using Classifiers
21. Recognition by Relations Between Templates
22. Aspect Graphs

Part VII. Applications and Topics
23. Range Data
24. Applications: Finding in Digital Libraries
25. Application: Image-Based Rendering

4. 《Introductory Techniques for 3-D Computer Vision》

作者：Emanuele Trucco、Alessandro Verri

出版时间：1998年

这是一本旧的书，主要集中在计算机视觉的一般与一些技术有关的三维视觉问题。这是一个很好的起点，适合本科生而不是研究生级别的读者。

目录：

1. Introduction
2. Digital snapshots
3. Dealing with Image Noise
4. Image Features
5. More Image Features
6. Camera Calibration
7. Stereopsis
8. Motion
9. Shape from Single-image Cues
10. Recognition
11. Locating Objects in Space

• A. Appendix

5. 《Multiple View Geometry in Computer Vision》

作者：Richard Hartley、Andrew Zisserman

出版时间：2004年

教材主页：http://www.robots.ox.ac.uk/~vgg/hzbook/

这是一本相当先进的书（研究生水平）关于计算机视觉的一个专门的主题，特别是关于从多个图像推断几何的问题和方法。

目录：

1. Introduction

PART 0. The Background: Projective Geometry, Transformations and Estimation

2. Projective Geometry and Transformations of 2D
3. Projective Geometry and Transformations of 3D
4. Estimation – 2D Projective Transformations
5. Algorithm Evaluation and Error Analysis

PART I. Camera Geometry and Single View Geometry

6. Camera Models
7. Computation of the Camera Matrix P
8. More Single View Geometry

PART II. Two-View Geometry

9. Epipolar Geometry and the Fundamental Matrix
10. 3D Reconstruction of Cameras and Structure
11. Computation of the Fundamental Matrix F
12. Structure Computation
13. Scene Planes and Homographies
14. Affine Epipolar Geometry

PART III. Three-View Geometry

15. The Trifocal Tensor
16. Computation of the Trifocal Tensor T

PART IV. N-View Geometry

17. N-Linearities and Multiple View Tensors
18. N-View Computational Methods
19. Auto-Calibration
20. Duality
21. Cheirality
22. Degenerate Configurations

PART V. Appendices

Top3 计算机视觉编程书籍

我已经收集了一个前三大 CV 编程实战书籍，来自它们在顶级计算机视觉书籍列表中的排名顺序和讨论网站上的推荐。计算机视觉前三名教材如下（排名不分先后）：

6. 《Learning OpenCV 3》

作者：Adrian Kaehler、Gary Bradski

出版时间：2017年

教材源码：https://github.com/oreillymedia/Learning-OpenCV-3_examples

这本书的重点是教你如何使用opencv库，也许是首屈一指的开源计算机视觉库。所有的代码示例都在C++中，这表明目标受众是专业的开发人员，他们想学习如何将计算机视觉应用到他们的项目中。

目录：

1. Overview
2. Introduction to OpenCV
3. Getting to Know OpenCV Data Types
4. Images and Large Array Types
5. Array Operations
6. Drawing and Annotating
7. Functions in OpenCV
8. Image, Video and Data Files
9. Cross-Platform and Native Windows
10. Filters and Convolutions
11. General Image Transforms
12. Image Analysis
13. Histograms and Templates
14. Contours
15. Background Subtraction
16. Keypoints and Descriptors
17. Tracking
18. Camera Models and CAlibration
19. Projection and Three-Dimensional Vision
20. The Basics of Machine Learning in OpenCV
21. StatModel: The Standard Model for Learning in OpenCV
22. Object Detection
23. Future of OpenCV

7. 《Programming Computer Vision with Python》

作者：Jan Erik Solem

出版时间：2012年

教材主页：http://programmingcomputervision.com/

这是一本实践性的书，重点是教你如何在python中执行基本的计算机视觉任务，主要是使用PIL库，尽管也有opencv的基本介绍。

目录：

1. Basic Image Handling and Processing
2. Local Image Descriptors
3. Image to Image Mappings
4. Camera Models and Augmented Reality
5. Multiple View Geometry
6. Clustering Images
7. Searching Images
8. Classifying Image Content
9. Image Segmentation
10. OpenCV

8. 《Practical Computer Vision With SimpleCV》

作者：Kurt DeMaagd, Anthony Oliver, Nathan Oostendorp, and Katherine Scott

出版时间：2012年

教材主页：http://simplecv.org/book/

这本书教你如何使用python中的simplecv库执行基本的计算机视觉操作。

目录：

1. Introduction
2. Getting to Know the SimpleCV Framework
3. Image Sources
4. Pixels and Images
5. The Impact of Light
6. Image Arithmetic
7. Drawing on Images
8. Basic Feature Detection
9. FeatureSet Manipulation
10. Advanced Features

推荐

最后，从算法理论和代码实战两个角度来说，个人推荐：《Computer Vision: Algorithms and Applications》、《Programming Computer Vision with Python》这两本书。当然，读者可以根据自己的实际情况自行选择。

原文链接：

8 Books for Getting Started With Computer Vision

未经允许不得转载：红色石头的个人博客 » 推荐！计算机视觉最适合入门的 8 本教程，算法与实战兼备