1.为什么要学习图像处理和计算机视觉
计算机视觉市场需求大，其是人工智能的重要分支。

计算机视觉岗位占所有AI岗位的40%。

但是，中国高校目前尚未设置计算机视觉学科己专业；学习者众多，学习分散，缺少统一教学体系；教材偏重理论，同时内容老旧。

突出问题：不知道学啥？以及学完还是不会用。

网络资源：网课众多，但缺乏系统性和循序渐进

• 讲解实例及实现为主，缺乏背景介绍，知其然而不知其所以然
• 基础知识缺乏讲解，缺乏系统性，学完例子无法推广和使用。

解决方案：“练拳又练功，掌握更轻松”-练拳不练功，到老一场空。练功不练拳，有如无舵船。

原理讲透，背景讲清，内容可视化。

• 原理讲解透彻，用图说话，减少公式。理解更轻松，掌握更透彻。
• 原理和实战紧密结合，同时给出程序实例，能知其所以然。

2.什么是计算机视觉？

计算机视觉：让计算机“看懂”图像。
计算机视觉要完成以下问题：

• 图像预处理与特征检测
• 图像分割和识别
• 2-1/2D视觉计算
• 图像理解和行为分析
• 图像推理

计算机视觉发展史：

• 起源：20世纪50年代统计模式识别，二维图像分析
• 1970’s：数字图像处理，图像结构
• 1980‘s：光流，尺度空间，多视几何，马尔可夫随机场
• 1990’s：3D重建，图切，粒子滤波
• 2000‘s：特征提取，3D建模与绘制，图像分类
• 2010’s：深度学习和目标识别、检测、分割、位姿估计、SLAM

工具：python + OpenCV安装环境
注：其中opencv的第三方库可以在清华大学开源软件镜像站找到https://pypi.tuna.tsinghua.edu.cn/simple/。

第一个程序：Hello,Lena!

import cv2 as cvfilename = 'C:/python/img/lena.jpg'
img = cv.imread(filename)
cv.imshow("Hello,Lena", img)
cv.waitKey()
cv.destroyAllWindows()

计算机视觉方向知识体系结构

Marr视觉计算理论：

• 目的：通过视觉系统，重建三维物体的形状和位置
• 初始略图（2维）：过零点（zero-crossing）、短线段、端点等基元特征
• 2-1/2维：对物体形状的一些粗略描述
• 3维：对物体的三维描述