图像处理与计算机视觉：基础_经典以及最近发展

图像处理与计算机视觉：基础，经典以及最近发展（1）序

1. 为什么要写这篇文章

从 2002 年到现在，接触图像快十年了。虽然没有做出什么很出色的工作，不过在这个领域摸爬滚打了十年之后，发现自己对图像处理和计算机视觉的感情越

来越深厚。下班之后看看相关的书籍和文献是一件很惬意的事情。平常的一大业余爱好就是收集一些相关的文章，尤其是经典的文章，到现在我的电脑里面已经

有了几十 G 的文章。写这个文档的想法源于我前一段时间整理文献时的一个突发奇想，既然有这个多文献，何不整理出其中的经典，共享给大家呢。于是当时即

兴写了一个《图像处理与计算机视觉中的经典论文》。现在来看，那个文档写得及其拙劣，所共享的论文也非常之有限。就算如此，还是得到了一些网友的夸奖，

心里感激不尽。因此，一直想下定决心把这个文章给完善，力求做到尽量全面。

2. 图像处理和计算机视觉的分类

按照当前流行的分类方法，可以分为以下三部分：

图像处理：对输入的图像做某种变换，输出仍然是图像，基本不涉及或者很少涉及图像内容的分析。比较典型的有图像变换，图像增强，图像去噪，图像压缩，

图像恢复，二值图像处理等等。基于阈值的图像分割也属于图像处理的范畴。一般处理的是单幅图像。

图像分析：对图像的内容进行分析，提取有意义的特征，以便于后续的处理。处理的仍然是单幅图像。

计算机视觉：对图像分析得到的特征进行分析，提取场景的语义表示，让计算机具有人眼和人脑的能力。这时处理的是多幅图像或者序列图像，当然也包括部

这是一般的计算机视觉或者机器视觉的划分方法。在本文中，仍然按照传统的方法把这个领域划分为图像处理，图像分析和计算机视觉。

3. 图像处理和计算机视觉开源库以及编程语言选择

言之一。而 matlab 实现起来比较方便，适用于算法的快速验证，而且 matlab 有成熟的工具箱可以使用，比如图像处理工具箱，信号处理工具箱。它们有一个共

同的特点：开源的资源非常多。在学术界 matlab 使用的非常多，很多作者给出的源代码都是 matlab 版本。最近由于 OpenCV 的兴起和不断完善，c/c++在图像处

理中的作用越来越大。总的来说，c/c++和 matlab 都必须掌握，最好是精通，当然侧重在 c/c++上对找工作会有很大帮助。

（2）Opencv 有一堆图像处理和计算机视觉的大牛在维护，bug 在逐步减少，每个新的版本都会带来不同的惊喜。而且它已经或者逐步在移植到不懂的平台,并提

供了对 Python 的很好的支持。

（3）在 Opencv 上可以尝试各种最新以及成熟的技术，而不需要自己从头去写，比如人脸检测（Harr，LBP），DPM（Latent SVM），高斯背景模型，特征检测，

聚类，hough 变换等等。而且它还支持各种机器学习方法（SVM，NN，KNN，决策树，Boosting 等），使用起来很简单。

（4）文档内容丰富，并且给出了很多示例程序。当然也有一些地方文档描述不清楚，不过看看代码就很清楚了。

（5）完全开源。可以从中间抠出任何需要的算法。

4. 本文的特点和结构，以及适合的对象

本文面向的对象是即将进入或者刚刚进入图像处理和计算机视觉领域的童鞋，可以在阅读书籍的同时参阅这些文献，能对书中提到的算法有比较深刻的理解。

由于本文涉及到的范围比较广，如果能对计算机视觉的资深从业者也有一定的帮助，我将倍感欣慰。为了不至太误人子弟，每一篇文章都或多或少的看了一下，

最不济也看了摘要(这句话实在整理之前写的，实际上由于精力有限，好多文献都只是大概扫了一眼，然后看了看 google 的引用数，一般在 1000 以上就放上来了，

把这些文章细细品味一遍也是我近一两年之内的目标)。在成文的过程中，我本人也受益匪浅，希望能对大家也有所帮助。

由于个人精力和视野的关系，有一些我未涉足过的领域不敢斗胆推荐，只是列出了一些引用率比较高的文章，比如摄像机标定和立体视觉。不过将来，由于工

作或者其他原因，这些领域也会接触到，我会逐步增减这些领域的文章。同时文章的挑选也夹带了一些个人的喜好，比如我个人比较喜欢 low level 方向的，尤其

本文的安排如下。第一部分是绪论。第二部分是图像处理中所需要用到的理论基础，主要是这个领域所涉及到的一些比较好的参考书籍。第三部分是计算机

视觉中所涉及到的信号处理和模式识别文章。由于图像处理与图像分析太难区分了，第四部分集中讨论了它们。第五部分是计算机视觉部分。最后是小结。

1. 数学

我们所说的图像处理实际上就是数字图像处理，是把真实世界中的连续三维随机信号投影到传感器的二维平面上，采样并量化后得到二维矩阵。数字图像处理就

是二维矩阵的处理，而从二维图像中恢复出三维场景就是计算机视觉的主要任务之一。这里面就涉及到了图像处理所涉及到的三个重要属性：连续性，二维矩阵，

随机性。所对应的数学知识是高等数学（微积分），线性代数（矩阵论），概率论和随机过程。这三门课也是考研的三门课，构成了图像处理和计算机视觉最基

(第 2 版) A.V.奥本海姆等著 刘树棠译

Steven M.Kay 等著 罗鹏飞等译

(第 4 版) Simon Haykin 著 郑宝玉等译

Pattern Classification (2nd Edition) Richard O. Duda 等著

Statistical Pattern Recognition, 3rd Edition Andrew R. Webb 等著

这本书是图像处理与计算机视觉里面比较全的一本书了，几乎涵盖了图像视觉领域的各个方面。中文版的个人感觉也还可以，值得一看。

数字图像处理永远的经典，现在已经出到了第三版，相当给力。我的导师曾经说过，这本书写的很优美，对写英文论文也很有帮助，建议购买英文版的。