计算机视觉应用开发案例教程（OpenCV）（配套微课、PPT课件、电子教案、案例素材） / 新形态一体化教材
定价：￥45.00
作者： 袁文韬，李雅峰，刘卓亚
出版社：高等教育出版社
- 高等教育出版社
- 9787040674309
- 1版
- 48275681-4
- 16开
- 420
- 文化艺术大类
- 数字艺术设计类
- 高职
内容简介
本书依据教育部最新制定的《人工智能技术应用专业教学标准》相关人才培养要求，聚焦计算机视觉核心技术及应用实践。全书共9章，从基础入门到项目实战层层递进：首先介绍计算机视觉与OpenCV基础及环境配置，然后系统讲解图像基本操作、预处理、几何变换、特征检测与匹配、目标检测、图像分割等核心技术，并通过实时物件检测等实战项目整合所学知识，最后讲解计算机视觉与深度学习的融合应用，与当前人工智能相关产业发展方向接轨。
本书特色鲜明，以职业岗位需求为导向，依托大量行业典型应用场景案例与实践任务，帮助学习者快速掌握相关知识与技能；注重融入我国计算机视觉应用领域新发展成果，强化科技报国志向与职业素养培育。
本书配有微课视频、教学课件、授课计划、电子教案、案例源码及素材库、习题答案等丰富的数字化教学资源。与本书配套的数字课程“计算机视觉应用”在“智慧职教”平台（www.icve.com.cn）上线，学习者可登录平台进行在线学习，授课教师可调用本课程构建符合自身教学特色的SPOC，详见“智慧职教”服务指南。本书同时配有MOOC，学习者可访问“智慧职教MOOC学院”（mooc.icve.com.cn）进行在线开放课程（AI优课）学习。授课教师也可登录“高等教育出版社产品信息检索系统”（xuanshu.hep.com.cn）搜索并下载本书配套教学资源，首次使用本系统的用户，请先进行注册并完成教师资格认证。
本书适合作为高等职业院校人工智能相关专业的教学用书，也可作为计算机视觉领域从业者或技术爱好者的入门参考书。
目录
目录
前辅文
第1章 计算机视觉与OpenCV入门
【工作情境】
【学习目标】
1.1 计算机视觉概述
1.1.1 计算机视觉的定义
1.1.2 计算机视觉的典型应用场景
1.1.3 计算机视觉与数字图像处理的关系
1.2 OpenCV简介
1.2.1 OpenCV的发展历程
1.2.2 OpenCV的核心功能模块
1.2.3 OpenCV的官方资源
1.3 OpenCV（Python）环境安装与配置
1.3.1 配置Python环境
1.3.2 安装OpenCV-Python库
1.3.3 验证OpenCV安装结果
1.3.4 常见安装故障排除
1.3.5 在conda虚拟环境中配置OpenCV环境
1.4 你的第一个OpenCV程序
1.4.1 程序功能与核心函数
1.4.2 完整代码实现
1.4.3 程序运行与结果分析
1.4.4 功能扩展：显示灰度图与单通道图
【任务实践】
任务：图像的读取和显示
【拓展实训】
实训1：图像基础属性分析与格式转换
实训2：简单按键交互与图像保存
【本章小结】
【课后习题】
第2章 图像的基本操作
【工作情境】
【学习目标】
2.1 NumPy基础知识
2.1.1 NumPy核心数据类型
2.1.2 NumPy数组的创建
2.1.3 NumPy数组的形状操作
2.1.4 NumPy数组的索引与切片
2.1.5 NumPy数组的迭代与运算
2.2 图像属性的获取与分析
2.2.1 图像属性概述
2.2.2 实例：分析图像属性
2.3 像素的读取与修改
2.3.1 单个像素的读取与修改
2.3.2 区域像素的批量修改
2.4 ROI的提取与处理
2.4.1 ROI提取概述
2.4.2 提取人脸ROI并修改
2.4.3 ROI的复制与粘贴
2.5 图像通道的分离与合并
2.5.1 图像通道函数简介
2.5.2 实例1：通道分离与单独显示
2.5.3 实例2：通道修改与合并（实现特殊效果）
2.5.4 实例3：单通道扩展为3通道（灰度图转彩色图）
【任务实践】
任务1：图像属性分析与ROI提取
任务2：通道交换实现“反色”效果
【拓展实训】
实训1：证件照ROI提取与背景色调整
实训2：渐变图制作（灰度+彩色）
【本章小结】
【课后习题】
第3章 图像预处理技术
【工作情境】
【学习目标】
3.1 图像灰度化与二值化
3.1.1 图像灰度化
3.1.2 图像二值化
3.2 图像噪声与去噪
3.2.1 常见噪声类型
3.2.2 图像去噪：滤波
3.2.3 常见滤波方法及选择
3.3 图像边缘检测
3.3.1 Sobel算子
3.3.2 Canny边缘检测
【任务实践】
任务1：身份证图像预处理
任务2：噪声图像去噪对比
【拓展实训】
实训1：文本图像预处理
实训2：硬币边缘检测与计数
【本章小结】
【课后习题】
第4章 图像几何变换
【工作情境】
【学习目标】
4.1 基础几何变换
4.1.1 图像平移
4.1.2 图像旋转
4.1.3 图像缩放
4.1.4 图像翻转
4.2 仿射变换
4.2.1 仿射变换概述
4.2.2 仿射变换示例
4.3 透视变换
4.3.1 透视变换概述
4.3.2 透视变换示例
【任务实践】
任务1：图像的平移、旋转与缩放变换
任务2：简单透视校正
【拓展实训】
实训1：图像组合变换
实训2：照片透视校正
【本章小结】
【课后习题】
第5章 特征检测与匹配
【工作情境】
【学习目标】
5.1 角点检测
5.1.1 Harris角点检测
5.1.2 Shi-Tomasi角点检测
5.2 尺度不变特征检测
5.2.1 SIFT特征检测
5.2.2 ORB特征检测
5.3 特征匹配
5.3.1 暴力匹配
5.3.2 FLANN匹配
【任务实践】
任务1：简单图像拼接（基于ORB特征匹配）
任务2：目标识别（基于ORB特征匹配）
【拓展实训】
实训1：Harris与Shi-Tomasi角点检测对比
实训2：ORB特征匹配与图像拼接
【本章小结】
【课后习题】
第6章 目标检测基础
【工作情境】
【学习目标】
6.1 Haar级联分类器基础
6.1.1 Haar级联分类器概述
6.1.2 核心函数与参数
6.1.3 模型路径获取
6.2 静态图像人脸检测
6.3 人脸+眼睛联合检测
6.4 实时摄像头目标检测
6.5 检测参数调优技巧
【任务实践】
任务：静态图像人脸+眼睛联合检测
【拓展实训】
实训1：静态图像多人脸检测与计数
实训2：人脸检测+简单美颜
【本章小结】
【课后习题】
第7章 图像分割基础
【工作情境】
【学习目标】
7.1 阈值分割：基于灰度差异
7.1.1 全局阈值分割：手动设定阈值
7.1.2 Otsu自动阈值分割
7.2 轮廓分割：基于物体轮廓
7.3 分水岭算法：处理重叠物体
【任务实践】
任务：基于Otsu自动阈值的米粒分割与计数
【拓展实训】
实训1：基于图像预处理、阈值分割与形态学操作的古碑文数字化修复
实训2：静态图像硬币计数系统
【本章小结】
【课后习题】
第8章 计算机视觉项目实战
【工作情境】
【学习目标】
8.1 项目1：基于分水岭算法的重叠药片计数系统
8.1.1 项目目标
8.1.2 项目准备
8.1.3 项目实施
8.1.4 项目结果
8.1.5 分析与调参
8.1.6 工业场景落地
8.2 项目2：基于YOLO模型的实时物件检测系统
8.2.1 项目目标
8.2.2 项目实施
8.2.3 操作说明
8.2.4 常见问题与解决方法
【本章小结】
【课后习题】
第9章 计算机视觉与深度学习
【工作情境】
【学习目标】
9.1 计算机视觉与深度学习技术融合
9.2 案例实践1：MobileNet-SSD物体识别
9.2.1 案例引入
9.2.2 实验准备
9.2.3 完整代码与步骤解析
9.2.4 将物件识别结果的名称映射改为中文
9.2.5 案例拓展
9.3 案例实践2：基于MobileNet的工业零件分类系统
9.3.1 案例引入
9.3.2 实验准备
9.3.3 完整代码与步骤解析
9.3.4 工业场景应用拓展
【任务实践】
任务：基于优化数据集和训练轮次的模型训练
【本章小结】
【课后习题】
参考文献
前辅文
第1章 计算机视觉与OpenCV入门
【工作情境】
【学习目标】
1.1 计算机视觉概述
1.1.1 计算机视觉的定义
1.1.2 计算机视觉的典型应用场景
1.1.3 计算机视觉与数字图像处理的关系
1.2 OpenCV简介
1.2.1 OpenCV的发展历程
1.2.2 OpenCV的核心功能模块
1.2.3 OpenCV的官方资源
1.3 OpenCV（Python）环境安装与配置
1.3.1 配置Python环境
1.3.2 安装OpenCV-Python库
1.3.3 验证OpenCV安装结果
1.3.4 常见安装故障排除
1.3.5 在conda虚拟环境中配置OpenCV环境
1.4 你的第一个OpenCV程序
1.4.1 程序功能与核心函数
1.4.2 完整代码实现
1.4.3 程序运行与结果分析
1.4.4 功能扩展：显示灰度图与单通道图
【任务实践】
任务：图像的读取和显示
【拓展实训】
实训1：图像基础属性分析与格式转换
实训2：简单按键交互与图像保存
【本章小结】
【课后习题】
第2章 图像的基本操作
【工作情境】
【学习目标】
2.1 NumPy基础知识
2.1.1 NumPy核心数据类型
2.1.2 NumPy数组的创建
2.1.3 NumPy数组的形状操作
2.1.4 NumPy数组的索引与切片
2.1.5 NumPy数组的迭代与运算
2.2 图像属性的获取与分析
2.2.1 图像属性概述
2.2.2 实例：分析图像属性
2.3 像素的读取与修改
2.3.1 单个像素的读取与修改
2.3.2 区域像素的批量修改
2.4 ROI的提取与处理
2.4.1 ROI提取概述
2.4.2 提取人脸ROI并修改
2.4.3 ROI的复制与粘贴
2.5 图像通道的分离与合并
2.5.1 图像通道函数简介
2.5.2 实例1：通道分离与单独显示
2.5.3 实例2：通道修改与合并（实现特殊效果）
2.5.4 实例3：单通道扩展为3通道（灰度图转彩色图）
【任务实践】
任务1：图像属性分析与ROI提取
任务2：通道交换实现“反色”效果
【拓展实训】
实训1：证件照ROI提取与背景色调整
实训2：渐变图制作（灰度+彩色）
【本章小结】
【课后习题】
第3章 图像预处理技术
【工作情境】
【学习目标】
3.1 图像灰度化与二值化
3.1.1 图像灰度化
3.1.2 图像二值化
3.2 图像噪声与去噪
3.2.1 常见噪声类型
3.2.2 图像去噪：滤波
3.2.3 常见滤波方法及选择
3.3 图像边缘检测
3.3.1 Sobel算子
3.3.2 Canny边缘检测
【任务实践】
任务1：身份证图像预处理
任务2：噪声图像去噪对比
【拓展实训】
实训1：文本图像预处理
实训2：硬币边缘检测与计数
【本章小结】
【课后习题】
第4章 图像几何变换
【工作情境】
【学习目标】
4.1 基础几何变换
4.1.1 图像平移
4.1.2 图像旋转
4.1.3 图像缩放
4.1.4 图像翻转
4.2 仿射变换
4.2.1 仿射变换概述
4.2.2 仿射变换示例
4.3 透视变换
4.3.1 透视变换概述
4.3.2 透视变换示例
【任务实践】
任务1：图像的平移、旋转与缩放变换
任务2：简单透视校正
【拓展实训】
实训1：图像组合变换
实训2：照片透视校正
【本章小结】
【课后习题】
第5章 特征检测与匹配
【工作情境】
【学习目标】
5.1 角点检测
5.1.1 Harris角点检测
5.1.2 Shi-Tomasi角点检测
5.2 尺度不变特征检测
5.2.1 SIFT特征检测
5.2.2 ORB特征检测
5.3 特征匹配
5.3.1 暴力匹配
5.3.2 FLANN匹配
【任务实践】
任务1：简单图像拼接（基于ORB特征匹配）
任务2：目标识别（基于ORB特征匹配）
【拓展实训】
实训1：Harris与Shi-Tomasi角点检测对比
实训2：ORB特征匹配与图像拼接
【本章小结】
【课后习题】
第6章 目标检测基础
【工作情境】
【学习目标】
6.1 Haar级联分类器基础
6.1.1 Haar级联分类器概述
6.1.2 核心函数与参数
6.1.3 模型路径获取
6.2 静态图像人脸检测
6.3 人脸+眼睛联合检测
6.4 实时摄像头目标检测
6.5 检测参数调优技巧
【任务实践】
任务：静态图像人脸+眼睛联合检测
【拓展实训】
实训1：静态图像多人脸检测与计数
实训2：人脸检测+简单美颜
【本章小结】
【课后习题】
第7章 图像分割基础
【工作情境】
【学习目标】
7.1 阈值分割：基于灰度差异
7.1.1 全局阈值分割：手动设定阈值
7.1.2 Otsu自动阈值分割
7.2 轮廓分割：基于物体轮廓
7.3 分水岭算法：处理重叠物体
【任务实践】
任务：基于Otsu自动阈值的米粒分割与计数
【拓展实训】
实训1：基于图像预处理、阈值分割与形态学操作的古碑文数字化修复
实训2：静态图像硬币计数系统
【本章小结】
【课后习题】
第8章 计算机视觉项目实战
【工作情境】
【学习目标】
8.1 项目1：基于分水岭算法的重叠药片计数系统
8.1.1 项目目标
8.1.2 项目准备
8.1.3 项目实施
8.1.4 项目结果
8.1.5 分析与调参
8.1.6 工业场景落地
8.2 项目2：基于YOLO模型的实时物件检测系统
8.2.1 项目目标
8.2.2 项目实施
8.2.3 操作说明
8.2.4 常见问题与解决方法
【本章小结】
【课后习题】
第9章 计算机视觉与深度学习
【工作情境】
【学习目标】
9.1 计算机视觉与深度学习技术融合
9.2 案例实践1：MobileNet-SSD物体识别
9.2.1 案例引入
9.2.2 实验准备
9.2.3 完整代码与步骤解析
9.2.4 将物件识别结果的名称映射改为中文
9.2.5 案例拓展
9.3 案例实践2：基于MobileNet的工业零件分类系统
9.3.1 案例引入
9.3.2 实验准备
9.3.3 完整代码与步骤解析
9.3.4 工业场景应用拓展
【任务实践】
任务：基于优化数据集和训练轮次的模型训练
【本章小结】
【课后习题】
参考文献
前辅文
第1章 计算机视觉与OpenCV入门
【工作情境】
【学习目标】
1.1 计算机视觉概述
1.1.1 计算机视觉的定义
1.1.2 计算机视觉的典型应用场景
1.1.3 计算机视觉与数字图像处理的关系
1.2 OpenCV简介
1.2.1 OpenCV的发展历程
1.2.2 OpenCV的核心功能模块
1.2.3 OpenCV的官方资源
1.3 OpenCV（Python）环境安装与配置
1.3.1 配置Python环境
1.3.2 安装OpenCV-Python库
1.3.3 验证OpenCV安装结果
1.3.4 常见安装故障排除
1.3.5 在conda虚拟环境中配置OpenCV环境
1.4 你的第一个OpenCV程序
1.4.1 程序功能与核心函数
1.4.2 完整代码实现
1.4.3 程序运行与结果分析
1.4.4 功能扩展：显示灰度图与单通道图
【任务实践】
任务：图像的读取和显示
【拓展实训】
实训1：图像基础属性分析与格式转换
实训2：简单按键交互与图像保存
【本章小结】
【课后习题】
第2章 图像的基本操作
【工作情境】
【学习目标】
2.1 NumPy基础知识
2.1.1 NumPy核心数据类型
2.1.2 NumPy数组的创建
2.1.3 NumPy数组的形状操作
2.1.4 NumPy数组的索引与切片
2.1.5 NumPy数组的迭代与运算
2.2 图像属性的获取与分析
2.2.1 图像属性概述
2.2.2 实例：分析图像属性
2.3 像素的读取与修改
2.3.1 单个像素的读取与修改
2.3.2 区域像素的批量修改
2.4 ROI的提取与处理
2.4.1 ROI提取概述
2.4.2 提取人脸ROI并修改
2.4.3 ROI的复制与粘贴
2.5 图像通道的分离与合并
2.5.1 图像通道函数简介
2.5.2 实例1：通道分离与单独显示
2.5.3 实例2：通道修改与合并（实现特殊效果）
2.5.4 实例3：单通道扩展为3通道（灰度图转彩色图）
【任务实践】
任务1：图像属性分析与ROI提取
任务2：通道交换实现“反色”效果
【拓展实训】
实训1：证件照ROI提取与背景色调整
实训2：渐变图制作（灰度+彩色）
【本章小结】
【课后习题】
第3章 图像预处理技术
【工作情境】
【学习目标】
3.1 图像灰度化与二值化
3.1.1 图像灰度化
3.1.2 图像二值化
3.2 图像噪声与去噪
3.2.1 常见噪声类型
3.2.2 图像去噪：滤波
3.2.3 常见滤波方法及选择
3.3 图像边缘检测
3.3.1 Sobel算子
3.3.2 Canny边缘检测
【任务实践】
任务1：身份证图像预处理
任务2：噪声图像去噪对比
【拓展实训】
实训1：文本图像预处理
实训2：硬币边缘检测与计数
【本章小结】
【课后习题】
第4章 图像几何变换
【工作情境】
【学习目标】
4.1 基础几何变换
4.1.1 图像平移
4.1.2 图像旋转
4.1.3 图像缩放
4.1.4 图像翻转
4.2 仿射变换
4.2.1 仿射变换概述
4.2.2 仿射变换示例
4.3 透视变换
4.3.1 透视变换概述
4.3.2 透视变换示例
【任务实践】
任务1：图像的平移、旋转与缩放变换
任务2：简单透视校正
【拓展实训】
实训1：图像组合变换
实训2：照片透视校正
【本章小结】
【课后习题】
第5章 特征检测与匹配
【工作情境】
【学习目标】
5.1 角点检测
5.1.1 Harris角点检测
5.1.2 Shi-Tomasi角点检测
5.2 尺度不变特征检测
5.2.1 SIFT特征检测
5.2.2 ORB特征检测
5.3 特征匹配
5.3.1 暴力匹配
5.3.2 FLANN匹配
【任务实践】
任务1：简单图像拼接（基于ORB特征匹配）
任务2：目标识别（基于ORB特征匹配）
【拓展实训】
实训1：Harris与Shi-Tomasi角点检测对比
实训2：ORB特征匹配与图像拼接
【本章小结】
【课后习题】
第6章 目标检测基础
【工作情境】
【学习目标】
6.1 Haar级联分类器基础
6.1.1 Haar级联分类器概述
6.1.2 核心函数与参数
6.1.3 模型路径获取
6.2 静态图像人脸检测
6.3 人脸+眼睛联合检测
6.4 实时摄像头目标检测
6.5 检测参数调优技巧
【任务实践】
任务：静态图像人脸+眼睛联合检测
【拓展实训】
实训1：静态图像多人脸检测与计数
实训2：人脸检测+简单美颜
【本章小结】
【课后习题】
第7章 图像分割基础
【工作情境】
【学习目标】
7.1 阈值分割：基于灰度差异
7.1.1 全局阈值分割：手动设定阈值
7.1.2 Otsu自动阈值分割
7.2 轮廓分割：基于物体轮廓
7.3 分水岭算法：处理重叠物体
【任务实践】
任务：基于Otsu自动阈值的米粒分割与计数
【拓展实训】
实训1：基于图像预处理、阈值分割与形态学操作的古碑文数字化修复
实训2：静态图像硬币计数系统
【本章小结】
【课后习题】
第8章 计算机视觉项目实战
【工作情境】
【学习目标】
8.1 项目1：基于分水岭算法的重叠药片计数系统
8.1.1 项目目标
8.1.2 项目准备
8.1.3 项目实施
8.1.4 项目结果
8.1.5 分析与调参
8.1.6 工业场景落地
8.2 项目2：基于YOLO模型的实时物件检测系统
8.2.1 项目目标
8.2.2 项目实施
8.2.3 操作说明
8.2.4 常见问题与解决方法
【本章小结】
【课后习题】
第9章 计算机视觉与深度学习
【工作情境】
【学习目标】
9.1 计算机视觉与深度学习技术融合
9.2 案例实践1：MobileNet-SSD物体识别
9.2.1 案例引入
9.2.2 实验准备
9.2.3 完整代码与步骤解析
9.2.4 将物件识别结果的名称映射改为中文
9.2.5 案例拓展
9.3 案例实践2：基于MobileNet的工业零件分类系统
9.3.1 案例引入
9.3.2 实验准备
9.3.3 完整代码与步骤解析
9.3.4 工业场景应用拓展
【任务实践】
任务：基于优化数据集和训练轮次的模型训练
【本章小结】
【课后习题】
参考文献
前辅文
第1章 计算机视觉与OpenCV入门
【工作情境】
【学习目标】
1.1 计算机视觉概述
1.1.1 计算机视觉的定义
1.1.2 计算机视觉的典型应用场景
1.1.3 计算机视觉与数字图像处理的关系
1.2 OpenCV简介
1.2.1 OpenCV的发展历程
1.2.2 OpenCV的核心功能模块
1.2.3 OpenCV的官方资源
1.3 OpenCV（Python）环境安装与配置
1.3.1 配置Python环境
1.3.2 安装OpenCV-Python库
1.3.3 验证OpenCV安装结果
1.3.4 常见安装故障排除
1.3.5 在conda虚拟环境中配置OpenCV环境
1.4 你的第一个OpenCV程序
1.4.1 程序功能与核心函数
1.4.2 完整代码实现
1.4.3 程序运行与结果分析
1.4.4 功能扩展：显示灰度图与单通道图
【任务实践】
任务：图像的读取和显示
【拓展实训】
实训1：图像基础属性分析与格式转换
实训2：简单按键交互与图像保存
【本章小结】
【课后习题】
第2章 图像的基本操作
【工作情境】
【学习目标】
2.1 NumPy基础知识
2.1.1 NumPy核心数据类型
2.1.2 NumPy数组的创建
2.1.3 NumPy数组的形状操作
2.1.4 NumPy数组的索引与切片
2.1.5 NumPy数组的迭代与运算
2.2 图像属性的获取与分析
2.2.1 图像属性概述
2.2.2 实例：分析图像属性
2.3 像素的读取与修改
2.3.1 单个像素的读取与修改
2.3.2 区域像素的批量修改
2.4 ROI的提取与处理
2.4.1 ROI提取概述
2.4.2 提取人脸ROI并修改
2.4.3 ROI的复制与粘贴
2.5 图像通道的分离与合并
2.5.1 图像通道函数简介
2.5.2 实例1：通道分离与单独显示
2.5.3 实例2：通道修改与合并（实现特殊效果）
2.5.4 实例3：单通道扩展为3通道（灰度图转彩色图）
【任务实践】
任务1：图像属性分析与ROI提取
任务2：通道交换实现“反色”效果
【拓展实训】
实训1：证件照ROI提取与背景色调整
实训2：渐变图制作（灰度+彩色）
【本章小结】
【课后习题】
第3章 图像预处理技术
【工作情境】
【学习目标】
3.1 图像灰度化与二值化
3.1.1 图像灰度化
3.1.2 图像二值化
3.2 图像噪声与去噪
3.2.1 常见噪声类型
3.2.2 图像去噪：滤波
3.2.3 常见滤波方法及选择
3.3 图像边缘检测
3.3.1 Sobel算子
3.3.2 Canny边缘检测
【任务实践】
任务1：身份证图像预处理
任务2：噪声图像去噪对比
【拓展实训】
实训1：文本图像预处理
实训2：硬币边缘检测与计数
【本章小结】
【课后习题】
第4章 图像几何变换
【工作情境】
【学习目标】
4.1 基础几何变换
4.1.1 图像平移
4.1.2 图像旋转
4.1.3 图像缩放
4.1.4 图像翻转
4.2 仿射变换
4.2.1 仿射变换概述
4.2.2 仿射变换示例
4.3 透视变换
4.3.1 透视变换概述
4.3.2 透视变换示例
【任务实践】
任务1：图像的平移、旋转与缩放变换
任务2：简单透视校正
【拓展实训】
实训1：图像组合变换
实训2：照片透视校正
【本章小结】
【课后习题】
第5章 特征检测与匹配
【工作情境】
【学习目标】
5.1 角点检测
5.1.1 Harris角点检测
5.1.2 Shi-Tomasi角点检测
5.2 尺度不变特征检测
5.2.1 SIFT特征检测
5.2.2 ORB特征检测
5.3 特征匹配
5.3.1 暴力匹配
5.3.2 FLANN匹配
【任务实践】
任务1：简单图像拼接（基于ORB特征匹配）
任务2：目标识别（基于ORB特征匹配）
【拓展实训】
实训1：Harris与Shi-Tomasi角点检测对比
实训2：ORB特征匹配与图像拼接
【本章小结】
【课后习题】
第6章 目标检测基础
【工作情境】
【学习目标】
6.1 Haar级联分类器基础
6.1.1 Haar级联分类器概述
6.1.2 核心函数与参数
6.1.3 模型路径获取
6.2 静态图像人脸检测
6.3 人脸+眼睛联合检测
6.4 实时摄像头目标检测
6.5 检测参数调优技巧
【任务实践】
任务：静态图像人脸+眼睛联合检测
【拓展实训】
实训1：静态图像多人脸检测与计数
实训2：人脸检测+简单美颜
【本章小结】
【课后习题】
第7章 图像分割基础
【工作情境】
【学习目标】
7.1 阈值分割：基于灰度差异
7.1.1 全局阈值分割：手动设定阈值
7.1.2 Otsu自动阈值分割
7.2 轮廓分割：基于物体轮廓
7.3 分水岭算法：处理重叠物体
【任务实践】
任务：基于Otsu自动阈值的米粒分割与计数
【拓展实训】
实训1：基于图像预处理、阈值分割与形态学操作的古碑文数字化修复
实训2：静态图像硬币计数系统
【本章小结】
【课后习题】
第8章 计算机视觉项目实战
【工作情境】
【学习目标】
8.1 项目1：基于分水岭算法的重叠药片计数系统
8.1.1 项目目标
8.1.2 项目准备
8.1.3 项目实施
8.1.4 项目结果
8.1.5 分析与调参
8.1.6 工业场景落地
8.2 项目2：基于YOLO模型的实时物件检测系统
8.2.1 项目目标
8.2.2 项目实施
8.2.3 操作说明
8.2.4 常见问题与解决方法
【本章小结】
【课后习题】
第9章 计算机视觉与深度学习
【工作情境】
【学习目标】
9.1 计算机视觉与深度学习技术融合
9.2 案例实践1：MobileNet-SSD物体识别
9.2.1 案例引入
9.2.2 实验准备
9.2.3 完整代码与步骤解析
9.2.4 将物件识别结果的名称映射改为中文
9.2.5 案例拓展
9.3 案例实践2：基于MobileNet的工业零件分类系统
9.3.1 案例引入
9.3.2 实验准备
9.3.3 完整代码与步骤解析
9.3.4 工业场景应用拓展
【任务实践】
任务：基于优化数据集和训练轮次的模型训练
【本章小结】
【课后习题】
参考文献
