击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

来源丨机器之心

你也在用《计算机视觉：算法与应用》入门 CV 吗？或许你手里的版本已经有点过时了。

《计算机视觉：算法与应用》第二版新书地址：在公众号「3D视觉工坊」，后台回复「计算机视觉算法与应用」，即可直接下载。

提到计算机视觉领域的入门书，不少人会推荐 Facebook 研究科学家 Richard Szeliski 的《计算机视觉：算法与应用》。这本书的英文版于 2010 年出版，2011 年被翻译成中文在国内面世，成为很多人学习计算机视觉的入门教材。

这本书探索了用于分析和解释图像的各种常用技术，描述了具有一定挑战性的视觉应用方面的成功实例，兼顾专业的医学成像和图像编辑与拼接之类有趣的大众应用。在这本书中，作者从科学的角度介绍了基本的视觉问题，将成像过程的物理模型公式化，然后在此基础上生成对场景的逼真描述，他还运用统计模型来分析和运用严格的工程方法来解决这些问题。

作为一本被广泛采用的教材，《计算机视觉：算法与应用》非常受初学者欢迎，有人称赞其「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」。

内容引自知乎用户 @红色石头。原贴链接：https://zhuanlan.zhihu.com/p/85618233

还有人表示，这本书「写得很简单，看完后对这个领域有了很好的把握，而且很多内容都有代码，感兴趣的地方自己尝试后，对算法理解也加深了很多」。

内容引自知乎用户 @Recruit (https://www.zhihu.com/people/rui-shi-87)。原贴链接：https://www.zhihu.com/question/28813777/answer/85845127

毋庸置疑，《计算机视觉：算法与应用》是一本高质量的入门教材。但美中不足的是，这本书写于十年前，涉及的机器学习、深度学习内容较少，而近年来，这两项技术又在视觉领域实现了爆炸式增长。

为了弥补这一缺憾，最近，作者 Richard Szeliski 在自己的个人主页上宣布，《计算机视觉：算法与应用》第二版已经基本完成，并发布了新书的 PDF 版本，向读者征集意见。

• 新书主页：http://szeliski.org/Book/

• 下载链接：https://www.dropbox.com/sh/88qvr1z7fpfx1tv/AAB4Ia3yEMuZ4WSzNWB5acTta?dl=0&preview=SzeliskiBookDraft_20200901.pdf

新书介绍了哪些内容？

Richard Szeliski 在新书的前言中介绍说，这本书萌芽于 2001 年，当时华盛顿大学的 Steve Seitz 邀请他一起讲授一门课程——「Computer Vision for Computer Graphics」。后来，这门课程逐渐演变成一份愈发完整的计算机视觉教学大纲，还形成了一套以项目为导向的课程结构。

基于这些课程经验和在企业研究实验室的多年积累，Richard Szeliski 写了《计算机视觉：算法与应用》的第一版。他表示，这本书更加强调能够在现实世界发挥作用的基本技术，而不是高深的数学原理。

第一版的《计算机视觉：算法与应用》共计 14 个章节，分别为：

1. 引言；

2. 图像形成；

3. 图像处理；

4. 特征检测与匹配；

5. 分割；

6. 基于特征的对齐；

7. 由运动到结构；

8. 稠密运动估计；

9. 图像拼接；

10. 计算摄影学；

11. 立体匹配；

12. 3D 重建；

13. 基于图像的渲染；

14. 识别。

第二版的《计算机视觉：算法与应用》也是 14 个章节，分别为：

1. 引言；

2. 成像；

3. 图像处理；

4. 模型拟合与优化；

5. 深度学习；

6. 识别；

7. 特征检测与匹配；

8. 图像对齐与拼接；

9. 运动估计；

10. 计算摄影学；

11. 由运动到结构与 SLAM；

12. 深度估计；

13. 3D 重建；

14. 基于图像的渲染；

新版目录如下：

可以看出，与第一版相比，第二版发生了很大的变化，其中最显著的变化包括：

• 机器学习、深度学习和深度神经网络出现在第五章，因为它们在视觉算法中扮演的角色与前两章介绍的经典图像处理、图 / 概率模型、能量最小化方法一样重要。

• 「识别」从第 14 章提前到了第 6 章，因为端到端深度学习系统不再需要开发特征检测、匹配、分割等构建模块，而大多数选修视觉课程的同学可能主要是对图像识别感兴趣，所以把这章提前有利于他们构建自己的项目。

除此之外，该书还增加了一些当前最新的技术、文献和应用，如手机计算摄影学和自主导航技术。

在之前的教学过程中，作者发现让学生实现一些小项目非常有用，有时这些项目甚至可以组成会议论文。因此，该书每一章末尾的练习都包含一些建议，针对一些期中小项目进行指导。此外，书中还包含一些尚未解决的开放性问题。

该书适用于计算机科学和电气工程高年级本科生和研究生。读者上手之前最好先学习一门图像处理或计算机图形学课程，这样就能少花点时间学习数学基础知识，多一点时间去学计算机视觉技术。为了让读者了解该领域的最新进展，作者尽量引用最新的研究。

作者简介

Richard Szeliski 博士是计算机视觉领域的大师级人物，他在计算机视觉研究方面有 30 多年的丰富经验，主攻计算机视觉和计算机图形学。

Richard Szeliski 先后任职于 DEC（美国数字设备公司）和微软研究院。1996 年，他在微软研究院任职期间提出了一种基于运动的全景图像拼接模型，采用 L-M 算法，通过求图像间的几何变换关系来进行图像匹配。此方法是图像拼接领域的经典算法，Richard Szeliski 也因此成为图像拼接领域的奠基人。

目前，Richard Szeliski 在 Facebook 担任研究科学家，他还是 Facebook 计算摄影部门的创始负责人。2017 年，Richard Szeliski 获得 ICCV 大会颁发的杰出研究奖。

Richard Szeliski 表示，他的新书还处在勘误、征集建议的阶段，读者可以通过电子邮件与他联系。

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~