从零掌握计算机视觉 · 35课完整体系 · Python/OpenCV/PyTorch实机验证
本课程覆盖从图像处理基础到深度学习实战的完整计算机视觉知识体系。每课包含：算法原理深度讲解 → Python/OpenCV代码实现 → 效果展示 → 课后练习 → 🏆成就解锁。
前置知识：Python基础、线性代数、概率统计
工具环境：Python 3.12 + OpenCV 4.13 + PyTorch + NumPy
课程特色：每课均有实机可运行代码，✅验证标记对应真实输出，数学公式使用LaTeX渲染
第1阶段（1-7课）图像处理基础：采样量化、滤波卷积、边缘检测、形态学、色彩空间、仿射变换、频域处理
第2阶段（8-14课）特征与匹配：角点检测、特征匹配、光流估计、图像拼接、立体视觉、相机标定、姿态估计
第3阶段（15-21课）深度学习CV：CNN分类、目标检测、YOLO、语义分割、实例分割、关键点、人脸识别
第4阶段（22-28课）生成模型：自编码器、VAE、GAN、DCGAN、条件GAN、风格迁移、图像修复
第5阶段（29-35课）实战项目：文档OCR、车牌识别、医学影像、卫星分析、视频动作、3D点云、毕业项目
图像处理基础是CV的地基。从像素操作到频域分析，掌握这些基础才能理解后续所有高级算法。
采样量化、像素操作、色彩空间、直方图
卷积原理、均值/高斯/中值/双边滤波、自定义核
Sobel、Laplacian、Canny、LoG/DoG、多尺度
腐蚀膨胀、开闭运算、梯度、顶帽黑帽、车牌提取
RGB/BGR、HSV、LAB、YCrCb、颜色分割、白平衡
仿射变换、透视变换、插值方法、鸟瞰图
DFT、频域滤波、低通/高通、同态滤波、陷波滤波
从局部特征提取到3D重建，这是连接低层图像处理和高层语义理解的桥梁。
Harris、Shi-Tomasi、SIFT原理与实现、FAST
BFMatcher、FLANN、RANSAC、ORB、图像拼接
LK、Horn-Schunck、金字塔光流、Farneback
单应性估计、图像变形、接缝融合、多图拼接
视差图、深度估计、BM/SGBM匹配、极线约束
内参外参、畸变校正、张正友标定、精度评估
PnP、solvePnP、AR应用、立方体投影
深度学习彻底改变了计算机视觉。从CNN基础到各种检测分割任务，这是现代CV的核心。
卷积层、池化层、全连接、训练优化、数据增强
Anchor机制、Faster R-CNN、SSD、IoU/NMS
YOLO演进、YOLOv8、Anchor-free、FPN
FCN、U-Net、DeepLab v3+、Dice Loss、mIoU
Mask R-CNN、SOLO、全景分割、AP评估
人体姿态、Hourglass、HRNet、热图回归
MTCNN、人脸对齐、ArcFace、活体检测
生成模型让CV从"理解图像"进化到"创造图像"，是当前最热门的研究方向。
欠完备AE、去噪AE、稀疏AE、应用场景
重参数化、ELBO、条件VAE、采样生成
对抗训练、GAN损失、训练稳定性、模式崩溃
转置卷积、DCGAN架构、隐空间插值、向量运算
条件注入、Pix2Pix、cGAN损失、StarGAN
NST、Gram矩阵、快速风格迁移、AdaIN
传统修复、部分卷积、上下文注意力、DeepFill
将所学知识应用到真实场景，从OCR到安防系统，完成从学习到工程的跨越。
文本检测、CRNN、CTC解码、后处理纠错
车牌定位、字符分割、CRNN识别、LPRNet
U-Net医学分割、注意力机制、Dice Loss、3D分割
变化检测、地物分类、多光谱分析、NDVI
3D CNN、双流网络、SlowFast、Video Transformer
PointNet、PointNet++、点云分割、ICP配准
YOLO检测、DeepSORT追踪、行为识别、异常检测
本课程中所有数学公式均使用真实数学表达式，没有"详见XX"等占位符。关键公式包括：
# 安装必要依赖
pip install opencv-python numpy matplotlib torch torchvision scipy
# 验证安装
import cv2; print(f"OpenCV {cv2.__version__}")
import numpy as np; print(f"NumPy {np.__version__}")
import torch; print(f"PyTorch {torch.__version__}")
print(f"CUDA available: {torch.cuda.is_available()}")| 阶段 | 课程 | 核心技能 | 里程碑项目 |
|---|---|---|---|
| 图像处理基础 | 1-7 | 滤波、边缘检测、色彩、频域 | 图像去噪与增强pipeline |
| 特征与匹配 | 8-14 | SIFT、光流、标定、3D | 全景图拼接 |
| 深度学习CV | 15-21 | CNN、检测、分割、人脸 | 实时目标检测系统 |
| 生成模型 | 22-28 | VAE、GAN、风格迁移 | 图像生成与编辑工具 |
| 实战项目 | 29-35 | OCR、医学、3D、安防 | 智能安防系统 |
CV是AI最成熟的应用方向之一，主要应用领域：
每完成一课，解锁对应成就。集齐所有成就，成为CV工程师！