计算机视觉从入门到实战

一个面向中文读者的计算机视觉学习仓库：尽量把图像处理、深度视觉、项目实战和前沿方向串成一条清晰的学习主线。

---

项目定位

这个仓库不是只罗列模型名字，也不是只堆一批代码片段，而是希望回答 3 个更关键的问题：

1. 计算机视觉到底在解决什么问题。
2. 经典图像处理、深度学习视觉和前沿方向之间是什么关系。
3. 学完基础之后，怎样把知识真正落到项目和作品集里。

当前内容已经形成一条完整主线：

• 入门认知：什么是计算机视觉、应用场景、环境搭建、OpenCV 基础
• 传统视觉：图像基础、滤波增强、边缘检测、图像变换、形态学、分割基础
• 深度视觉：CNN、目标检测、图像分割、分类实战、人脸识别
• 项目实战：图像分类、目标检测、图像分割、人脸识别门禁
• 前沿方向：图像生成、Diffusion、视频生成、3D 视觉、多模态、AIGC、部署优化

---

适合谁

• 想系统入门计算机视觉的学生和开发者
• 学过机器学习，但没有完整学过 CV 主线的人
• 想补项目经历、整理作品集、准备面试的人
• 想把图像处理、深度学习和实战项目连起来理解的读者

---

学习主线

推荐学习顺序：入门篇 -> 基础篇 -> 进阶篇 -> 实战篇 -> 高级篇

01 入门篇

章节	主题	建议目标
01	什么是计算机视觉	建立整体认知，理解 CV 在做什么
02	应用场景与发展历程	看懂 CV 在安防、医疗、自动驾驶、AIGC 等场景中的位置
03	开发环境搭建	搭好 OpenCV、PyTorch 等基础环境
04	Python+OpenCV 基础	完成最基础的图像读写、显示和处理实验

02 基础篇

章节	主题	建议目标
05	图像基础	理解像素、颜色空间、直方图等基础概念
06	图像滤波与增强	掌握平滑、锐化、对比度增强等常用操作
07	边缘检测与特征提取	理解边缘、角点和局部特征
08	图像变换	理解频域变换、几何变换的基本思路
09	形态学操作	掌握膨胀、腐蚀、开闭运算等基础工具
10	图像分割基础	建立从传统分割到深度分割的过渡认知

03 进阶篇

章节	主题	建议目标
11	CNN 基础与经典网络	理解 CNN 的核心结构和代表网络
12	目标检测	理解 R-CNN、YOLO、SSD 等主流检测路线
13	图像分割	理解 FCN、U-Net、Mask R-CNN 等分割模型
14	图像分类实战	用完整流程做一次分类任务落地
15	人脸识别	理解检测、对齐、识别的基本链路

04 实战篇

章节	主题	建议目标
16	图像分类系统	完成一个可展示的分类项目
17	目标检测应用	做一个可运行的检测应用样例
18	图像分割工具	完成一个最小可交互的分割项目
19	人脸识别门禁	理解 CV 项目和真实业务场景如何结合

05 高级篇

章节	主题	建议目标
20	图像生成基础	建立 GAN 与生成式视觉的基础认知
21	DiffusionModel 详解	理解扩散模型为什么成为主流路线
22	视频生成与处理	看懂视频理解与视频生成的主要方向
23	3D 视觉	理解 3D 重建、NeRF、高斯泼溅等关键词
24	多模态大模型	理解视觉和语言结合后的代表范式
25	AIGC 与内容创作	看懂视觉生成在内容创作中的应用
26	边缘计算与部署	理解模型压缩、部署和端侧推理
27	前沿技术展望	建立后续继续深入的方向感

---

推荐学习方式

路线一：零基础入门

优先读 01 -> 10 -> 16

目标：先建立整体框架，再开始做最小项目，不急着一上来就追前沿模型。

路线二：想尽快做项目

优先读 03、04、11、12、13、16、17、18

目标：先把环境、基础工具和核心任务串起来，再继续补齐理论。

路线三：准备面试或岗位转型

优先读 05、07、11、12、13、15、16、19、24、26

目标：不仅会讲模型，还能讲任务区别、项目结构和部署思路。

---

这个仓库重点解决什么问题

1. 帮你把 CV 主线串起来

很多计算机视觉资料会把图像处理、CNN、检测、分割、生成、多模态分散讲解。这里尽量把它们串成一条更连贯的学习线。

2. 不只讲模型名字

每个阶段都尽量强调：这个方法解决什么问题、和前后方法怎么连接、适合什么场景。

3. 最终能落到项目

实战篇不追求堆一个特别大的系统，而是先给你一个足够清晰、能继续扩展的 CV 项目入口。

---

快速开始

1. 克隆仓库

git clone https://github.com/xxuan66/computer-vision-tutorial.git
cd computer-vision-tutorial

2. 安装依赖

python3 -m venv .venv
source .venv/bin/activate
pip install -U pip
pip install -r requirements.txt

3. 建议从哪里开始

• 第一次接触计算机视觉：从 01-什么是计算机视觉 开始
• 已有机器学习基础：从 04-Python+OpenCV基础 和 11-CNN 基础与经典网络 切入

---

常用工具与框架

工具	用途	适用场景
OpenCV	图像处理基础库	预处理、传统视觉、工程接线
PyTorch	深度学习框架	模型实验、研究、项目原型
TensorFlow	深度学习框架	训练与部署一体化场景
Ultralytics	YOLO 工具链	快速目标检测实验
MMDetection	检测任务工具箱	检测研究与模型对比
Diffusers	扩散模型工具库	图像生成、多模态生成

快速示例：

from ultralytics import YOLO

model = YOLO('yolov8n.pt')
results = model('image.jpg')
results[0].show()

---

数据集与资料

常用数据集

数据集	类型	说明	链接
ImageNet	图像分类	经典大规模分类数据集	链接
COCO	检测/分割	目标检测和分割最常用基准之一	链接
Pascal VOC	检测	入门目标检测常见数据集	链接
CelebA	人脸	人脸属性和识别常见数据集	链接
LAION	图文对	多模态和生成模型常见公开数据来源	链接

建议配合阅读的资料

• 《数字图像处理》
• 《计算机视觉：算法与应用》
• Stanford CS231n
• OpenCV 官方教程
• PyTorch 官方教程

---

贡献方式

欢迎通过下面这些方式一起完善内容：

• 修正文案、概念、代码或示例中的错误
• 补充更好的实验结果和项目经验
• 增加更清楚的任务对比、模型说明和实践建议

如果你发现问题，直接提 GitHub Issues 即可。

---

许可证

MIT License

---

最近更新： 2026-03-31