机器视觉

翻开《机器视觉》，大多数人会在前几章就体会到一种「数学无敌」的压迫感——它不满足于告诉你图像怎么处理，而是逼你从成像的物理本质出发，把光如何打在物体上、如何被镜头捕捉、又如何从亮度反推出三维形状这一整条链条重新推导一遍。这种「从结果逆推过程」的思路，正是它被奉为「机器视觉圣经」的原因：MIT几何学派几十年沉淀的严谨，尽数凝结其中。它适合愿意啃透数学与概率、追求「知其所以然」的读者；若只想快速上手调包应用，这里可能会让你感到吃力甚至「弃书」。但正是这份不讨好的学术性，让它成为理解计算机视觉底层原理不可替代的经典。

伯特霍尔德·霍恩（Berthold Klaus Paul Horn）现为美国麻省理工学院（MIT）计算机与电子工程系（EECS）人工智能实验室（CSAIL）的教授、美国工程院（NAE）院士、美国人工智能协会（AAAI）院士，是享有国际声望的计算机视觉领域专家。他从事计算机视觉领域的研究长达40多年，在该领域有许多开创性和奠基性的贡献，其博士论文《Shape from Shading》开创了一个崭新的研究领域。他提出的经典光流算法（Horn - Schunck方法）奠定了光流及运动视觉研究的基础。霍恩教授的很多研究成果，如：二维retinex算法、反射图、扩展Gauss图、无源导航等，都在计算机视觉领域和工业界发挥着巨大的作用。他所开创的基于逆问题理论、通过分析成像过程来研究机器视觉的方法，被称为霍恩学派。