本书以OpenCV-Python（the Python API for OpenCV）为工具，以案例为载体，系统介绍了计算机视觉从入门到深度学习的相关知识点。本书从基础知识、基础案例、机器学习、深度学习和人脸识别5个方面对计算机视觉的相关知识点进行了全面、系统、深入的介绍。书中共介绍了40余个经典的计算机视觉案例，其中既有图像加密、指纹识别、车牌识别、缺陷检测等基于传统技术的计算机视觉经典案例，也有图像分类、目标检测、语义分割、实例分割、风格迁移、姿势识别等基于深度学习的计算机视觉案例，还有表情

本书沿袭“程序员的数学”系列平易近人的风格，用简练的语言和丰富的示例向程序员介绍了编程中所需的图论基础知识。内容包括最小生成树、最短路径问题、欧拉回路、哈密顿圈、图着色、最大流问题和匹配问题等。本书并未枯燥地讲解理论，而是通过大量代入了具体数值的示例，引导读者理解图论中的概念和定理。在讲解图算法时还详细拆分了算法的执行步骤，以便读者加深理解。

本书围绕计算机视觉在农业、医学、工业等领域的案例，深入浅出地讲解计算机视觉核心的模型与关键技术。本书中所有案例的代码均能在达内时代科技集团自主研发的 AIX-EBoard 人工智能实验平台上部署与实施，实现了教学场景化、学习趣味化。本书分为三个部分，循序渐进地介绍计算机视觉相关技术的理论基础和各案例的实践步骤。第 1 部分基于 OpenCV 介绍传统视觉应用的基础算法，同时实现轮廓提取、全景图像拼接等案例的实践；在传统视觉应用的基础上，第 2 部分讲解基于机器学习和深度学习的视觉应用，结合不同行

内 容 提 要

随着人工智能技术的发展，我们已经进入人工智能时代。在人工智能研究的各个领域，适合中小学生学习和理解的内容主要包括：语音识别、TTS 语音合成、计算机视觉与图像处理等，这些内容侧重让学生体验人工智能的应用，尤其是同一技术在不同场景下的应用，感受人工智能对生活的影响。

本书以智能感知为主要研究对象，以计算机视觉与图像处理作为课程的主体内容。通过学习传感器的用法，让读者感受人工智能的魅力，激发他们的学习兴趣。读者通过对人工智能开发板的学

机器视觉技术作为当前的热门技术之一，在智能制造领域得到了广泛的应用。 本书从机器视觉的基本概念到机器视觉算法，从机器视觉核心部件到可配置的纯嵌入式视觉系统，从2D视觉技术到3D视觉技术，从黑白视觉技术到彩色视觉技术，从传统视觉技术到深度学习技术，从视觉系统设计方案到各行业的应用场景，从视觉检测、测量、定位、读码与识别四大需求到实际应用案例都分别进行了详细介绍。 本书可作为普通本科、高职高专院校机器视觉课程的教学用书，也可供从事相关行业的工程技术人员、研发人员参考。

本书以图解的方式综合讲述算法及其数据结构，内容浅显易懂，逻辑严谨，范例丰富，易于学习和掌握，力求兼顾教师教学和学生自学。
全书内容分为五部分，共12章：计算思维与算法（第1~3章）介绍各个经典的算法，包括分治法、递归法、贪心法、动态规划法、迭代法、枚举法、回溯法等；数据结构相关算法（第4~6章）讲述重要的数据结构及其相关算法的实现，数据结构包括数组、链表、堆栈、队列、树结构、图结构、哈希表；排序与查找算法（第7、8章）讲述排序算法和查找算法；树结构与图结构相关算法（第9、10章）讲述数组和

本书在普通高等教育“十一五”国家级规划教材和国家精品课程教材《数字逻辑与数字系统》（第5版）基础上，依照2019年出版的《高等学校工科基础课程教学基本要求汇编》，为适应数字电子技术的不断发展和应用水平的不断提高修订而成。全书共9章，内容包括数字逻辑基础、逻辑门电路、组合逻辑电路、锁存器和触发器、时序逻辑电路、半导体存储器、脉冲波形的产生与整形、数模转换和模数转换、数字系统分析与设计等。附录包括CPLD和FPGA简介、电气简图用图形符号二进制逻辑元件简介、常用逻辑符号对照表等实用内容。本书提供多媒

《计算机系统设计》系列教材是在新工科建设的背景下，面向国家“自主可控”信息化发展战略，围绕系统能力培养的目标而编写的。本书为该系列教材的下册，在上册所设计的32位MIPS流水线处理器（MiniMIPS32）的基础上，详细讲授SoC软硬件设计、集成、测试的方法和流程。全书分为8章，主要包括增强型MiniMIPS32处理器设计，互连总线的集成，存储系统的设计与集成，常见外设的设计与集成，操作系统移植，面向特定应用领域的SoC设计，基于Xilinx FPGA 和Vivado的IP核设计、封装及基于IP

OpenCV是一个跨平台计算机视觉和机器学习软件库，也是计算机视觉领域的开发人员必须掌握的技术。本书基于Python 3.8全面、系统地介绍OpenCV 4.5的使用，并配套示例源代码、开发环境与答疑服务。
本书共分15章，主要内容包括计算机视觉概述、OpenCV的Python开发环境搭建、OpenCV基本操作、数组矩阵、图像处理模块、灰度变换和直方图修正、图像平滑、几何变换、图像边缘检测、图像分割、图像金字塔、图像形态学、视频处理，以及停车场车牌识别、物体识别、运动跟踪、人脸检测等案例。

本书从大数据处理涉及的基础数学理论入手，围绕大数据研究涉及的基础数学知识，从线性代数、微积分、概率与统计、距离度量、优化问题及图论六大方面展开介绍，以夯实读者在大数据领域的理论基础。本书不仅介绍了基本的数学概念，而且通过具体例子介绍了其在大数据领域的实际应用，以提高本书的易读性。本书每章都附有相应的习题，以便读者能够进一步理解相应的知识点。