近期准备开始写一些传统CV算法方面的学习心得，对于一个在cv方面工作了两年多的新人，了解一些传统的、偏数学的计算机视觉算法还是挺有必要的。虽然神经网络出现之后这些传统算法变得貌似不那么重要，但是缺乏理论的支撑很容易让人在学习新模型的时候产生困惑，个人认为学习视觉方面深度学习的基础还是要了解传统的视觉算法的一些操作。因此我希望，用尽可能简明的语言，记录一下我在CV传统算法学习上的所获所得。不乏其中有很大篇幅是网络上很多大牛的详细的知识详解文章，我也会摘录到本笔记中，与大家共同学习。本系列主要内容包括我自己不甚了解的cv方面的知识，未必囊括所有的基础知识，目录随着我的学习过程进行增加。
初次写博客，文笔不好，如有错误还请斧正！

目录(暂未分类，写多了再说吧)

• Harris 角点
• FAST角点
• 小孔相机参数
• PNP(pespective-n-point)算法
• 形态学分析
• 边缘检测
• 斑点检测
• 图像平滑去噪
• 全景拼接
• SIFT算法上 | SIFT算法下
• SURF算法
• orb算法
• 光流法基础
• 张正友标定法
• RANSAC
• 标定板识别算法（待整理）
• Shape-Based matching（待整理）
• 霍夫变换模板匹配（待整理）
• 识别直线（待整理）
• 背景提取（待整理）
• 物体跟踪（待整理）
• AR二维码检测与应用（待整理）
• 二维码（待整理）
• 双目重建相关（待整理）
• 图像频域分析（待整理）
• 图像增强和复原（待整理）
• 图片压缩（待整理）
• 人脸识别（待整理）
• 字符分割（待整理）

此外，有关3D方面、深度学习方面的笔记在整理中，目录链接传统3D视觉学习笔记、深度学习学习笔记

最后40年前美丽的Lenna 让大家在学习的同时爱护眼睛 lenna

作者简介：开飞机的乔巴（WeChat：zhangzheng-thu），现主要从事机器人抓取视觉系统以及三维重建等3D视觉相关方面，另外对slam以及深度学习技术也颇感兴趣，欢迎加我微信或留言交流相关工作。