方杰的回答:
以下课程都是斯坦福计算机视觉实验室的。
实验室主页：http://vision.stanford.edu/
CS 131 Computer Vision: Foundations and Applications：
http://vision.stanford.edu/teaching/cs131_fall1415/schedule.html
CS231A Computer Vision: from 3D reconstruction to recognition:
http://cvgl.stanford.edu/teaching/cs231a_winter1415/schedule.html
CS231n: Convolutional Neural Networks for Visual Recognition
http://vision.stanford.edu/teaching/cs231n/
以上三门课就可以入门了，当然还有很多其他高等级的课，可以去实验室主页看看。
资料不宜贪多，谢绝其他资料干扰，安心的把这些lectures看完。然后就可以上手做项目和看论文了。论文才是王道。
梁亦聪的回答(腾讯模式识别算法工程师)
其实我没有系统地学过计算机视觉。所以现在的知识结构在行内算是很偏科的。所以我的经验未必做得了准。
数学：
我平时用得最多的几门数学课的知识是1.线性代数 2.概率论 3.随机过程 4.微积分，按常用程度排序。
编程：
我大概是90%的matlab＋10%的C++。代码量大约是平均每天200行左右吧。
嗯，其实我觉得每天花半小时阅读paper的时间，遍历CVPR+ICCV+ECCV+ICML+NIPS+PAMI+JMLR的paper，90%看摘要、9%看introduction、1%精读，半年以后肯定就入门了……
王小龙，数学，计算机视觉，图形图像处理
计算机视觉是一个很大的范畴的总和，有两种学习方式，一种是阅读基础书，搞懂它的每一部分；另一种是找一个问题，看文献，编程实现，不断往深走。这两种学习方式是互补的，如果你看了好几年书还不能上手解决问题，或者只会解决某些很特殊的问题，对其他问题束手无策都不算成功。因此你需要把看书掌握一般知识和编程实验解决具体问题齐头并进。下面说你要干什么：
- 下载安装OpenCV2
OpenCV是一个非常强大的计算机视觉库，包括了图像处理、计算机视觉、模式识别、多视图几何的许多基本算法，有c++和Python两种接口。学习的材料首先是安装目录下doc文件夹里的帮助文档，提供所有函数的用法，任何时候对任何函数有疑问请查阅帮助文档，安装目录下还提供一大堆写好的演示程序供参考；《OpenCV_2 Computer Vision Application Programming Cookbook》是一本比较基础的介绍材料，它的缺点是没有介绍分类器（模式识别）方面的函数怎么用。
虽然网上还有其他很多流行的库，比如处理特征点的VLfeat，处理点云的PCL，处理GPU运算的CUDA，处理机器人问题的ROS和MRPT，但是这些都是你在解决具体问题时才会考虑去用的东西，如果你想快速读取视频、做个屏幕交互程序、使用流行的分类器、提取特征点、对图像做处理、进行双目重建，OpenCV都提供相应函数，因此在你不知道该把余生用来干什么的时候，先装OpenCV学习。
- 读综述
Computer Vision: Algorithms and Application。这本书用1000页篇幅图文并茂地浏览了计算机视觉这门学科的诸多大方向，如果你不知道计算机视觉是一门搞什么的学科，这本书是你绝佳的选择。它的优点是涉猎了大量文献，缺点是缺乏细节，因此很显然只读这本书你根本没法上手工作，因为它讲的实在是太粗糙了。如果你对其中的某一部分感兴趣，就请去读相关文献，继续往下走，这就是这本书的意义。有中文版，但是翻译的不好，也不建议你细细去读，看看里面的图片即可。
Computer Vision: Models, Learning, and Inference：这本书是我认为研究生和高年级本科生入门计算机视觉最好的教材。它内容丰富，难度适中，推导翔实，语言流畅，强烈推荐你花2个月时间把这本书读完。
- 多视图几何
Multiple View Geometry in Computer Vision：这本书是多视图几何的圣经，意思就是说想搞三维重建或者图像测量之类的项目，这本书是必读的。它需要你有线性代数的基本知识，会SVD分解即可。第一版有中文版，翻译的非常好，但是已经绝版了，可以上淘宝高价买一本，第二版添加的内容很少，在网上可以下载到。
- 模式识别
模式识别核心就是训练一个函数来拟合手头的数据，如果数据的标签是离散的，称为分类问题，如数据的标签是连续的，称为回归问题；分类又分有监督分类和无监督分类，有监督分类器有神经网络、支持向量机、AdaBoost、随机场、树模型等等。当你拿到一大堆数据，需要从里面找关系的时候，一般都需要使用模式识别算法来训练一个函数/分类器/模型，因此模式识别是机器学习的核心。
《模式分类（第二版）》：这是一本适合普通读者阅读的教材，介绍了模式识别中经典的分类器，讲解细致，语言生动，难度适中，每一个算法都有伪代码。
The Elements of Statistical Learning：这本书使用严谨的数学工具分析模式识别算法，它比较难，但是非常深刻。每拿到一个模型它都会分析这个模型在数学上是如何构造的，并且推导模型的分类错误率。分析和推导是这本书的精髓。
Pattern Recognition and Machine Learning：这是一本从贝叶斯学派的角度分析模式识别模型的书，它使用的工具主要是概率论，比较难，非常深刻，内容非常丰富。
虽然这两本书很难，但是它们用到的数学知识不过是基本的概率论和线性代数，只是用的比较活，计算机视觉这个学科需要的数学知识也是这个水平。
- 图形学
图形学教材首先推荐《计算机图形学与几何造型导论》，这本书用流畅的语言介绍了图形学的基础知识，选材有趣，推导简洁但是绝不跳步走，保证你能看懂而且不会看烦。
光线追踪器我看过一本薄的《Realistic Ray Tracing》和一本厚的《Ray Tracing from the Ground Up》，两本书都有代码。后一本内容极其丰富，有中文版，翻译尚可。后一本唯一的缺点就是讲不清楚BRDF，但这恰恰是前一本的亮点。
还有一些比较偏的书，比如偏微分方程在图像处理中的应用、细分、压缩感知、马尔科夫随机场、超分辨率分析，概率机器人、多尺度几何分析，这些领域都有各自的名著，你在某个领域深挖的时候，类似这样的书可能会出现在参考文献中，那时再看不迟。
- 读文献
写到书里的知识基本上都有些过时，你得通过看文献掌握各个领域最新的发展动态。计算机视觉的顶级期刊有两个PAMI和IJCV，顶级会议有ICCV和CVPR，在科学网—[转载]计算机视觉方向的一些顶级会议和期刊有更加详细的介绍。
你可以通过大量浏览会议文章合集和期刊的文章寻找一个自己感兴趣的文章，先看图，再读摘要，最后有必要再看正文。从一两篇文章开始细读，肯定会有很多读不懂的东西，这个时候就需要去看参考文献列出的文章，看不懂再去看参考文献的参考文献。不断走下去，你对一个领域的了解就加深了。
张扬，图像处理，机器学习，电影菜比，steamer
计算机视觉菜鸟回答求轻拍
我猜测题主的问题是如何快速入计算机视觉的门，针对这个问题我更推荐跟着教材和讲座成体系地，由浅入深地系统学习，而不是一开始自己一个人单打独斗地去学习一些孤立的知识点。因为私以为把只是实现串联起来比学习知识点本身更重要，如果对计算机视觉没有一个系统性了解的话是无法有一个稳固基础的。
然后等到自己对计算机视觉有一个成体系的了解了之后再去追寻自己感兴趣的方向不迟。
入门教材与讲座
教材我推荐Richard Szeliski的Computer Vision: Algorithms and Application。英文版链接：http://szeliski.org/Book/drafts/SzeliskiBook_20100903_draft.pdf 国内淘宝上面有中文版可以买。
讲座我推荐我导师12年的计算机视觉课程录像（需翻墙），基本覆盖了计算机视觉的绝大多数基本领域：https://www.youtube.com/playlist?list=PLd3hlSJsX_Imk_BPmB_H3AQjFKZS9XgZm 最近14年的新版录像会在年底放出。
作业和幻灯片在：CRCV | Center for Research in Computer Vision at the University of Central Florida
14年的课程稍稍改变了下，加入了DPM等等，我也推荐你看一下：http://crcv.ucf.edu/courses/CAP5415/Fall2014/index.php
看文章的时候注意上网搜索，作者可能在网上公布了代码，你可以把代码下载下来深入研究而不用自己重新发明轮子。
粤公网安备 44030402004702号