好多朋友可能只会机械结构，或者嵌入式电控，或者一些其他的专业方面，但计算机视觉作为一个比较火的方向以及做机器人所不能绕过的一块儿技术，简单的了解一些，甚至稍微深入学习一下它是非常简单实用的。而我身边总有些同学问我这方面应该如何学起？这应该也是困扰大部分同学的第一道坎。
下面呢跟大家分享下我的计算机视觉学习之路，我非常幸运的有一位好师兄，他带领我走进了计算机视觉的奇妙世界，我想在此感谢他一下，也希望我的经验可以帮助到大家。
首先计算机视觉是什么呢？我们可以搜索一下“计算机视觉”来看看360百科的介绍：*计算机视觉是一门研究如何使机器"看"的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。*对于其他介绍我们就不多说了，我们默认大家对此有一定的认知。
一般学习计算机视觉都是从学习opencv开始，opencv是用C++（也有python版本）编写的视觉算法库，既然有open一词说明它是开源的啦。作者将一些常用的以及高效的视觉处理算法封装到这个库里，方便广大从事视觉研究的人员在此已有框架上进行视觉算法开发，避免了造轮子的重复工作。
那又如何学习opencv呢？入门的话主要有三个途径：
一：去opencv官网学习
网上搜索opencv，可以直接找到它的官网，不过我还是在这里贴出来好了：
https://opencv.org/
在官网上边我们可以看到一个courses的选项，但我们不用去看，因为里面有课程，但价格不菲，比如：
太贵了，也没有必要。。。
我们一般上官网学习opencv，就是看主页面的Tutorials里面的导航，里面会介绍最新版的opencv的更新功能以及用法。
第一次看英文网页肯定很别扭，但没关系，多看看就会习惯，只要你肯看，你就会发现很少有句子看不懂，毕竟学了十几年的英语也不是白学的。如果还不行，可以下载有道词典便会有实时翻译，或者下载一个翻译插件。就不多介绍了。
二：通过视频学习
通过视频学习最简单啦，去咱们“中国当下最大的学习网站”：bilibili网站。随便一搜“opencv”或者“计算机视觉”便可以了，会有大把大把的视频，但其实质量都不是很高很好。
三：通过书本学习
关注微信公众号：“行走的机械人”，回复【电子书资源】，本文中的所有书籍电子版都有吖。
我觉的学习最好的方式和途径就是看书啦，学习opencv的书籍主要推荐两本：
第一本是作者毛星云编写的《opencv3编程入门》，这本书对于库函数的应用介绍的很明白易懂，学习这本书并不需要什么C++太深的功底。很多同学对与学C++和学opencv的顺序很是纠结？其实完全没有必要，如果你一点编程功底都没有，那我觉得也不会来关注这个公众号并看到这里。而有一点编程基础，那就直接学视觉呗，有什么好纠结的，我当初学习opencv时，只有C语言编程基础，但我一面看《opencv3编程入门》，一面学习C++编程，齐头并进，并不会存在什么看不懂的问题。
第二本书是《学习opencv3》，这本书就是opencv这个函数库的大牛作者自己写的使用指南了，讲的非常全面并很有深度，我先看的上面那一本，再看的此书，看完觉的计算机视觉的水平又上了一节，获益匪浅，所以也非常推荐大家看一看。
大家在买书的时候一定要注意，一定买带3的，因为opencv函数库是不停的更新换代的，目前已经更新到第4版了，书还是第3版，但差别不大，还又一些书是《学习opencv》这样的，里面介绍的就是基于第一版的了，已经过时了。
通过上面这三个途径或者其他途径，比如看CSDN博文啦啥的，大家就可以对opencv有一定了解了，但这并不代表你的计算机视觉之旅便到此为止。因为计算机视觉并不仅是opencv这么一个函数包，更多的是对图像的处理，而图像处理的基础知识，大家便可以通过冈萨雷斯编写的《数字图像处理》来了解学习了：
本书全面，通俗的讲解了对图像处理的一些基础操作，可以让你深入了解对一帧图像进行某个处理，在像素级是怎样进行的，以及一些其他有趣的知识。
然后你，你就可以再学习学习SLAM建图，可以看的书有《视觉SLAM14讲》，是一本比较全面介绍讲解SLAM建图的知识，通过学习SLAM你将拥有让机器人通过“眼睛”便可以判断自己在世界坐标系的位置以及是否回到原点等等一系列运动判断的能力。
当然，如果学的好，也可以跪着看看一些前沿的关于计算机视觉的论文，也会有大开眼界的感觉的。
最后呢，给大家推荐几个关于计算机视觉的公众号，大家没事可以看一看：
- Cver
- 计算机视觉战队
- Opencv大本营
- 我爱计算机视觉
- 智车科技
当然吖，本账号也会持续更新关于计算机视觉的干货哦。
搜索微信公众号“行走的机械人”，分享我在电控，视觉，机械，编程等方向的学习经验，以及更多原创技术干货。让我们在学习的道路上共同进步吧。
