Python 電腦視覺實戰

張德豐

  • Python 電腦視覺實戰-preview-1
  • Python 電腦視覺實戰-preview-2
  • Python 電腦視覺實戰-preview-3
Python 電腦視覺實戰-preview-1

買這商品的人也買了...

商品描述

《Python電腦視覺實戰》以Python為平臺,以“概述+案例”的方式系統地對電腦視覺進行實戰分析。本書先介紹電腦視覺編程基礎知識,接著介紹在各個領域利用Python解決電腦視覺問題,最後通過兩個經典案例綜合分析電腦視覺應用。為了幫助讀者更好地掌握相關知識,各章節都是通過概述與案例相結合的方式,讓讀者在掌握概念的同時舉一反三,掌握程序設計的方法,利用程序設計解決實際問題。 《Python電腦視覺實戰》適合電腦視覺初學者以及想深入研究Python電腦視覺的開發者閱讀參考。

目錄大綱

第1章計算機視覺編程基礎知識
1.1計算機視覺概述
1.1.1什麼是計算機視覺
1.1.2發展現狀
1.1.3計算機視覺用途
1.1.4相關學科
1.1.5計算機視覺的經典問題
1.2Python編程軟件
1.2.1Python應用領域
1.2.2發展歷程
1.2.3Python的安裝
1.2.4使用pip安裝第三方庫
1.3幾個常用庫
1.3.1numpy庫
1.3.2scipy庫
1.3.3pandas庫
1.3.4scikitlearn庫
1.4Python圖像處理類庫
1.4.1轉換圖像格式
1.4.2創建縮略圖
1.4.3複製並粘貼圖像區域
1.4.4調整尺寸和旋轉
1.5Matplotlib庫
1.6Numpy圖像處理
1.6.1灰度變換
1.6.2圖像縮放
1.6.3直方圖均衡化
1.6.4圖像平均
1.6.5圖像主成分分析
1.7Scipy圖像處理
1.7.1圖像模糊
1.7.2圖像導數
1.7.3形態學
1.7.4io和misc模塊
1.8圖像降噪
第2章圖像去霧技術
2.1空域圖像增強
2.1.1空域低通濾波
2.1.2空域高通濾波器
2.2時域圖像增強
2.3色階調整去霧技術
2.3.1概述
2.3.2暗通道去霧原理
2.3.3暗通道去霧實例
2.4直方圖均衡化去霧技術
2.4.1色階調整原理
2.4.2自動色階圖像處理算法
第3章形態學的去噪
3.1圖像去噪的方法
3.2數學形態學的原理
3.2.1腐蝕與膨脹
3.2.2開閉運算
3.2.3禮帽/黑帽操作
3.3形態學運算
3.3.1邊緣檢測定義
3.3.2檢測拐角
3.4權重自適應的多結構形態學去噪
第4章霍夫變換檢測
4.1霍夫檢測直線
4.1.1霍夫檢測直線的思想
4.1.2實際應用
4.2霍夫檢測圓
第5章車牌分割定位識別
5.1基本概述
5.2車牌圖像處理
5.2.1圖像灰度化
5.2.2二值化
5.2.3邊緣檢測
5.2.4形態學運算
5.2.5濾波處理
5.3定位處理
5.4字符處理
5.4.1閾值分割
5.4.2閾值化分割
5.4.3歸一化處理
5.4.4字符分割經典應用
5.5字符識別
5.5.1模板匹配的字符識別
5.5.2字符識別車牌經典應用
第6章分水嶺實現醫學診斷
6.1分水嶺算法
6.1.1模擬浸水過程
6.1.2模擬降水過程
6.1.3過度分割問題
6.1.4標記分水嶺算法
6.2分水嶺醫學診斷案例分析
第7章手寫體數字識別
7.1卷積神經網絡概述
7.1.1卷積神經網絡結構
7.1.2卷積神經網絡的訓練
7.1.3卷積神經網絡識別手寫體數字
7.2SVM識別手寫體數字
7.2.1支持向量機的原理
7.2.2函數間隔
7.2.3幾何間隔
7.2.4間隔最大化
7.2.5SVC識別手寫體數字實例
第8章圖片中英文識別
8.1OCR介紹
8.2OCR算法原理
8.2.1圖像預處理
8.2.2圖像分割
8.2.3特徵提取和降維
8.2.4分類器
8.2.5算法步驟
8.3OCR識別經典應用
8.4獲取驗證碼
第9章小波技術的圖像視覺處理
9.1小波技術概述
9.2小波實現去噪
9.2.1小波去噪的原理
9.2.2小波去噪的方法
9.2.3小波去噪案例分析
9.3圖像融合處理
9.3.1概述
9.3.2小波融合案例分析
第10章圖像壓縮與分割處理
10.1SVD圖像壓縮處理
10.1.1特徵分解
10.1.2奇異值分解
10.1.3奇異值分解應用
10.2PCA圖像壓縮處理
10.2.1概述
10.2.2主成分降維原理
10.2.3分矩陣重建樣本
10.2.4主成分分析圖像壓縮
10.2.5主成分壓縮圖像案例分析
10.3KMeans聚類圖像壓縮處理
10.3.1KMeans算法的原理
10.3.2KMeans算法的要點
10.3.3KMeans算法的缺點
10.3.4KMeans聚類圖像壓縮案例分析
10.4KMeans聚類實現圖像分割
10.4.1KMeans聚類分割灰度圖像
10.4.2KMeans聚類對比分割彩色圖像
第11章圖像特徵匹配
11.1相關概念
11.2圖像匹配
11.2.1基於灰度的匹配
11.2.2基於模板的匹配
11.2.3基於變換域的匹配
11.2.4基於特徵的匹配案例分析
第12章角點特徵檢測
12.1Harris的基本原理
12.2Harris算法流程
12.3Harris角點的性質
12.4Harris檢測角點案例分析
12.5角點檢測函數
12.6ShiTomasi角點檢測
12.7FAST特徵檢測
第13章運動目標自動檢測
13.1幀間差分法
13.1.1原理
13.1.2三幀差分法
13.1.3幀間差分法案例分析
13.2背景差分法
13.3光流法
第14章水印技術
14.1水印技術的概念
14.2數字水印技術的原理
14.3典型的數字水印算法
14.3.1空間域算法
14.3.2變換域算法
14.4數字水印攻擊和評價
14.5水印技術案例分析
第15章大腦影像分析
15.1閾值分割
15.2區域生長
15.3基於閾值預分割的區域生長
15.4區域生長分割大腦影像案例分析
第16章自動駕駛應用
16.1理論基礎
16.2環境感知
16.3行為決策
16.4路徑規則
16.5運動控制
16.6自動駕駛案例分析
第17章目標檢測
17.1RCNN系列
17.1.1RCNN算法概述
17.1.2RCNN的數據集實現
17.2YOLO檢測
17.2.1概述
17.2.2統一檢測
17.2.3基於OpenCV實現自動檢測案例分析
第18章人機交互
18.1Tkinter GUI編程組件
18.2佈局管理器
18.2.1Pack佈局管理器
18.2.2Grid佈局管理器
18.2.3Place佈局管理器
18.3事件處理
18.3.1簡單的事件處理
18.3.2事件綁定
18.4Tkinter常用組件
18.4.1ttk組件
18.4.2Variable類
18.4.3compound選項
18.4.4Entry和Text組件
18.4.5Radiobutton和Checkbutton組件
18.4.6Listbox和Combobox組件
18.4.7Spinbox組件
18.4.8Scale組件
18.4.9Labelframe組件
18.4.10OptionMenu組件
18.5菜單
18.5.1窗口菜單
18.5.2右鍵菜單
18.6Canvas繪圖
第19章深度學習的應用
19.1理論部分
19.1.1分類識別
19.1.2目標檢測的任務
19.2AlexNet網絡及案例分析
19.3CNN拆分數據集案例分析
第20章視覺分析綜合應用案例
20.1合金彈頭遊戲
20.1.1遊戲界面組件
20.1.2增加“角色”
20.1.3合理繪製地圖
20.1.4增加音效
20.1.5增加遊戲場景
20.2停車場識別計費系統
20.2.1系統設計
20.2.2實現系統
參考文獻