Python電腦視覺與應用案例

 

目錄

 

 

第1章電腦視覺編程基礎知識

 

1.1電腦視覺概述

 

1.1.1什麼是電腦視覺

 

1.1.2發展現狀

 

1.1.3電腦視覺用途

 

1.1.4相關學科

 

1.1.5電腦視覺的經典問題

 

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復制並粘貼圖像區域

 

1.4.4調整尺寸和旋轉

 

1.5Matplotlib庫

 

1．6Pyecharts庫

 

1．6．1Pyecharts特性

 

1．6．2Pyecharts安裝

 

1．6．3Pyecharts繪圖

 

1.7NumPy圖像處理

 

1.7.1灰度變換

 

1.7.2圖像縮放

 

1.7.3直方圖均衡化

 

1.7.4圖像平均

 

1.7.5圖像主成分分析

 

1.8SciPy圖像處理

 

1.8.1圖像模糊

 

1.8.2圖像導數

 

1.8.3形態學

 

1.8.4io和misc模塊

 

1.9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

 

2．4．3實現降噪去霧

 

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形態學梯度

 

3.2.4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霍夫變換檢測直線

 

4.1.1霍夫變換檢測直線的思想

 

4.1.2實際應用

 

4.2霍夫變換檢測圓

 

4．3霍夫變換檢測其他形狀

 

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

 

5．6OpenCV+SVM車牌識別

 

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神經網絡算法

 

7．1．1多層前饋神經網絡

 

7．1．2利用BP算法設計神經網絡

 

7．1．3實現手寫數字的識別

 

7.2捲積神經網絡概述

 

7.2.1捲積神經網絡的結構

 

7.2.2捲積神經網絡的訓練

 

7.2.3捲積神經網絡識別手寫體數字

 

7.3SVM識別手寫體數字

 

7.3.1支持向量機的原理

 

7.3.2函數間隔

 

7.3.3幾何間隔

 

7.3.4間隔最大化

 

7.3.5SVC識別手寫體數字實例

 

第8章圖片中的英文識別

 

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

 

9．4小波壓縮圖像

 

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

 

10．5閾值法實現圖像分割

 

10．5．1全閾值分割

 

10．5．2疊代閾值分割

 

10．5．3OTSU算法閾值分割

 

10．5．4自適應閾值分割

 

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算子的基本原理

 

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

 

12．8SIFT角點檢測

 

12．8．1SIFT算法實現步驟

 

12．8．2SIFT角點檢測應用

 

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

 

14．6小波變換水印技術

 

14．6．1基本原理

 

14．6．2水印的嵌入與提取步驟

 

14．6．3算法性能評估

 

14．6．4小波變換水印技術實現

 

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

 

16．6A_star算法規劃自動駕駛運動

 

16．6．1自動駕駛運動規則問題

 

16．6．2A_star算法用於自動駕駛運動規劃

 

16.7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

 

19．4MTCNN人臉檢測算法實現

 

19．4．1PNet的結構

 

19．4．2RNet的結構

 

19．4．3ONet的結構

 

19．4．4圖像金字塔

 

19．4．5MTCNN實現人臉檢測

 

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合理繪制地圖

 

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