Python计算机视觉实战
全新正版 极速发货
￥ 55.25 6.2折 ￥ 89 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者张德丰
出版社清华大学出版社
ISBN9787302576853
出版时间2021-08
装帧平装
开本16开
定价89元
货号1202464998
上书时间2024-05-25
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章计算机视觉编程基础知识1.1计算机视觉概述1.1.1什么是计算机视觉1.1.2发展现状1.1.3计算机视觉用途1.1.4相关学科1.1.5计算机视觉的经典问题1.2Python编程软件1.2.1Python应用领域1.2.2发展历程1.2.3Python的安装1.2.4使用pip安装第三方库1.3几个常用库1.3.1numpy库1.3.2scipy库1.3.3pandas库1.3.4scikitlearn库1.4Python图像处理类库1.4.1转换图像格式1.4.2创建缩略图1.4.3复制并粘贴图像区域1.4.4调整尺寸和旋转1.5Matplotlib库1.6Numpy图像处理1.6.1灰度变换1.6.2图像缩放1.6.3直方图均衡化1.6.4图像平均1.6.5图像主成分分析1.7Scipy图像处理1.7.1图像模糊1.7.2图像导数1.7.3形态学1.7.4io和misc模块1.8图像降噪第2章图像去雾技术2.1空域图像增强2.1.1空域低通滤波2.1.2空域高通滤波器2.2时域图像增强2.3色阶调整去雾技术2.3.1概述2.3.2暗通道去雾原理2.3.3暗通道去雾实例2.4直方图均衡化去雾技术2.4.1色阶调整原理2.4.2自动色阶图像处理算法第3章形态学的去噪3.1图像去噪的方法3.2数学形态学的原理3.2.1腐蚀与膨胀3.2.2开闭运算3.2.3礼帽/黑帽操作3.3形态学运算3.3.1边缘检测定义3.3.2检测拐角3.4权重自适应的多结构形态学去噪第4章霍夫变换检测4.1霍夫检测直线4.1.1霍夫检测直线的思想4.1.2实际应用4.2霍夫检测圆第5章车牌分割定位识别5.1基本概述5.2车牌图像处理5.2.1图像灰度化5.2.2二值化5.2.3边缘检测5.2.4形态学运算5.2.5滤波处理5.3定位处理5.4字符处理5.4.1阈值分割5.4.2阈值化分割5.4.3归一化处理5.4.4字符分割经典应用5.5字符识别5.5.1模板匹配的字符识别5.5.2字符识别车牌经典应用第6章分水岭实现医学诊断6.1分水岭算法6.1.1模拟浸水过程6.1.2模拟降水过程6.1.3过度分割问题6.1.4标记分水岭算法6.2分水岭医学诊断案例分析第7章手写体数字识别7.1卷积神经网络概述7.1.1卷积神经网络结构7.1.2卷积神经网络的训练7.1.3卷积神经网络识别手写体数字7.2SVM识别手写体数字7.2.1支持向量机的原理7.2.2函数间隔7.2.3几何间隔7.2.4间隔化7.2.5SVC识别手写体数字实例第8章图片中英文识别8.1OCR介绍8.2OCR算法原理8.2.1图像预处理8.2.2图像分割8.2.3特征提取和降维8.2.4分类器8.2.5算法步骤8.3OCR识别经典应用8.4获取验证码第9章小波技术的图像视觉处理9.1小波技术概述9.2小波实现去噪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图像融合处理9.3.1概述9.3.2小波融合案例分析第10章图像压缩与分割处理10.1SVD图像压缩处理10.1.1特征分解10.1.2奇异值分解10.1.3奇异值分解应用10.2PCA图像压缩处理10.2.1概述10.2.2主成分降维原理10.2.3分矩阵重建样本10.2.4主成分分析图像压缩10.2.5主成分压缩图像案例分析10.3KMeans聚类图像压缩处理10.3.1KMeans算法的原理10.3.2KMeans算法的要点10.3.3KMeans算法的缺点10.3.4KMeans聚类图像压缩案例分析10.4KMeans聚类实现图像分割10.4.1KMeans聚类分割灰度图像10.4.2KMeans聚类对比分割彩色图像第11章图像特征匹配11.1相关概念11.2图像匹配11.2.1基于灰度的匹配11.2.2基于模板的匹配11.2.3基于变换域的匹配11.2.4基于特征的匹配案例分析第12章角点特征检测12.1Harris的基本原理12.2Harris算法流程12.3Harris角点的性质12.4Harris检测角点案例分析12.5角点检测函数12.6ShiTomasi角点检测12.7FAST特征检测第13章运动目标自动检测13.1帧间差分法13.1.1原理13.1.2三帧差分法13.1.3帧间差分法案例分析13.2背景差分法13.3光流法第14章水印技术14.1水印技术的概念14.2数字水印技术的原理14.3典型的数字水印算法14.3.1空间域算法14.3.2变换域算法14.4数字水印攻击和评价14.5水印技术案例分析第15章大脑影像分析15.1阈值分割15.2区域生长15.3基于阈值预分割的区域生长15.4区域生长分割大脑影像案例分析第16章自动驾驶应用16.1理论基础16.2环境感知16.3行为决策16.4路径规则16.5运动控制16.6自动驾驶案例分析第17章目标检测17.1RCNN系列17.1.1RCNN算法概述17.1.2RCNN的数据集实现17.2YOLO检测17.2.1概述17.2.2统一检测17.2.3基于OpenCV实现自动检测案例分析第18章人机交互18.1TkinterGUI编程组件18.2布局管理器18.2.1Pack布局管理器18.2.2Grid布局管理器18.2.3Place布局管理器18.3事件处理18.3.1简单的事件处理18.3.2事件绑定18.4Tkinter常用组件18.4.1ttk组件18.4.2Variable类18.4.3compound选项18.4.4Entry和Text组件18.4.5Radiobutton和Checkbutton组件18.4.6Listbox和Combobox组件18.4.7Spinbox组件18.4.8Scale组件18.4.9Labelframe组件18.4.10OptionMenu组件18.5菜单18.5.1窗口菜单18.5.2右键菜单18.6Canvas绘图第19章深度学习的应用19.1理论部分19.1.1分类识别19.1.2目标检测的任务19.2AlexNet网络及案例分析19.3CNN拆分数据集案例分析第20章视觉分析综合应用案例20.1合金弹头游戏20.1.1游戏界面组件20.1.2增加“角色”20.1.3合理绘制地图20.1.4增加音效20.1.5增加游戏场景20.2停车场识别计费系统20.2.1系统设计20.2.2实现系统参考文献
内容摘要
《Python计算机视觉实战》以Python为平台，以“概述案例”的方式系统地对计算机视觉进行实战分析。本书先介绍计算机视觉编程基础知识，接着介绍在各个领域利用Python解决计算机视觉问题，后通过两个经典案例综合分析计算机视觉应用。为了帮助读者更好地掌握相关知识，各章节都是通过概述与案例相结合的方式，让读者在掌握概念的同时举一反三，掌握程序设计的方法，利用程序设计解决实际问题。《Python计算机视觉实战》适合计算机视觉初学者以及想深入研究Python计算机视觉的开发者阅读参考。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价