Python计算机视觉实战

图书标准信息

• 作者 张德丰
• 出版社 清华大学出版社
• 出版时间 2021-08
• 版次 1
• ISBN 9787302576853
• 定价 89.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 字数 522.000千字

【内容简介】

《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。

【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

1.3.4scikitlearn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

10.3KMeans聚类图像压缩处理

10.3.1KMeans算法的原理

10.3.2KMeans算法的要点

10.3.3KMeans算法的缺点

10.3.4KMeans聚类图像压缩案例分析

10.4KMeans聚类实现图像分割

10.4.1KMeans聚类分割灰度图像

10.4.2KMeans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

12.6ShiTomasi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

18.1Tkinter GUI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