计算机视觉40例从入门到深度学习（OpenCV-Python）

图书标准信息

• 作者 李立宗
• 出版社 电子工业出版社
• 出版时间 2022-06
• 版次 1
• ISBN 9787121436857
• 定价 129.00元
• 装帧 其他
• 开本 16开
• 页数 540页
• 字数 930千字

【内容简介】

本书以OpenCV-Python（the Python API for OpenCV）为工具，以案例为载体，系统介绍了计算机视觉从入门到深度学习的相关知识点。本书从基础知识、基础案例、机器学习、深度学习和人脸识别5个方面对计算机视觉的相关知识点进行了全面、系统、深入的介绍。书中共介绍了40余个经典的计算机视觉案例，其中既有图像加密、指纹识别、车牌识别、缺陷检测等基于传统技术的计算机视觉经典案例，也有图像分类、目标检测、语义分割、实例分割、风格迁移、姿势识别等基于深度学习的计算机视觉案例，还有表情识别、驾驶员疲劳检测、易容术、性别和年龄识别等基于人脸识别的计算机视觉案例。在介绍具体的算法原理时，本书尽量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用复杂抽象的公式来介绍。本书适合计算机视觉领域的初学者阅读，也适合学生、教师、专业技术人员、图像处理爱好者阅读。

【作者简介】

李立宗，天津职业技术师范大学信息技术工程学院副教授，对数字图像处理研究颇深。

【目录】

目录

第1部分  基础知识导读篇

第1章  数字图像基础2

1.1  图像表示基础2

1.1.1  艺术与生活2

1.1.2  数字图像3

1.1.3  二值图像的处理5

1.1.4  像素值的范围5

1.1.5  图像索引7

1.2  彩色图像的表示8

1.3  应用基础9

1.3.1  量化10

1.3.2  特征10

1.3.3  距离11

1.3.4  图像识别13

1.3.5  信息隐藏15

1.4  智能图像处理基础16

1.5  抽象18

第2章  Python基础21

2.1  如何开始21

2.2  基础语法22

2.2.1  变量的概念22

2.2.2  变量的使用22

2.3  数据类型24

2.3.1  基础类型25

2.3.2  列表25

2.3.3  元组28

2.3.4  字典29

2.4  选择结构31

2.5  循环结构35

2.6  函数39

2.6.1  什么是函数39

2.6.2  内置函数41

2.6.3  自定义函数42

2.7  模块44

2.7.1  标准模块44

2.7.2  第三方模块45

2.7.3  自定义模块46

第3章  OpenCV基础47

3.1  基础47

3.1.1  安装OpenCV47

3.1.2  读取图像49

3.1.3  显示图像50

3.1.4  保存图像51

3.2  图像处理52

3.2.1  像素处理52

3.2.2  通道处理57

3.2.3  调整图像大小60

3.3  感兴趣区域62

3.4  掩模63

3.4.1  掩模基础及构造64

3.4.2  乘法运算65

3.4.3  逻辑运算66

3.4.4  掩模作为函数参数68

3.5  色彩处理69

3.5.1  色彩空间基础69

3.5.2  色彩空间转换71

3.5.3  获取皮肤范围72

3.6  滤波处理73

3.6.1  均值滤波75

3.6.2  高斯滤波78

3.6.3  中值滤波82

3.7  形态学84

3.7.1  腐蚀85

3.7.2  膨胀88

3.7.3  通用形态学函数91

第2部分  基础案例篇

第4章  图像加密与解密94

4.1  加密与解密原理94

4.2  图像整体加密与解密96

4.3  脸部打码及解码98

4.3.1  掩模方式实现98

4.3.2  ROI方式实现101

第5章  数字水印105

5.1  位平面106

5.2  数字水印原理114

5.3  实现方法115

5.4  具体实现119

5.5  可视化水印121

5.5.1  ROI121

5.5.2  加法运算123

5.6  扩展学习125

5.6.1  算术运算实现数字水印125

5.6.2  艺术字128

第6章  物体计数131

6.1  理论基础131

6.1.1  如何计算图像的中心点131

6.1.2  获取图像的中心点133

6.1.3  按照面积筛选前景对象135

6.2  核心程序138

6.2.1  核函数138

6.2.2  zip函数140

6.2.3  阈值处理函数threshold140

6.3  程序设计141

6.4  实现程序142

第7章  缺陷检测144

7.1  理论基础144

7.1.1  开运算144

7.1.2  距离变换函数distanceTransform146

7.1.3  最小包围圆形148

7.1.4  筛选标准149

7.2  程序设计150

7.3  实现程序151

第8章  手势识别153

8.1  理论基础154

8.1.1  获取凸包154

8.1.2  凸缺陷156

8.1.3  凸缺陷占凸包面积比159

8.2  识别过程161

8.2.1  识别流程162

8.2.2  实现程序165

8.3  扩展学习：石头、剪刀、布的识别167

8.3.1  形状匹配167

8.3.2  实现程序170

第9章  答题卡识别173

9.1  单道题目的识别173

9.1.1  基本流程及原理173

9.1.2  实现程序178

9.2  整张答题卡识别原理180

9.2.1  图像预处理180

9.2.2  答题卡处理181

9.2.3  筛选出所有选项189

9.2.4  将选项按照题目分组190

9.2.5  处理每一道题目的选项195

9.2.6  显示结果195

9.3  整张答题卡识别程序195

第10章  隐身术201

10.1  图像的隐身术201

10.1.1  基本原理与实现201

10.1.2  实现程序213

10.1.3  问题及优化方向214

10.2  视频隐身术215

第11章  以图搜图217

11.1  原理与实现218

11.1.1  算法原理218

11.1.2  感知哈希值计算方法220

11.1.3  感知哈希值计算函数224

11.1.4  计算距离224

11.1.5  计算图像库内所有图像的哈希值225

11.1.6  结果显示226

11.2  实现程序228

11.3  扩展学习230

第12章  手写数字识别231

12.1  基本原理232

12.2  实现细节233

12.3  实现程序235

12.4  扩展阅读236

第13章  车牌识别238

13.1  基本原理238

13.1.1  提取车牌238

13.1.2  分割车牌240

13.1.3  识别车牌242

13.2  实现程序246

13.3  下一步学习249

第14章  指纹识别250

14.1  指纹识别基本原理251

14.2  指纹识别算法概述251

14.2.1  描述关键点特征251

14.2.2  特征提取252

14.2.3  MCC匹配方法254

14.2.4  参考资料258

14.3  尺度不变特征变换258

14.3.1  尺度空间变换260

14.3.2  关键点定位266

14.3.3  通过方向描述关键点267

14.3.4  显示关键点271

14.4  基于SIFT的指纹识别273

14.4.1  距离计算273

14.4.2  特征匹配274

14.4.3  算法及实现程序277

第3部分  机器学习篇

第15章  机器学习导读282

15.1  机器学习是什么283

15.2  机器学习基础概念284

15.2.1  机器学习的类型284

15.2.2  泛化能力289

15.2.3  数据集的划分290

15.2.4  模型的拟合291

15.2.5  性能度量292

15.2.6  偏差与方差293

15.3  OpenCV中的机器学习模块294

15.3.1  人工神经网络295

15.3.2  决策树296

15.3.3  EM模块300

15.3.4  K近邻模块300

15.3.5  logistic回归303

15.3.6  贝叶斯分类器305

15.3.7  支持向量机308

15.3.8  随机梯度下降 SVM 分类器310

15.4  OpenCV机器学习模块的使用312

15.4.1  使用KNN模块分类312

15.4.2  使用SVM模块分类314

第16章  KNN实现字符识别317

16.1  手写数字识别317

16.2  英文字母识别319

第17章  求解数独图像322

17.1  基本过程322

17.2  定位数独图像内的单元格323

17.3  构造KNN模型327

17.4  识别数独图像内的数字330

17.5  求解数独332

17.6  绘制数独求解结果334

17.7  实现程序335

17.8  扩展学习338

第18章  SVM数字识别339

18.1  基本流程339

18.2  倾斜校正340

18.3  HOG特征提取343

18.4  数据处理348

18.5  构造及使用SVM分类器351

18.6  实现程序352

18.7  参考学习354

第19章  行人检测355

19.1  方向梯度直方图特征355

19.2  基础实现358

19.2.1  基本流程359

19.2.2  实现程序359

19.3  函数detectMultiScale参数及优化360

19.3.1  参数winStride360

19.3.2  参数padding362

19.3.3  参数scale364

19.3.4  参数useMeanshiftGrouping366

19.4  完整程序369

19.5  参考学习370

第20章  K均值聚类实现艺术画371

20.1  理论基础371

20.1.1  案例371

20.1.2  K均值聚类的基本步骤373

20.2  K均值聚类模块374

20.3  艺术画377

第4部分  深度学习篇

第21章  深度学习导读384

21.1  从感知机到人工神经网络384

21.1.1  感知机384

21.1.2  激活函数385

21.1.3  人工神经网络387

21.1.4  完成分类388

21.2  人工神经网络如何学习389

21.3  深度学习是什么390

21.3.1  深度的含义390

21.3.2  表示学习391

21.3.3  端到端392

21.3.4  深度学习可视化393

21.4  激活函数的分类394

21.4.1  sigmoid函数394

21.4.2  tanh函数395

21.4.3  ReLU函数395

21.4.4  Leaky ReLU函数396

21.4.5  ELU函数396

21.5  损失函数397

21.5.1  为什么要用损失值397

21.5.2  损失值如何起作用398

21.5.3  均方误差399

21.5.4  交叉熵误差400

21.6  学习的技能与方法401

21.6.1  全连接401

21.6.2  随机失活402

21.6.3  One-hot编码403

21.6.4  学习率403

21.6.5  正则化404

21.6.6  mini-batch方法405

21.6.7  超参数406

21.7  深度学习游乐场406

第22章  卷积神经网络基础407

22.1  卷积基础407

22.2  卷积原理409

22.2.1  数值卷积409

22.2.2  图像卷积410

22.2.3  如何获取卷积核411

22.3  填充和步长412

22.4  池化操作413

22.5  感受野414

22.6  预处理与初始化416

22.6.1  扩充数据集416

22.6.2  标准化与归一化417

22.6.3  网络参数初始化418

22.7  CNN418

22.7.1  LeNet418

22.7.2  AlexNet419

22.7.3  VGG网络420

22.7.4  NiN420

22.7.5  GooLeNet421

22.7.6  残差网络423

第23章  DNN模块426

23.1  工作流程427

23.2  模型导入428

23.3  图像预处理429

23.4  推理相关函数438

第24章  深度学习应用实践440

24.1  图像分类441

24.1.1  图像分类模型441

24.1.2  实现程序442

24.2  目标检测443

24.2.1  YOLO444

24.2.2  SSD447

24.3  图像分割450

24.3.1  语义分割450

24.3.2  实例分割453

24.4  风格迁移458

24.5  姿势识别460

24.6  说明463

第5部分  人脸识别篇

第25章  人脸检测466

25.1  基本原理466

25.2  级联分类器的使用469

25.3  函数介绍470

25.4  人脸检测实现471

25.5  表情检测473