
0人評分過此書
一本書秒殺電腦視覺最新應用:80個Python大師級實例
★★★★★【電腦視覺】、【80個Python大師級實例】★★★★★ 鷹眼王者的銳利捕捉,電腦視覺應用精準秒殺! 本書技術重點 ✪Python電腦視覺基礎,包括常用的函數庫 ✪各種去霧演算法、空域增強,時域增強,色階調整、Hough變換檢測 ✪分割車牌處理、包括定位,字元處理及辨識 ✪分水嶺演算法,用在醫學診斷 ✪CNN及SVC手寫數字辨識、使用AlexNet ✪OCR原理及實作、小波技術處理 ✪SVD、PCA、K-Means圖型壓縮原理 ✪圖型搜尋、比對、角點特徵偵測、Harris演算法、FAST演算法 ✪運動目標偵測、幀差分法、背景差分法、光流法 ✪浮水印技術、大腦影像分析、閾值分割、區域生長實作 ✪自動駕駛實作、包括環境感知、行為決策,路徑規劃及運動控制 ✪物件偵測,包括RCNN及YOLO ✪視覺分析應用實例,包括Arcade Game製作,停車場自動車牌辨識系統開發本書特色 ◎案例涵蓋面廣、實用、擴充性、可讀性強本書以「概述+ 案例」的形式進行編寫,充分強調案例的實用性及程式的可擴充性,所選案例大多數來自日常生活中,應用性強。另外,書中每個案例的程式都經過偵錯與測試,同時程式碼中增加了大量的解釋說明,可讀性強。 ◎點線面完美結合,兼顧性強本書點線面兼顧,涵蓋了數位影像處理中幾乎所有的基本模組,並涉及視訊處理、對位拼接、數位浮水印等進階影像處理方面的內容,全面講解了基於Python 進行電腦視覺應用的原理及方法,內容做到完美連結與統籌兼顧,讓讀者實現了由點到面進行發散性延伸。
-
1 電腦視覺程式設計基礎
-
1.1 電腦視覺的概述
-
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
-
-
1.2 Python程式設計軟體
-
1.2.1 Python應用領域
-
1.2.2 發展歷程
-
1.2.3 Python的安裝
-
1.2.4 使用pip安裝第三方函數庫
-
-
1.3 幾個常用函數庫
-
1.3.1 Numpy函數庫
-
1.3.2 Scipy函數庫
-
1.3.3 pandas函數庫
-
1.3.4 scikit-learn函數庫
-
-
1.4 Python影像處理類別庫
-
1.4.1 轉換圖型格式
-
1.4.2 創建縮圖
-
1.4.3 複製並貼上圖型區域
-
1.4.4 調整尺寸和旋轉
-
-
1.5 Matplotlib函數庫
-
1.6 Numpy影像處理
-
1.6.1 灰階變換
-
1.6.2 圖型縮放
-
1.6.3 長條圖均衡化
-
1.6.4 圖型平均
-
1.6.5 圖型主成分分析
-
-
1.7 Scipy影像處理
-
1.7.1 圖型模糊
-
1.7.2 圖型導數
-
1.7.3 形態學
-
1.7.4 io和misc模組
-
-
1.8 圖型降低雜訊
-
-
2 圖型去霧技術
-
2.1 空域圖型增強
-
2.1.1 空域低通濾波
-
2.1.2 空域高通濾波器
-
-
2.2 時域圖型增強
-
2.2.1 傅立葉轉換
-
-
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 長條圖均衡化去霧技術
-
2.4.1 色階調整原理
-
2.4.2 自動色階影像處理演算法
-
-
-
3 形態學的去除雜訊
-
3.1 圖型去除雜訊的方法
-
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 檢測邊角
-
-
3.4 權重自我調整的多結構形態學去除雜訊
-
-
4 Hough變換檢測
-
4.1 Hough直線檢測
-
4.1.1 Hough檢測直線的思想
-
4.1.2 實際應用
-
-
4.2 Hough檢測圓
-
-
5 分割車牌定位辨識
-
5.1 基本概述
-
5.2 車牌影像處理
-
5.2.1 圖型灰階化
-
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 定位原理
-
5.4 字元處理
-
5.4.1 閾值分割原理
-
5.4.2 閾值化分割
-
5.4.3 歸一化處理
-
5.4.4 字元分割經典應用
-
-
5.5 字元辨識
-
5.5.1 範本比對的字元辨識
-
5.5.2 字元辨識車牌經典應用
-
-
-
6 分水嶺實現醫學診斷
-
6.1 分水嶺演算法
-
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 標記分水嶺分割演算法
-
-
6.2 分水嶺醫學診斷案例分析
-
-
7 手寫數字辨識
-
7.1 卷積神經網路的概述
-
7.1.1 卷積神經網路的結構
-
7.1.2 卷積神經網路的訓練
-
7.1.3 卷積神經網路辨識手寫數字
-
-
7.2 SVC辨識手寫數字
-
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
-
7.2.5 SVC辨識手寫數字實例
-
-
-
8 圖片中英文辨識
-
8.1 OCR的介紹
-
8.2 OCR演算法原理
-
8.2.1 圖型前置處理
-
8.2.2 圖型分割
-
8.2.3 特徵提取和降維
-
8.2.4 分類器
-
8.2.5 演算法步驟
-
-
8.3 OCR辨識經典應用
-
8.4 獲取驗證碼
-
-
9 小波技術的圖型視覺處理
-
9.1 小波技術的概述
-
9.2 小波實現去除雜訊
-
9.2.1 小波去除雜訊的原理
-
9.2.2 小波去除雜訊的方法
-
9.2.3 小波去除雜訊案例分析
-
-
9.3 圖型融合處理
-
9.3.1 概述
-
9.3.2 小波融合案例分析
-
-
-
10 圖型壓縮與分割處理
-
10.1 SVD圖型壓縮處理
-
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
-
-
10.2 PCA圖型壓縮處理
-
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 主成分分析圖型壓縮
-
10.2.5 主成分壓縮圖型案例分析
-
-
10.3 K-Means聚類圖像壓縮處理
-
10.3.1 K-Means聚類演算法原理
-
10.3.2 K-Means聚類演算法的要點
-
10.3.3 K-Means聚類演算法的缺點
-
10.3.4 K-Means聚類圖像壓縮案例分析
-
-
10.4 K-Means聚類實現圖型分割
-
10.4.1 K-Means聚類分割灰階圖型
-
10.4.2 K-Means聚類比較分割彩色圖型
-
-
-
11 圖型特徵比對
-
11.1 相關概念
-
11.2 圖型比對
-
11.2.1 以灰階為基礎的比對
-
11.2.2 以範本為基礎的比對
-
11.2.3 以變換域為基礎的比對
-
11.2.4 以特徵比對為基礎案例分析
-
-
-
12 角點特徵檢測
-
12.1 Harris的基本原理
-
12.2 Harris演算法流程
-
12.3 Harris角點的性質
-
12.4 Harris檢測角點案例分析
-
12.5 角點檢測函數
-
12.6 Shi-Tomasi角點檢測
-
12.7 FAST特徵檢測
-
-
13 運動物件自動偵測
-
13.1 幀差分法
-
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
-
-
14 浮水印技術
-
14.1 浮水印技術的概念
-
14.2 數位浮水印技術的原理
-
14.3 典型的數位浮水印演算法
-
14.3.1 空間域演算法
-
14.3.2 變換域演算法
-
-
14.4 數位浮水印攻擊和評價
-
14.5 浮水印技術案例分析
-
-
15 大腦影像分析
-
15.1 閾值分割
-
15.2 區域生長
-
15.3 以閾值預分割為基礎的區域生長
-
15.4 區域生長分割大腦影像案例分析
-
-
16 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
-
-
17 物件辨識
-
17.1 RCNN系列
-
17.1.1 RCNN演算法的概述
-
17.1.2 RCNN的資料集實現
-
-
17.2 YOLO檢測
-
17.2.1 概述
-
17.2.2 統一檢測
-
17.2.3 以OpenCV為基礎實現自動檢測案例分析
-
-
-
18 人機互動
-
18.1 Tkinter GUI程式設計元件
-
18.2 佈局管理器
-
18.2.1 Pack佈局管理器
-
18.2.2 Grid佈局管理器
-
18.2.3 Place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
-
-
18.4 Tkinter常用元件
-
18.4.1 ttk元件
-
18.4.2 Variable類別
-
18.4.3 compound選項
-
18.4.4 Entry和Text元件
-
18.4.5 Radiobutton和Checkbutton元件
-
18.4.6 Listbox和Combobox元件
-
18.4.7 Spinbox元件
-
18.4.8 Scale元件
-
18.4.9 Labelframe元件
-
18.4.10 OptionMenu元件
-
-
18.5 選單
-
18.5.1 視窗選單
-
18.5.2 右鍵選單
-
-
18.6 Canvas繪圖
-
-
19 深度學習的應用
-
19.1 理論部分
-
19.1.1 分類辨識
-
19.1.2 物件辨識
-
-
19.2 AlexNet網路及案例分析
-
19.3 CNN拆分資料集案例分析
-
-
20 視覺分析綜合應用案例
-
20.1 越南大戰遊戲
-
20.1.1 遊戲介面元件
-
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 停車場辨識費率系統
-
20.2.1 系統設計
-
20.2.2 實現系統
-
-
- 參考文獻
- 出版地 : 臺灣
- 語言 : 繁體中文
- DOI : 10.978.9860776/812
評分與評論
請登入後再留言與評分