xxxfreesexmoves-haodiaocao这里只有精品视频-欧美性受黑人性爽-欧美性受xxxxxx黑人xyx性爽|www.jsyyzsb.com

《Python計(jì)算機(jī)視覺實(shí)戰(zhàn)》以Python為平臺(tái)，以概述 案例的方式系統(tǒng)地對(duì)計(jì)算機(jī)視覺進(jìn)行實(shí)戰(zhàn)分析。本書先介紹計(jì)算機(jī)視覺編程基礎(chǔ)知識(shí)，接著介紹在各個(gè)領(lǐng)域利用Python解決計(jì)算機(jī)視覺問題，后通過兩個(gè)經(jīng)典案例綜合分析計(jì)算機(jī)視覺應(yīng)用。為了幫助讀者更好地掌握相關(guān)知識(shí)，各章節(jié)都是通過概述與案例相結(jié)合的方式，讓讀者在掌握概念的同時(shí)舉一反三，掌握程序設(shè)計(jì)的方法，利用程序設(shè)計(jì)解決實(shí)際問題。 《Python計(jì)算機(jī)視覺實(shí)戰(zhàn)》適合計(jì)算機(jī)視覺初學(xué)者以及想深入研究Python計(jì)算機(jī)視覺的開發(fā)者閱讀參考。

（1）以概述 案例的形式編寫，講述Python計(jì)算機(jī)視覺開發(fā)中所需的知識(shí)和技能。
（2）案例涵蓋面廣、實(shí)用，擴(kuò)展性、可讀性強(qiáng)。全書提供了80多個(gè)實(shí)例，大多來自日常生活，應(yīng)用性強(qiáng)。
（3）點(diǎn)面兼顧，涵蓋數(shù)字圖像處理中幾乎所有的基本模塊，并涉及視頻處理、配準(zhǔn)拼接、數(shù)字水印等高級(jí)圖像處理方面的內(nèi)容，全面講解基于Python進(jìn)行計(jì)算機(jī)視覺應(yīng)用的原理及方法。
（4）配套教學(xué)課件和程序代碼。

計(jì)算機(jī)視覺（Computer Vision，CV）又稱機(jī)器視覺（Machine Vision，MV），是一門研究如何使機(jī)器看的科學(xué)，更進(jìn)一步地說，它是使用攝影機(jī)和計(jì)算機(jī)代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量，并進(jìn)一步使用計(jì)算機(jī)將目標(biāo)處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像識(shí)別與處理技術(shù)。
深度學(xué)習(xí)源自經(jīng)典的神經(jīng)網(wǎng)絡(luò)架構(gòu)，屬于機(jī)器學(xué)習(xí)領(lǐng)域，它通過不同形式的神經(jīng)網(wǎng)絡(luò)，結(jié)合視覺大數(shù)據(jù)的大規(guī)模存量與不斷產(chǎn)生的增量進(jìn)行訓(xùn)練，自動(dòng)提取細(xì)粒度的特征，形成抽象化的視覺描述，目前在視覺分析方面取得了很大的進(jìn)步，是當(dāng)前人工智能爆炸性發(fā)展的內(nèi)核驅(qū)動(dòng)。就技術(shù)而言，目前的計(jì)算機(jī)視覺可分為以下幾個(gè)大方向：
 圖像分類；
 目標(biāo)檢測(cè)；
 圖像分割；
 圖像重構(gòu)；
 圖像生成；
 人臉；
 其他。
隨著大數(shù)據(jù)及人工智能技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺以其可視性、規(guī)模性、普適性逐步成為AI實(shí)際應(yīng)用的關(guān)鍵領(lǐng)域之一，在理論研究和工程應(yīng)用方面均迅猛發(fā)展。
Python是一種計(jì)算機(jī)程序設(shè)計(jì)語言，是一種面向?qū)ο蟮膭?dòng)態(tài)類型語言，它在設(shè)計(jì)上堅(jiān)持了清晰和整齊劃一的風(fēng)格，這使得Python成為一種易讀、易維護(hù)，并且被大量用戶歡迎的、用途廣泛的編程語言。隨著Python版本的不斷更新和新功能的添加，越來越多地被用于獨(dú)立的、大型項(xiàng)目的開發(fā)。自從20世紀(jì)90年代初Python語言誕生至今，它已被廣泛應(yīng)用于系統(tǒng)管理任務(wù)的處理和Web編程。
自從電子計(jì)算機(jī)誕生以來，通過計(jì)算機(jī)仿真來模擬人類的視覺便成為非常熱門且頗具挑戰(zhàn)性的研究課題。隨著數(shù)碼相機(jī)、智能手機(jī)等硬件設(shè)備的普及，圖像以其易于采集、信息相關(guān)性大、抗干擾能力強(qiáng)等特點(diǎn)得到越來越廣泛的應(yīng)用。信息化和數(shù)字化時(shí)代已經(jīng)來臨，隨著國家對(duì)人工智能領(lǐng)域的投入力度加大，計(jì)算機(jī)視覺處理的需求量也會(huì)越來越大，應(yīng)用也將越來越廣泛。
【本書特色】
因?yàn)镻ython的易用、簡單、普適等特性，所以本書的計(jì)算機(jī)視覺實(shí)現(xiàn)是使用Python語言完成的。本書編寫特點(diǎn)主要表現(xiàn)在如下幾方面。
（1） 案例涵蓋面廣、實(shí)用，可擴(kuò)展性、可讀性強(qiáng)。
本書以概述 案例的形式編寫，充分強(qiáng)調(diào)案例的實(shí)用性及程序的可擴(kuò)展性，所選案例大多數(shù)來自日常生活，應(yīng)用性強(qiáng)。另外，書中每個(gè)案例的程序都經(jīng)過調(diào)試與測(cè)試，同時(shí)程序代碼中添加了大量的解釋說明，可讀性強(qiáng)。
（2） 點(diǎn)面完美結(jié)合，兼顧性強(qiáng)。
本書點(diǎn)面兼顧，涵蓋了數(shù)字圖像處理中幾乎所有的基本模塊，并涉及視頻處理、配準(zhǔn)拼接、數(shù)字水印等高級(jí)圖像處理方面的內(nèi)容，全面講解了基于Python進(jìn)行計(jì)算機(jī)視覺應(yīng)用的原理及方法，內(nèi)容做到完美銜接與統(tǒng)籌兼顧，可使讀者實(shí)現(xiàn)由點(diǎn)到面的發(fā)散性延伸。
【本書內(nèi)容】
全書共20章，每章的主要內(nèi)容包括：
第1章介紹了計(jì)算機(jī)視覺編程基礎(chǔ)知識(shí)，主要包括計(jì)算機(jī)視覺概述、Python編程軟件、幾個(gè)常用庫、Python圖像處理類庫等內(nèi)容。
第2章介紹了圖像去霧技術(shù)，主要包括空域圖像增強(qiáng)、時(shí)域圖像增強(qiáng)、色階調(diào)整去霧技術(shù)等內(nèi)容。
第3章介紹了形態(tài)學(xué)的去噪，主要包括圖像去噪的方法、數(shù)學(xué)形態(tài)學(xué)的原理、形態(tài)學(xué)運(yùn)算等內(nèi)容。
第4章介紹了霍夫變換檢測(cè)，主要包括霍夫檢測(cè)直線、霍夫檢測(cè)圓等內(nèi)容。
第5章介紹了車牌分割定位識(shí)別，主要包括車牌圖像處理、定位原理、字符處理、字符識(shí)別等內(nèi)容。
第6章介紹了分水嶺實(shí)現(xiàn)醫(yī)學(xué)診斷，主要包括分水嶺算法、分水嶺醫(yī)學(xué)診斷案例分析等內(nèi)容。
第7章介紹了手寫體數(shù)字識(shí)別，主要包括卷積神經(jīng)網(wǎng)絡(luò)的概述、SVC識(shí)別手寫體數(shù)字等內(nèi)容。
第8章介紹了圖片中的英文識(shí)別，主要包括OCR的介紹、OCR算法原理、OCR識(shí)別經(jīng)典應(yīng)用、獲取驗(yàn)證碼等內(nèi)容。
第9章介紹了小波技術(shù)的圖像視覺處理，主要包括小波技術(shù)概述、小波實(shí)現(xiàn)去噪、圖像融合處理等內(nèi)容。
第10章介紹了圖像壓縮與分割處理，主要包括SVD圖像壓縮處理、PCA圖像壓縮處理、KMeans聚類圖像壓縮處理等內(nèi)容。
第11章介紹了圖像特征匹配，主要包括相關(guān)概念、圖像匹配等內(nèi)容。
第12章介紹了角點(diǎn)特征檢測(cè)，主要包括Harris的基本原理、Harris算法流程、Harris角點(diǎn)的性質(zhì)、角點(diǎn)檢測(cè)函數(shù)、FAST特征檢測(cè)等內(nèi)容。
第13章介紹了運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)，主要包括幀間差分法、背景差分法、光流法等內(nèi)容。
第14章介紹了水印技術(shù)，主要包括水印技術(shù)的概念、數(shù)字水印技術(shù)的原理、典型的數(shù)字水印算法、水印技術(shù)案例分析等內(nèi)容。
第15章介紹了大腦影像分析，主要包括閾值分割、區(qū)域生長、區(qū)域生長分割大腦影像案例分析等內(nèi)容。
第16章介紹了自動(dòng)駕駛應(yīng)用，主要包括理論基礎(chǔ)、環(huán)境感知、行為決策、路徑規(guī)則、運(yùn)動(dòng)控制及自動(dòng)駕駛案例分析等內(nèi)容。
第17章介紹了目標(biāo)檢測(cè)，主要包括RCNN系列、YOLO檢測(cè)等內(nèi)容。
第18章介紹了人機(jī)交互，主要包括Tkinter GUI編程組件、布局管理器、事件處理、Tkinter常用組件、菜單等內(nèi)容。
第19章介紹了深度學(xué)習(xí)的應(yīng)用，主要包括理論部分、AlexNet網(wǎng)絡(luò)及案例分析、CNN拆分?jǐn)?shù)據(jù)集案例分析等內(nèi)容。
第20章介紹了視覺分析綜合應(yīng)用案例，主要包括合金彈頭游戲、停車場(chǎng)識(shí)別計(jì)費(fèi)系統(tǒng)等內(nèi)容。
【配套資源】
本書提供教學(xué)課件、程序代碼等配套資源，可以關(guān)注人工智能科學(xué)與技術(shù)微信公眾號(hào)，在知識(shí)資源下載配書資源菜單獲取本書配套資源（也可以到清華大學(xué)出版社網(wǎng)站本書頁面下載）。
本書由佛山科學(xué)技術(shù)學(xué)院張德豐編著。
由于時(shí)間倉促，加之作者水平有限，疏漏之處在所難免。在此，誠懇地期望得到各領(lǐng)域的專家和廣大讀者的批評(píng)指正，聯(lián)系郵箱workemail6@163.com。
編者

2021年5月

第1章計(jì)算機(jī)視覺編程基礎(chǔ)知識(shí)

1.1計(jì)算機(jī)視覺概述

1.1.1什么是計(jì)算機(jī)視覺

1.1.2發(fā)展現(xiàn)狀

1.1.3計(jì)算機(jī)視覺用途

1.1.4相關(guān)學(xué)科

1.1.5計(jì)算機(jī)視覺的經(jīng)典問題

1.2Python編程軟件

1.2.1Python應(yīng)用領(lǐng)域

1.2.2發(fā)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(gè)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(zhuǎn)換圖像格式

1.4.2創(chuàng)建縮略圖

1.4.3復(fù)制并粘貼圖像區(qū)域

1.4.4調(diào)整尺寸和旋轉(zhuǎn)

1.5Matplotlib庫

1.6Numpy圖像處理

1.6.1灰度變換

1.6.2圖像縮放

1.6.3直方圖均衡化

1.6.4圖像平均

1.6.5圖像主成分分析

1.7Scipy圖像處理

1.7.1圖像模糊

1.7.2圖像導(dǎo)數(shù)

1.7.3形態(tài)學(xué)

1.7.4io和misc模塊

1.8圖像降噪

第2章圖像去霧技術(shù)

2.1空域圖像增強(qiáng)

2.1.1空域低通濾波

2.1.2空域高通濾波器

2.2時(shí)域圖像增強(qiáng)

2.3色階調(diào)整去霧技術(shù)

2.3.1概述

2.3.2暗通道去霧原理

2.3.3暗通道去霧實(shí)例

2.4直方圖均衡化去霧技術(shù)

2.4.1色階調(diào)整原理

2.4.2自動(dòng)色階圖像處理算法

第3章形態(tài)學(xué)的去噪

3.1圖像去噪的方法

3.2數(shù)學(xué)形態(tài)學(xué)的原理

3.2.1腐蝕與膨脹

3.2.2開閉運(yùn)算

3.2.3禮帽/黑帽操作

3.3形態(tài)學(xué)運(yùn)算

3.3.1邊緣檢測(cè)定義

3.3.2檢測(cè)拐角

3.4權(quán)重自適應(yīng)的多結(jié)構(gòu)形態(tài)學(xué)去噪

第4章霍夫變換檢測(cè)

4.1霍夫檢測(cè)直線

4.1.1霍夫檢測(cè)直線的思想

4.1.2實(shí)際應(yīng)用

4.2霍夫檢測(cè)圓

第5章車牌分割定位識(shí)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(cè)

5.2.4形態(tài)學(xué)運(yùn)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(jīng)典應(yīng)用

5.5字符識(shí)別

5.5.1模板匹配的字符識(shí)別

5.5.2字符識(shí)別車牌經(jīng)典應(yīng)用

第6章分水嶺實(shí)現(xiàn)醫(yī)學(xué)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(biāo)記分水嶺算法

6.2分水嶺醫(yī)學(xué)診斷案例分析

第7章手寫體數(shù)字識(shí)別

7.1卷積神經(jīng)網(wǎng)絡(luò)概述

7.1.1卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

7.1.2卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

7.1.3卷積神經(jīng)網(wǎng)絡(luò)識(shí)別手寫體數(shù)字

7.2SVM識(shí)別手寫體數(shù)字

7.2.1支持向量機(jī)的原理

7.2.2函數(shù)間隔

7.2.3幾何間隔

7.2.4間隔化

7.2.5SVC識(shí)別手寫體數(shù)字實(shí)例

第8章圖片中英文識(shí)別

8.1OCR介紹

8.2OCR算法原理

8.2.1圖像預(yù)處理

8.2.2圖像分割

8.2.3特征提取和降維

8.2.4分類器

8.2.5算法步驟

8.3OCR識(shí)別經(jīng)典應(yīng)用

8.4獲取驗(yàn)證碼

第9章小波技術(shù)的圖像視覺處理

9.1小波技術(shù)概述

9.2小波實(shí)現(xiàn)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

第10章圖像壓縮與分割處理

10.1SVD圖像壓縮處理

10.1.1特征分解

10.1.2奇異值分解

10.1.3奇異值分解應(yīng)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(diǎn)

10.3.3KMeans算法的缺點(diǎn)

10.3.4KMeans聚類圖像壓縮案例分析

10.4KMeans聚類實(shí)現(xiàn)圖像分割

10.4.1KMeans聚類分割灰度圖像

10.4.2KMeans聚類對(duì)比分割彩色圖像

第11章圖像特征匹配

11.1相關(guān)概念

11.2圖像匹配

11.2.1基于灰度的匹配

11.2.2基于模板的匹配

11.2.3基于變換域的匹配

11.2.4基于特征的匹配案例分析

第12章角點(diǎn)特征檢測(cè)

12.1Harris的基本原理

12.2Harris算法流程

12.3Harris角點(diǎn)的性質(zhì)

12.4Harris檢測(cè)角點(diǎn)案例分析

12.5角點(diǎn)檢測(cè)函數(shù)

12.6ShiTomasi角點(diǎn)檢測(cè)

12.7FAST特征檢測(cè)

第13章運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)

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(shù)

14.1水印技術(shù)的概念

14.2數(shù)字水印技術(shù)的原理

14.3典型的數(shù)字水印算法

14.3.1空間域算法

14.3.2變換域算法

14.4數(shù)字水印攻擊和評(píng)價(jià)

14.5水印技術(shù)案例分析

第15章大腦影像分析

15.1閾值分割

15.2區(qū)域生長

15.3基于閾值預(yù)分割的區(qū)域生長

15.4區(qū)域生長分割大腦影像案例分析

第16章自動(dòng)駕駛應(yīng)用

16.1理論基礎(chǔ)

16.2環(huán)境感知

16.3行為決策

16.4路徑規(guī)則

16.5運(yùn)動(dòng)控制

16.6自動(dòng)駕駛案例分析

第17章目標(biāo)檢測(cè)

17.1RCNN系列

17.1.1RCNN算法概述

17.1.2RCNN的數(shù)據(jù)集實(shí)現(xiàn)

17.2YOLO檢測(cè)

17.2.1概述

17.2.2統(tǒng)一檢測(cè)

17.2.3基于OpenCV實(shí)現(xiàn)自動(dòng)檢測(cè)案例分析

第18章人機(jī)交互

18.1Tkinter GUI編程組件

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(xiàng)

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(xué)習(xí)的應(yīng)用

19.1理論部分

19.1.1分類識(shí)別

19.1.2目標(biāo)檢測(cè)的任務(wù)

19.2AlexNet網(wǎng)絡(luò)及案例分析

19.3CNN拆分?jǐn)?shù)據(jù)集案例分析

第20章視覺分析綜合應(yīng)用案例

20.1合金彈頭游戲

20.1.1游戲界面組件

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增加游戲場(chǎng)景

20.2停車場(chǎng)識(shí)別計(jì)費(fèi)系統(tǒng)

20.2.1系統(tǒng)設(shè)計(jì)

20.2.2實(shí)現(xiàn)系統(tǒng)

參考文獻(xiàn)