Python計算機(jī)視覺實戰(zhàn)

第1章計算機(jī)視覺編程基礎(chǔ)知識
1.1計算機(jī)視覺概述
1.1.1什么是計算機(jī)視覺
1.1.2發(fā)展現(xiàn)狀
1.1.3計算機(jī)視覺用途
1.1.4相關(guān)學(xué)科
1.1.5計算機(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邊緣檢測定義
3.3.2檢測拐角
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
4.1霍夫檢測直線
4.1.1霍夫檢測直線的思想
4.1.2實際應(yīng)用
4.2霍夫檢測圓
第5章車牌分割定位識別
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
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字符識別
5.5.1模板匹配的字符識別
5.5.2字符識別車牌經(jīng)典應(yīng)用
第6章分水嶺實現(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)識別手寫體數(shù)字
7.2SVM識別手寫體數(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識別手寫體數(shù)字實例
第8章圖片中英文識別
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識別經(jīng)典應(yīng)用
8.4獲取驗證碼
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
12.1Harris的基本原理
12.2Harris算法流程
12.3Harris角點(diǎn)的性質(zhì)
12.4Harris檢測角點(diǎn)案例分析
12.5角點(diǎn)檢測函數(shù)
12.6ShiTomasi角點(diǎn)檢測
12.7FAST特征檢測
第13章運(yùn)動目標(biāo)自動檢測
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)字水印攻擊和評價
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)動控制
16.6自動駕駛案例分析
第17章目標(biāo)檢測
17.1RCNN系列
17.1.1RCNN算法概述
17.1.2RCNN的數(shù)據(jù)集實現(xiàn)
17.2YOLO檢測
17.2.1概述
17.2.2統(tǒng)一檢測
17.2.3基于OpenCV實現(xiàn)自動檢測案例分析
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
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分類識別
19.1.2目標(biāo)檢測的任務(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增加游戲場景
20.2停車場識別計費(fèi)系統(tǒng)
20.2.1系統(tǒng)設(shè)計
20.2.2實現(xiàn)系統(tǒng)
參考文獻(xiàn)