本文關(guān)鍵詞：Python計(jì)算機(jī)視覺(jué)編程，由筆耕文化傳播整理發(fā)布。

《Python計(jì)算機(jī)視覺(jué)編程》

《Python計(jì)算機(jī)視覺(jué)編程》

基本信息

作者： (美)Jan Erik Solem   

譯者： 朱文濤 袁勇

叢書(shū)名： 圖靈程序設(shè)計(jì)叢書(shū)

出版社：人民郵電出版社

ISBN：9787115352323

上架時(shí)間：2014-6-10

出版日期：2014 年7月

開(kāi)本：16開(kāi)

頁(yè)碼：1

版次：1-1

所屬分類(lèi)：計(jì)算機(jī) > 軟件與程序設(shè)計(jì) > Python

更多關(guān)于》》》《Python計(jì)算機(jī)視覺(jué)編程》

 

編輯推薦

    Amazon.com計(jì)算機(jī)視覺(jué)類(lèi)圖書(shū)第一名！

　　專(zhuān)門(mén)用Python講解計(jì)算機(jī)視覺(jué)編程

 

內(nèi)容簡(jiǎn)介

    書(shū)籍

    計(jì)算機(jī)書(shū)籍

《Python計(jì)算機(jī)視覺(jué)編程》是計(jì)算機(jī)視覺(jué)編程的權(quán)威實(shí)踐指南，依賴python語(yǔ)言講解了基礎(chǔ)理論與算法，并通過(guò)大量示例細(xì)致分析了對(duì)象識(shí)別、基于內(nèi)容的圖像搜索、光學(xué)字符識(shí)別、光流法、跟蹤、三維重建、立體成像、增強(qiáng)現(xiàn)實(shí)、姿態(tài)估計(jì)、全景創(chuàng)建、圖像分割、降噪、圖像分組等技術(shù)。另外，書(shū)中附帶的練習(xí)還能讓讀者鞏固并學(xué)會(huì)應(yīng)用編程知識(shí)。

《Python計(jì)算機(jī)視覺(jué)編程》適合的讀者是：有一定編程與數(shù)學(xué)基礎(chǔ)，，想要了解計(jì)算機(jī)視覺(jué)的基本理論與算法的學(xué)生，以及計(jì)算機(jī)科學(xué)、信號(hào)處理、物理學(xué)、應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)、神經(jīng)生理學(xué)、認(rèn)知科學(xué)等領(lǐng)域的研究人員和從業(yè)者。

 

媒體評(píng)論

　　“本書(shū)介紹了各種圖像分析工具，是了解計(jì)算機(jī)視覺(jué)編程的‘必備’讀物。”

　　——James A. Cox，美國(guó)《中西部書(shū)評(píng)》（Midwest Book Review）總編輯

 

目錄

《Python計(jì)算機(jī)視覺(jué)編程》

推薦序 xi

前言 xiii

第1章　基本的圖像操作和處理 1

1.1　pil：python圖像處理類(lèi)庫(kù) 1

1.1.1　轉(zhuǎn)換圖像格式 2

1.1.2　創(chuàng)建縮略圖 3

1.1.3　復(fù)制和粘貼圖像區(qū)域 3

1.1.4　調(diào)整尺寸和旋轉(zhuǎn) 3

1.2　matplotlib 4

1.2.1　繪制圖像、點(diǎn)和線 4

1.2.2　圖像輪廓和直方圖 6

1.2.3　交互式標(biāo)注 7

1.3　numpy 8

1.3.1　圖像數(shù)組表示 8

1.3.2　灰度變換 9

1.3.3　圖像縮放 11

1.3.4　直方圖均衡化 11

1.3.5　圖像平均 13

1.3.6　圖像的主成分分析（pca） 14

1.3.7　使用pickle模塊 16

1.4　scipy 17

1.4.1　圖像模糊 18

1.4.2　圖像導(dǎo)數(shù) 19

1.4.3　形態(tài)學(xué)：對(duì)象計(jì)數(shù) 22

1.4.4　一些有用的scipy模塊 23

1.5　高級(jí)示例：圖像去噪 24

練習(xí) 28

代碼示例約定 29

第2章　局部圖像描述子 31

2.1　harris角點(diǎn)檢測(cè)器 31

2.2　sift（尺度不變特征變換） 39

2.2.1　興趣點(diǎn) 39

2.2.2　描述子 39

2.2.3　檢測(cè)興趣點(diǎn) 40

2.2.4　匹配描述子 43

2.3　匹配地理標(biāo)記圖像 47

2.3.1　從panoramio下載地理標(biāo)記圖像 47

2.3.2　使用局部描述子匹配 50

2.3.3　可視化連接的圖像 52

練習(xí) 54

第3章　圖像到圖像的映射 57

3.1　單應(yīng)性變換 57

3.1.1　直接線性變換算法 59

3.1.2　仿射變換 60

3.2　圖像扭曲 61

3.2.1　圖像中的圖像 63

3.2.2　分段仿射扭曲 67

3.2.3　圖像配準(zhǔn) 70

3.3　創(chuàng)建全景圖 76

3.3.1　ransac 77

3.3.2　穩(wěn)健的單應(yīng)性矩陣估計(jì) 78

3.3.3　拼接圖像 81

練習(xí) 84

第4章　照相機(jī)模型與增強(qiáng)現(xiàn)實(shí) 85

4.1　針孔照相機(jī)模型 85

4.1.1　照相機(jī)矩陣 86

4.1.2　三維點(diǎn)的投影 87

4.1.3　照相機(jī)矩陣的分解 89

4.1.4　計(jì)算照相機(jī)中心 90

4.2　照相機(jī)標(biāo)定 91

4.3　以平面和標(biāo)記物進(jìn)行姿態(tài)估計(jì) 93

4.4　增強(qiáng)現(xiàn)實(shí) 97

4.4.1　pygame和pyopengl 97

4.4.2　從照相機(jī)矩陣到opengl格式 98

4.4.3　在圖像中放置虛擬物體 100

4.4.4　綜合集成 102

4.4.5　載入模型 104

練習(xí) 106

第5章　多視圖幾何 107

5.1　外極幾何 107

5.1.1　一個(gè)簡(jiǎn)單的數(shù)據(jù)集 109

5.1.2　用matplotlib繪制三維數(shù)據(jù) 111

5.1.3　計(jì)算f：八點(diǎn)法 112

5.1.4　外極點(diǎn)和外極線 113

5.2　照相機(jī)和三維結(jié)構(gòu)的計(jì)算 116

5.2.1　三角剖分 116

5.2.2　由三維點(diǎn)計(jì)算照相機(jī)矩陣 118

5.2.3　由基礎(chǔ)矩陣計(jì)算照相機(jī)矩陣 120

5.3　多視圖重建 122

5.3.1　穩(wěn)健估計(jì)基礎(chǔ)矩陣 123

5.3.2　三維重建示例 125

5.3.3　多視圖的擴(kuò)展示例 129

5.4　立體圖像 130

練習(xí) 135

第6章　圖像聚類(lèi) 137

6.1　k-means聚類(lèi) 137

6.1.1　scipy聚類(lèi)包 138

6.1.2　圖像聚類(lèi) 139

6.1.3　在主成分上可視化圖像 140

6.1.4　像素聚類(lèi) 142

6.2　層次聚類(lèi) 144

6.3　譜聚類(lèi) 152

練習(xí) 157

第7章　圖像搜索 159

7.1　基于內(nèi)容的圖像檢索 159

7.2　視覺(jué)單詞 160

7.3　圖像索引 164

7.3.1　建立數(shù)據(jù)庫(kù) 164

7.3.2　添加圖像 165

7.4　在數(shù)據(jù)庫(kù)中搜索圖像 167

7.4.1　利用索引獲取候選圖像 168

7.4.2　用一幅圖像進(jìn)行查詢 169

7.4.3　確定對(duì)比基準(zhǔn)并繪制結(jié)果 171

7.5　使用幾何特性對(duì)結(jié)果排序 172

7.6　建立演示程序及web應(yīng)用 176

7.6.1　用cherrypy創(chuàng)建web應(yīng)用 176

7.6.2　圖像搜索演示程序 176

練習(xí) 179

第8章　圖像內(nèi)容分類(lèi) 181

8.1　k鄰近分類(lèi)法（knn） 181

8.1.1　一個(gè)簡(jiǎn)單的二維示例 182

8.1.2　用稠密sift作為圖像特征 185

8.1.3　圖像分類(lèi)：手勢(shì)識(shí)別 187

8.2　貝葉斯分類(lèi)器 190

8.3　支持向量機(jī) 195

8.3.1　使用libsvm 196

8.3.2　再論手勢(shì)識(shí)別 198

8.4　光學(xué)字符識(shí)別 199

8.4.1　訓(xùn)練分類(lèi)器 200

8.4.2　選取特征 200

8.4.3　多類(lèi)支持向量機(jī) 201

8.4.4　提取單元格并識(shí)別字符 202

8.4.5　圖像校正 205

練習(xí) 206

第9章　圖像分割 209

9.1　圖割（graph cut） 209

9.1.1　從圖像創(chuàng)建圖 211

9.1.2　用戶交互式分割 216

9.2　利用聚類(lèi)進(jìn)行分割 218

9.3　變分法 224

練習(xí) 226

第10章　opencv 227

10.1　opencv的python接口 227

10.2　opencv基礎(chǔ)知識(shí) 228

10.2.1　讀取和寫(xiě)入圖像 228

10.2.2　顏色空間 228

10.2.3　顯示圖像及結(jié)果 229

10.3　處理視頻 232

10.3.1　視頻輸入 232

10.3.2　將視頻讀取到numpy數(shù)組中 234

10.4　跟蹤 234

10.4.1　光流 235

10.4.2　lucas-kanade算法 237

10.5　更多示例 243

10.5.1　圖像修復(fù) 243

10.5.2　利用分水嶺變換進(jìn)行分割 244

10.5.3　利用霍夫變換檢測(cè)直線 245

練習(xí) 246

附錄a　安裝軟件包 247

a.1　numpy和scipy 247

a.1.1　windows 247

a.1.2　mac os x 247

a.1.3　linux 248

a.2　matplotlib 248

a.3　pil 248

a.4　libsvm 249

a.5　opencv 249

a.5.1　windows 和 unix 249

a.5.2　mac os x 249

a.5.3　linux 250

a.6　vlfeat 250

a.7　pygame 250

a.8　pyopengl 250

a.9　pydot 251

a.10　python-graph 251

a.11　simplejson 252

a.12　pysqlite 252

a.13　cherrypy 252

附錄b　圖像集 253

b.1　flickr 253

b.2　panoramio 254

b.3　牛津大學(xué)視覺(jué)幾何組 255

b.4　肯塔基大學(xué)識(shí)別基準(zhǔn)圖像 255

b.5　其他 256

b.5.1　prague texture segmentation datagenerator與基準(zhǔn) 256

b.5.2　微軟研究院grab cut數(shù)據(jù)集 256

b.5.3　caltech 101 256

b.5.4　靜態(tài)手勢(shì)數(shù)據(jù)庫(kù) 256

b.5.5　middlebury stereo數(shù)據(jù)集 256

附錄c　圖片來(lái)源 257

c.1　來(lái)自flickr的圖像 257

c.2　其他圖像 258

c.3　插圖 258

參考文獻(xiàn) 259

索引 263

 

本圖書(shū)信息來(lái)源:互動(dòng)出版網(wǎng)

posted on

  本文關(guān)鍵詞：Python計(jì)算機(jī)視覺(jué)編程，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：70732