Python计算机视觉与应用案例

\\\"《Python计算机视觉与应用案例》以Python为平台，以“概述+案例”的方式系统地对计算机视觉进行实战分析。本书先介绍计算机视觉编程基础知识，接着介绍在各个领域利用Python解决计算机视觉问题，最后通过两个经典案例综合分析计算机视觉应用。为了帮助读者更好地掌握相关知识，各章节都通过概述与案例相结合的方式，让读者在掌握概念的同时举一反三，掌握程序设计的方法，利用程序设计解决实际问题。 《Python计算机视觉与应用案例》适合想深入研究Python计算机视觉的开发者阅读参考,也可作为高等院校相关专业的教材。\\\"

目录 第1章计算机视觉编程基础知识 1.1计算机视觉概述 1.1.1什么是计算机视觉 1.1.2发展现状 1.1.3计算机视觉用途 1.1.4相关学科 1.1.5计算机视觉的经典问题 1.2Python编程软件 1.2.1Python应用领域 1.2.2发展历程 1.2.3Python的安装 1.2.4使用pip安装第三方库 1.3几个常用库 1.3.1NumPy库 1.3.2SciPy库 1.3.3pandas库 1.3.4scikitlearn库 1.4Python图像处理类库 1.4.1转换图像格式 1.4.2创建缩略图 1.4.3复制并粘贴图像区域 1.4.4调整尺寸和旋转 1.5Matplotlib库 1．6Pyecharts库 1．6．1Pyecharts特性 1．6．2Pyecharts安装 1．6．3Pyecharts绘图 1.7NumPy图像处理 1.7.1灰度变换 1.7.2图像缩放 1.7.3直方图均衡化 1.7.4图像平均 1.7.5图像主成分分析 1.8SciPy图像处理 1.8.1图像模糊 1.8.2图像导数 1.8.3形态学 1.8.4io和misc模块 1.9图像降噪 第2章图像去雾技术 2.1空域图像增强 2.1.1空域低通滤波 2.1.2空域高通滤波器 2.2时域图像增强 2.3色阶调整去雾技术 2.3.1概述 2.3.2暗通道去雾原理 2.3.3暗通道去雾实例 2.4直方图均衡化去雾技术 2.4.1色阶调整原理 2.4.2自动色阶图像处理算法 2．4．3实现降噪去雾 第3章形态学的去噪 3.1图像去噪的方法 3.2数学形态学的原理 3.2.1腐蚀与膨胀 3.2.2开闭运算 3．2．3形态学梯度 3.2.4礼帽/黑帽操作 3.3形态学运算 3.3.1边缘检测定义 3.3.2检测拐角 3.4权重自适应的多结构形态学去噪 第4章霍夫变换检测 4.1霍夫变换检测直线 4.1.1霍夫变换检测直线的思想 4.1.2实际应用 4.2霍夫变换检测圆 4．3霍夫变换检测其他形状 第5章车牌分割定位识别 5.1基本概述 5.2车牌图像处理 5.2.1图像灰度化 5.2.2二值化 5.2.3边缘检测 5.2.4形态学运算 5.2.5滤波处理 5.3定位处理 5.4字符处理 5.4.1阈值分割 5.4.2阈值化分割 5.4.3归一化处理 5.4.4字符分割经典应用 5.5字符识别 5.5.1模板匹配的字符识别 5.5.2字符识别车牌经典应用 5．6OpenCV+SVM车牌识别 第6章分水岭实现医学诊断 6.1分水岭算法 6.1.1模拟浸水过程 6.1.2模拟降水过程 6.1.3过度分割问题 6.1.4标记分水岭算法 6.2分水岭医学诊断案例分析 第7章手写体数字识别 7．1神经网络算法 7．1．1多层前馈神经网络 7．1．2利用BP算法设计神经网络 7．1．3实现手写数字的识别 7.2卷积神经网络概述 7.2.1卷积神经网络的结构 7.2.2卷积神经网络的训练 7.2.3卷积神经网络识别手写体数字 7.3SVM识别手写体数字 7.3.1支持向量机的原理 7.3.2函数间隔 7.3.3几何间隔 7.3.4间隔最大化 7.3.5SVC识别手写体数字实例 第8章图片中的英文识别 8.1OCR介绍 8.2OCR算法原理 8.2.1图像预处理 8.2.2图像分割 8.2.3特征提取和降维 8.2.4分类器 8.2.5算法步骤 8.3OCR识别经典应用 8.4获取验证码 第9章小波技术的图像视觉处理 9.1小波技术概述 9.2小波实现去噪 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图像融合处理 9.3.1概述 9.3.2小波融合案例分析 9．4小波压缩图像 第10章图像压缩与分割处理 10.1SVD图像压缩处理 10.1.1特征分解 10.1.2奇异值分解 10.1.3奇异值分解应用 10.2PCA图像压缩处理 10.2.1概述 10.2.2主成分降维原理 10.2.3分矩阵重建样本 10.2.4主成分分析图像压缩 10.2.5主成分压缩图像案例分析 10.3KMeans聚类图像压缩处理 10.3.1KMeans算法的原理 10.3.2KMeans算法的要点 10.3.3KMeans算法的缺点 10.3.4KMeans聚类图像压缩案例分析 10.4KMeans聚类实现图像分割 10.4.1KMeans聚类分割灰度图像 10.4.2KMeans聚类对比分割彩色图像 10．5阈值法实现图像分割 10．5．1全阈值分割 10．5．2迭代阈值分割 10．5．3OTSU算法阈值分割 10．5．4自适应阈值分割 第11章图像特征匹配 11.1相关概念 11.2图像匹配 11.2.1基于灰度的匹配 11.2.2基于模板的匹配 11.2.3基于变换域的匹配 11.2.4基于特征的匹配案例分析 第12章角点特征检测 12.1Harris算子的基本原理 12.2Harris算法流程 12.3Harris角点的性质 12.4Harris检测角点案例分析 12.5角点检测函数 12.6ShiTomasi角点检测 12.7FAST特征检测 12．8SIFT角点检测 12．8．1SIFT算法实现步骤 12．8．2SIFT角点检测应用 第13章运动目标自动检测 13.1帧间差分法 13.1.1原理 13.1.2三帧差分法 13.1.3帧间差分法案例分析 13.2背景差分法 13.3光流法 第14章水印技术 14.1水印技术的概念 14.2数字水印技术的原理 14.3典型的数字水印算法 14.3.1空间域算法 14.3.2变换域算法 14.4数字水印攻击和评价 14.5水印技术案例分析 14．6小波变换水印技术 14．6．1基本原理 14．6．2水印的嵌入与提取步骤 14．6．3算法性能评估 14．6．4小波变换水印技术实现 第15章大脑影像分析 15.1阈值分割 15.2区域生长 15.3基于阈值预分割的区域生长 15.4区域生长分割大脑影像案例分析 第16章自动驾驶应用 16.1理论基础 16.2环境感知 16.3行为决策 16.4路径规则 16.5运动控制 16．6A_star算法规划自动驾驶运动 16．6．1自动驾驶运动规则问题 16．6．2A_star算法用于自动驾驶运动规划 16.7自动驾驶案例分析 第17章目标检测 17.1RCNN系列 17.1.1RCNN算法概述 17.1.2RCNN的数据集实现 17.2YOLO检测 17.2.1概述 17.2.2统一检测 17.2.3基于OpenCV实现自动检测案例分析 第18章人机交互 18.1Tkinter GUI编程组件 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事件处理 18.3.1简单的事件处理 18.3.2事件绑定 18.4Tkinter常用组件 18.4.1ttk组件 18.4.2Variable类 18.4.3compound选项 18.4.4Entry和Text组件 18.4.5Radiobutton和Checkbutton组件 18.4.6Listbox和Combobox组件 18.4.7Spinbox组件 18.4.8Scale组件 18.4.9Labelframe组件 18.4.10OptionMenu组件 18.5菜单 18.5.1窗口菜单 18.5.2右键菜单 18.6Canvas绘图 第19章深度学习的应用 19.1理论部分 19.1.1分类识别 19.1.2目标检测的任务 19.2AlexNet网络及案例分析 19.3CNN拆分数据集案例分析 19．4MTCNN人脸检测算法实现 19．4．1PNet的结构 19．4．2RNet的结构 19．4．3ONet的结构 19．4．4图像金字塔 19．4．5MTCNN实现人脸检测 第20章视觉分析综合应用案例 20.1合金弹头游戏 20.1.1游戏界面组件 20.1.2增加“角色” 20.1.3合理绘制地图 20.1.4增加音效 20.1.5增加游戏场景 20.2停车场识别计费系统 20.2.1系统设计 20.2.2实现系统 参考文献