掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
Python 計算機視覺編程 版權信息
- ISBN：9787115352323
- 條形碼：9787115352323 ; 978-7-115-35232-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
Python 計算機視覺編程 本書特色
《python計算機視覺編程》是計算機視覺編程的權威實踐指南，依賴python語言講解了基礎理論與算法，并通過大量示例細致分析了對象識別、基于內容的圖像搜索、光學字符識別、光流法、跟蹤、三維重建、立體成像、增強現實、姿態估計、全景創建、圖像分割、降噪、圖像分組等技術。另外，書中附帶的練習還能讓讀者鞏固并學會應用編程知識。 《python計算機視覺編程》適合的讀者是：有一定編程與數學基礎，想要了解計算機視覺的基本理論與算法的學生，以及計算機科學、信號處理、物理學、應用數學和統計學、神經生理學、認知科學等領域的研究人員和從業者。
Python 計算機視覺編程 內容簡介
amazon.com計算機視覺類圖書**名！ 專門用python講解計算機視覺編程
Python 計算機視覺編程 目錄
推薦序 xi
前言 xiii
第1章 基本的圖像操作和處理
1.1 pil：python圖像處理類庫
1.1.1 轉換圖像格式
1.1.2 創建縮略圖
1.1.3 復制和粘貼圖像區域
1.1.4 調整尺寸和旋轉
1.2 matplotlib
1.2.1 繪制圖像、點和線
1.2.2 圖像輪廓和直方圖
1.2.3 交互式標注
1.3 numpy
1.3.1 圖像數組表示
1.3.2 灰度變換
1.3.3 圖像縮放
1.3.4 直方圖均衡化
1.3.5 圖像平均
1.3.6 圖像的主成分分析(pca)
1.3.7 使用pickle模塊
1.4 scipy
1.4.1 圖像模糊
1.4.2 圖像導數
1.4.3 形態學：對象計數
1.4.4 一些有用的scipy模塊
1.5 高級示例：圖像去噪
練習
代碼示例約定
第2章 局部圖像描述子
2.1 harris角點檢測器
2.2 sift(尺度不變特征變換)
2.2.1 興趣點
2.2.2 描述子
2.2.3 檢測興趣點
2.2.4 匹配描述子
2.3 匹配地理標記圖像
2.3.1 從panoramio下載地理標記圖像
2.3.2 使用局部描述子匹配
2.3.3 可視化連接的圖像
練習
第3章 圖像到圖像的映射
3.1 單應性變換
3.1.1 直接線性變換算法
3.1.2 仿射變換
3.2 圖像扭曲
3.2.1 圖像中的圖像
3.2.2 分段仿射扭曲
3.2.3 圖像配準
3.3 創建全景圖
3.3.1 ransac
3.3.2 穩健的單應性矩陣估計
3.3.3 拼接圖像
練習
第4章 照相機模型與增強現實
4.1 針孔照相機模型
4.1.1 照相機矩陣
4.1.2 三維點的投影
4.1.3 照相機矩陣的分解
4.1.4 計算照相機中心
4.2 照相機標定
4.3 以平面和標記物進行姿態估計
4.4 增強現實
4.4.1 pygame和pyopengl
4.4.2 從照相機矩陣到opengl格式
4.4.3 在圖像中放置虛擬物體
4.4.4 綜合集成
4.4.5 載入模型
練習
第5章 多視圖幾何
5.1 外極幾何
5.1.1 一個簡單的數據集
5.1.2 用matplotlib繪制三維數據
5.1.3 計算f：八點法
5.1.4 外極點和外極線
5.2 照相機和三維結構的計算
5.2.1 三角剖分
5.2.2 由三維點計算照相機矩陣
5.2.3 由基礎矩陣計算照相機矩陣
5.3 多視圖重建
5.3.1 穩健估計基礎矩陣
5.3.2 三維重建示例
5.3.3 多視圖的擴展示例
5.4 立體圖像
練習
第6章 圖像聚類
6.1 k-means聚類
6.1.1 scipy聚類包
6.1.2 圖像聚類
6.1.3 在主成分上可視化圖像
6.1.4 像素聚類
6.2 層次聚類
6.3 譜聚類
練習
第7章 圖像搜索
7.1 基于內容的圖像檢索
7.2 視覺單詞
7.3 圖像索引
7.3.1 建立數據庫
7.3.2 添加圖像
7.4 在數據庫中搜索圖像
7.4.1 利用索引獲取候選圖像
7.4.2 用一幅圖像進行查詢
7.4.3 確定對比基準并繪制結果
7.5 使用幾何特性對結果排序
7.6 建立演示程序及web應用
7.6.1 用cherrypy創建web應用
7.6.2 圖像搜索演示程序
練習
第8章 圖像內容分類
8.1 k鄰近分類法(knn)
8.1.1 一個簡單的二維示例
8.1.2 用稠密sift作為圖像特征
8.1.3 圖像分類：手勢識別
8.2 貝葉斯分類器
8.3 支持向量機
8.3.1 使用libsvm
8.3.2 再論手勢識別
8.4 光學字符識別
8.4.1 訓練分類器
8.4.2 選取特征
8.4.3 多類支持向量機
8.4.4 提取單元格并識別字符
8.4.5 圖像校正
練習
第9章 圖像分割
9.1 圖割(graph cut)
9.1.1 從圖像創建圖
9.1.2 用戶交互式分割
9.2 利用聚類進行分割
9.3 變分法
練習
第10章 opencv
10.1 opencv的python接口
10.2 opencv基礎知識
10.2.1 讀取和寫入圖像
10.2.2 顏色空間
10.2.3 顯示圖像及結果
10.3 處理視頻
10.3.1 視頻輸入
10.3.2 將視頻讀取到numpy數組中
10.4 跟蹤
10.4.1 光流
10.4.2 lucas-kanade算法
10.5 更多示例
10.5.1 圖像修復
10.5.2 利用分水嶺變換進行分割
10.5.3 利用霍夫變換檢測直線
練習
附錄a 安裝軟件包
a.1 numpy和scipy
a.1.1 windows
a.1.2 mac os x
a.1.3 linux
a.2 matplotlib
a.3 pil
a.4 libsvm
a.5 opencv
a.5.1 windows和unix
a.5.2 mac os x
a.5.3 linux
a.6 vlfeat
a.7 pygame
a.8 pyopengl
a.9 pydot
a.10 python-graph
a.11 simplejson
a.12 pysqlite
a.13 cherrypy
附錄b 圖像集
b.1 flickr
b.2 panoramio
b.3 牛津大學視覺幾何組
b.4 肯塔基大學識別基準圖像
b.5 其他
b.5.1 prague texture segmentation datagenerator與基準
b.5.2 微軟研究院grab cut數據集
b.5.3 caltech 101
b.5.4 靜態手勢數據庫
b.5.5 middlebury stereo數據集
附錄c 圖片來源
c.1 來自flickr的圖像
c.2 其他圖像
c.3 插圖
參考文獻
索引
前言 xiii
第1章 基本的圖像操作和處理
1.1 pil：python圖像處理類庫
1.1.1 轉換圖像格式
1.1.2 創建縮略圖
1.1.3 復制和粘貼圖像區域
1.1.4 調整尺寸和旋轉
1.2 matplotlib
1.2.1 繪制圖像、點和線
1.2.2 圖像輪廓和直方圖
1.2.3 交互式標注
1.3 numpy
1.3.1 圖像數組表示
1.3.2 灰度變換
1.3.3 圖像縮放
1.3.4 直方圖均衡化
1.3.5 圖像平均
1.3.6 圖像的主成分分析(pca)
1.3.7 使用pickle模塊
1.4 scipy
1.4.1 圖像模糊
1.4.2 圖像導數
1.4.3 形態學：對象計數
1.4.4 一些有用的scipy模塊
1.5 高級示例：圖像去噪
練習
代碼示例約定
第2章 局部圖像描述子
2.1 harris角點檢測器
2.2 sift(尺度不變特征變換)
2.2.1 興趣點
2.2.2 描述子
2.2.3 檢測興趣點
2.2.4 匹配描述子
2.3 匹配地理標記圖像
2.3.1 從panoramio下載地理標記圖像
2.3.2 使用局部描述子匹配
2.3.3 可視化連接的圖像
練習
第3章 圖像到圖像的映射
3.1 單應性變換
3.1.1 直接線性變換算法
3.1.2 仿射變換
3.2 圖像扭曲
3.2.1 圖像中的圖像
3.2.2 分段仿射扭曲
3.2.3 圖像配準
3.3 創建全景圖
3.3.1 ransac
3.3.2 穩健的單應性矩陣估計
3.3.3 拼接圖像
練習
第4章 照相機模型與增強現實
4.1 針孔照相機模型
4.1.1 照相機矩陣
4.1.2 三維點的投影
4.1.3 照相機矩陣的分解
4.1.4 計算照相機中心
4.2 照相機標定
4.3 以平面和標記物進行姿態估計
4.4 增強現實
4.4.1 pygame和pyopengl
4.4.2 從照相機矩陣到opengl格式
4.4.3 在圖像中放置虛擬物體
4.4.4 綜合集成
4.4.5 載入模型
練習
第5章 多視圖幾何
5.1 外極幾何
5.1.1 一個簡單的數據集
5.1.2 用matplotlib繪制三維數據
5.1.3 計算f：八點法
5.1.4 外極點和外極線
5.2 照相機和三維結構的計算
5.2.1 三角剖分
5.2.2 由三維點計算照相機矩陣
5.2.3 由基礎矩陣計算照相機矩陣
5.3 多視圖重建
5.3.1 穩健估計基礎矩陣
5.3.2 三維重建示例
5.3.3 多視圖的擴展示例
5.4 立體圖像
練習
第6章 圖像聚類
6.1 k-means聚類
6.1.1 scipy聚類包
6.1.2 圖像聚類
6.1.3 在主成分上可視化圖像
6.1.4 像素聚類
6.2 層次聚類
6.3 譜聚類
練習
第7章 圖像搜索
7.1 基于內容的圖像檢索
7.2 視覺單詞
7.3 圖像索引
7.3.1 建立數據庫
7.3.2 添加圖像
7.4 在數據庫中搜索圖像
7.4.1 利用索引獲取候選圖像
7.4.2 用一幅圖像進行查詢
7.4.3 確定對比基準并繪制結果
7.5 使用幾何特性對結果排序
7.6 建立演示程序及web應用
7.6.1 用cherrypy創建web應用
7.6.2 圖像搜索演示程序
練習
第8章 圖像內容分類
8.1 k鄰近分類法(knn)
8.1.1 一個簡單的二維示例
8.1.2 用稠密sift作為圖像特征
8.1.3 圖像分類：手勢識別
8.2 貝葉斯分類器
8.3 支持向量機
8.3.1 使用libsvm
8.3.2 再論手勢識別
8.4 光學字符識別
8.4.1 訓練分類器
8.4.2 選取特征
8.4.3 多類支持向量機
8.4.4 提取單元格并識別字符
8.4.5 圖像校正
練習
第9章 圖像分割
9.1 圖割(graph cut)
9.1.1 從圖像創建圖
9.1.2 用戶交互式分割
9.2 利用聚類進行分割
9.3 變分法
練習
第10章 opencv
10.1 opencv的python接口
10.2 opencv基礎知識
10.2.1 讀取和寫入圖像
10.2.2 顏色空間
10.2.3 顯示圖像及結果
10.3 處理視頻
10.3.1 視頻輸入
10.3.2 將視頻讀取到numpy數組中
10.4 跟蹤
10.4.1 光流
10.4.2 lucas-kanade算法
10.5 更多示例
10.5.1 圖像修復
10.5.2 利用分水嶺變換進行分割
10.5.3 利用霍夫變換檢測直線
練習
附錄a 安裝軟件包
a.1 numpy和scipy
a.1.1 windows
a.1.2 mac os x
a.1.3 linux
a.2 matplotlib
a.3 pil
a.4 libsvm
a.5 opencv
a.5.1 windows和unix
a.5.2 mac os x
a.5.3 linux
a.6 vlfeat
a.7 pygame
a.8 pyopengl
a.9 pydot
a.10 python-graph
a.11 simplejson
a.12 pysqlite
a.13 cherrypy
附錄b 圖像集
b.1 flickr
b.2 panoramio
b.3 牛津大學視覺幾何組
b.4 肯塔基大學識別基準圖像
b.5 其他
b.5.1 prague texture segmentation datagenerator與基準
b.5.2 微軟研究院grab cut數據集
b.5.3 caltech 101
b.5.4 靜態手勢數據庫
b.5.5 middlebury stereo數據集
附錄c 圖片來源
c.1 來自flickr的圖像
c.2 其他圖像
c.3 插圖
參考文獻
索引
展開全部
Python 計算機視覺編程 相關資料
“本書介紹了各種圖像分析工具，是了解計算機視覺編程的‘必備’讀物。”
——james a. cox，美國《中西部書評》（midwest book review）總編輯
Python 計算機視覺編程 作者簡介
Jan Erik Solem 瑞典隆德大學副教授（數學成像小組），Polar Rose公司創始人兼CTO，計算機視覺研究者，Python愛好者，技術圖書作家，經常出席各種計算機視覺、圖像分析、機器智能等國際會議并發表演講。他主要關注3D重建、變分問題與優化、圖像分割與識別、形狀分析，有多年Python計算機視覺教學、研究和行業應用經驗，技術博客為http://www.janeriksolem.net。另著有Computing with Python: An Introduction to Python for Science and Engineering一書。
書友推薦
- >
羅庸西南聯大授課錄
- >
伯納黛特,你要去哪(2021新版)
- >
【精裝繪本】畫給孩子的中國神話
- >
回憶愛瑪儂
- >
唐代進士錄
- >
羅曼·羅蘭讀書隨筆-精裝
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
中國歷史的瞬間
本類暢銷
