内容简介 《Python计算机视觉编程》是一本全面介绍计算机视觉技术的实用指南,旨在帮助读者利用Python语言及其强大的开源库(如NumPy、SciPy、Matplotlib、OpenCV、PIL等)实现图像处理、特征提取、目标识别、三维重建等核心功能。本书从基础概念入手,逐步深入讲解图像滤波、边缘检测、图像分割、特征匹配、相机标定、立体视觉、增强现实等主题,并提供了大量可直接运行的代码示例和实际项目案例。
作者Jan Erik Solem是计算机视觉领域的资深专家,他以清晰易懂的笔触将复杂的算法理论与工程实践紧密结合,使读者能够快速上手并理解背后的数学原理。书中覆盖了从经典算法到现代深度学习方法(如卷积神经网络)的演变,并特别关注了实际应用中的性能优化和常见陷阱。无论你是计算机视觉的初学者,还是希望扩展技能的中级开发者,这本书都能为你提供系统性的知识和可复用的代码基础。
作为图灵程序设计丛书的一员,本书注重实用性,每章末尾还配有练习题,帮助读者巩固所学内容。通过本书,读者不仅能够掌握使用Python进行图像分析和计算机视觉开发的技能,还能深入理解如何将理论应用于真实世界的问题解决中,例如人脸识别、物体跟踪、图像拼接和运动估计等。
目录
O’Reilly Media, Inc. 介绍 业界评论 推荐序 先决条件和概述 读者须知 本书内容 各章概览 计算机视觉简介 Python和NumPy 排版约定 使用代码示例 Safari® Books Online 联系我们 第 1 章 基本的图像操作和处理 1.1 PIL:Python图像处理类库 1.1.1 转换图像格式 1.1.2 创建缩略图 1.1.3 复制和粘贴图像区域 1.1.4 调整尺寸和旋转 1.2 Matplotlib
1.2.1 绘制图像、点和线 1.2.2 图像轮廓和直方图 1.2.3 交互式标注 1.3 NumPy 1.3.1 图像数组表示 1.3.2 灰度变换 1.3.3 图像缩放 1.3.4 直方图均衡化 1.3.5 图像平均 1.3.6 图像的主成分分析(PCA) 1.3.7 使用pickle模块 1.4 SciPy 1.4.1 图像模糊 1.4.2 图像导数 1.4.3 形态学:对象计数 1.4.4 一些有用的SciPy模块 1.5 高级示例:图像去噪 练习 代码示例约定 第 2 章 局部图像描述子 2.1 Harris角点检测器 在图像间寻找对应点 2.2 SIFT(尺度不变特征变换) 2.2.1 兴趣点 2.2.2 描述子 2.2.3 检测兴趣点 2.2.4 匹配描述子 2.3 匹配地理标记图像 2.3.1 从Panoramio下载地理标记图像 2.3.2 使用局部描述子匹配 2.3.3 可视化连接的图像 练习 第 3 章 图像到图像的映射 3.1 单应性变换 3.1.1 直接线性变换算法 3.1.2 仿射变换 3.2 图像扭曲 3.2.1 图像中的图像 3.2.2 分段仿射扭曲 3.2.3 图像配准 3.3 创建全景图 3.3.1 RANSAC 3.3.2 稳健的单应性矩阵估计 3.3.3 拼接图像 练习 第 4 章 照相机模型与增强现实 4.1 针孔照相机模型 4.1.1 照相机矩阵 4.1.2 三维点的投影 4.1.3 照相机矩阵的分解 4.1.4 计算照相机中心 4.2 照相机标定 4.2.1 一个简单的标定方法 4.3 以平面和标记物进行姿态估计 4.4 增强现实 4.4.1 PyGame和PyOpenGL 4.4.2 从照相机矩阵到OpenGL格式 4.4.3 在图像中放置虚拟物体 4.4.4 综合集成 4.4.5 载入模型 练习 第 5 章 多视图几何 5.1 外极几何 5.1.1 一个简单的数据集 5.1.2 用Matplotlib绘制三维数据 5.1.3 计算F:八点法 5.1.4 外极点和外极线 5.2 照相机和三维结构的计算 5.2.1 三角剖分 5.2.2 由三维点计算照相机矩阵 5.2.3 由基础矩阵计算照相机矩阵 5.3 多视图重建 5.3.1 稳健估计基础矩阵 5.3.2 三维重建示例 5.3.3 多视图的扩展示例 5.4 立体图像 计算视差图 练习 第 6 章 图像聚类 6.1 K-means聚类 6.1.1 SciPy聚类包 6.1.2 图像聚类 6.1.3 在主成分上可视化图像 6.1.4 像素聚类 6.2 层次聚类 图像聚类 6.3 谱聚类 练习 第 7 章 图像搜索 7.1 基于内容的图像检索 从文本挖掘中获取灵感——矢量空间模型 7.2 视觉单词 创建词汇 7.3.1 建立数据库 7.3.2 添加图像 7.4 在数据库中搜索图像 7.4.2 用一幅图像进行查询 7.4.3 确定对比基准并绘制结果 7.5 使用几何特性对结果排序 7.6 建立演示程序及Web应用 7.6.1 用CherryPy创建Web应用 7.6.2 图像搜索演示程序 练习 第 8 章 图像内容分类 8.1 K邻近分类法(KNN) 8.1.1 一个简单的二维示例 8.1.2 用稠密SIFT作为图像特征 8.1.3 图像分类:手势识别 8.2 贝叶斯分类器 用PCA降维 8.3 支持向量机 8.3.1 使用LibSVM 8.3.2 再论手势识别 8.4 光学字符识别 8.4.1 训练分类器 8.4.2 选取特征 8.4.3 多类支持向量机 8.4.4 提取单元格并识别字符 8.4.5 图像校正 练习 第 9 章 图像分割 9.1 图割(Graph Cut) 9.1.1 从图像创建图 9.1.2 用户交互式分割 9.2 利用聚类进行分割 9.3 变分法 练习 第 10 章 OpenCV 10.1 OpenCV的Python接口 10.2 OpenCV基础知识 10.2.1 读取和写入图像 10.2.2 颜色空间 10.2.3 显示图像及结果 10.3 处理视频 10.3.1 视频输入 10.3.2 将视频读取到NumPy数组中 10.4 跟踪 10.4.1 光流 10.4.2 Lucas-Kanade算法 10.5 更多示例 10.5.1 图像修复 10.5.2 利用分水岭变换进行分割 10.5.3 利用霍夫变换检测直线 练习 附录 A 安装软件包 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 附录 B 图像集 B.1 Flickr B.2 Panoramio B.3 牛津大学视觉几何组 B.4 肯塔基大学识别基准图像 B.5 其他 B.5.1 Prague Texture Segmentation Datagenerator与基准 B.5.2 微软剑桥研究院Grab Cut数据集 B.5.3 Caltech 101 B.5.4 静态手势数据库 B.5.5 Middlebury Stereo数据集 附录 C 图片来源 C.1 来自Flickr的图像 C.2 其他图像 参考文献
显示更多
您当前的等级为
登录后免费下载登录
小黑屋反思中,不准下载!
评论后刷新页面下载评论
支付¥ 以后下载
请先登录
您今天的下载次数( 次)用完了,请明天再来
支付积分 以后下载立即支付
支付 以后下载立即支付
您当前的用户组不允许下载升级会员
您已获得下载权限
您可以每天下载资源 次,今日剩余 次
免责申明 :
1. 本站分享的所有书籍均来源于自互联网,我们只进行收集整理,并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告,这并不是本站所为,请注意甄别。
3. 我们分享这些书籍,纯粹是出于知识分享的热情,以及对互联网分享精神的高度认同和践行,不以盈利为目的。
4. 本站分享的所有书籍,仅供个人学习研究使用,请勿用于任何商业用途,否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获,在条件允许的情况下,请一定购买正版书籍,这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者,且您不希望此作品出现在本站,请联系我们,我们将在收到您的请求后48小时内予以删除。