计算机视觉40例从入门到深度学习(OpenCV-Python)电子书

内容简介

前言

第1部分 基础知识导读篇

第1章 数字图像基础

1.1 图像表示基础

1.1.1 艺术与生活

1.1.2 数字图像

1.1.3 二值图像的处理

1.1.4 像素值的范围

1.1.5 图像索引

1.2 彩色图像的表示

1.3 应用基础

1.3.1 量化

1.3.2 特征

1.3.3 距离

1.3.4 图像识别

1.3.5 信息隐藏

1.4 智能图像处理基础

1.5 抽象

第2章 Python基础

2.1 如何开始

2.2 基础语法

2.2.1 变量的概念

2.2.2 变量的使用

2.3 数据类型

2.3.1 基础类型

2.3.2 列表

2.3.3 元组

2.3.4 字典

2.4 选择结构

2.5 循环结构

2.6 函数

2.6.1 什么是函数

2.6.2 内置函数

2.6.3 自定义函数

2.7 模块

2.7.1 标准模块

2.7.2 第三方模块

2.7.3 自定义模块

第3章 OpenCV基础

3.1 基础

3.1.1 安装OpenCV

3.1.2 读取图像

3.1.3 显示图像

3.1.4 保存图像

3.2 图像处理

3.2.1 像素处理

3.2.2 通道处理

3.2.3 调整图像大小

3.3 感兴趣区域

3.4 掩模

3.4.1 掩模基础及构造

3.4.2 乘法运算

3.4.3 逻辑运算

3.4.4 掩模作为函数参数

3.5 色彩处理

3.5.1 色彩空间基础

3.5.2 色彩空间转换

3.5.3 获取皮肤范围

3.6 滤波处理

3.6.1 均值滤波

3.6.2 高斯滤波

3.6.3 中值滤波

3.7 形态学

3.7.1 腐蚀

3.7.2 膨胀

3.7.3 通用形态学函数

第2部分 基础案例篇

第4章 图像加密与解密

4.1 加密与解密原理

4.2 图像整体加密与解密

4.3 脸部打码及解码

4.3.1 掩模方式实现

4.3.2 ROI方式实现

第5章 数字水印

5.1 位平面

5.2 数字水印原理

5.3 实现方法

5.4 具体实现

5.5 可视化水印

5.5.1 ROI

5.5.2 加法运算

5.6 扩展学习

5.6.1 算术运算实现数字水印

5.6.2 艺术字

第6章 物体计数

6.1 理论基础

6.1.1 如何计算图像的中心点

6.1.2 获取图像的中心点

6.1.3 按照面积筛选前景对象

6.2 核心程序

6.2.1 核函数

6.2.2 zip函数

6.2.3 阈值处理函数threshold

6.3 程序设计

6.4 实现程序

第7章 缺陷检测

7.1 理论基础

7.1.1 开运算

7.1.2 距离变换函数distanceTransform

7.1.3 最小包围圆形

7.1.4 筛选标准

7.2 程序设计

7.3 实现程序

第8章 手势识别

8.1 理论基础

8.1.1 获取凸包

8.1.2 凸缺陷

8.1.3 凸缺陷占凸包面积比

8.2 识别过程

8.2.1 识别流程

8.2.2 实现程序

8.3 扩展学习：石头、剪刀、布的识别

8.3.1 形状匹配

8.3.2 实现程序

第9章 答题卡识别

9.1 单道题目的识别

9.1.1 基本流程及原理

9.1.2 实现程序

9.2 整张答题卡识别原理

9.2.1 图像预处理

9.2.2 答题卡处理

9.2.3 筛选出所有选项

9.2.4 将选项按照题目分组

9.2.5 处理每一道题目的选项

9.2.6 显示结果

9.3 整张答题卡识别程序

第10章 隐身术

10.1 图像的隐身术

10.1.1 基本原理与实现

10.1.2 实现程序

10.1.3 问题及优化方向

10.2 视频隐身术

第11章 以图搜图

11.1 原理与实现

11.1.1 算法原理

11.1.2 感知哈希值计算方法

11.1.3 感知哈希值计算函数

11.1.4 计算距离

11.1.5 计算图像库内所有图像的哈希值

11.1.6 结果显示

11.2 实现程序

11.3 扩展学习

第12章 手写数字识别

12.1 基本原理

12.2 实现细节

12.3 实现程序

12.4 扩展阅读

第13章 车牌识别

13.1 基本原理

13.1.1 提取车牌

13.1.2 分割车牌

13.1.3 识别车牌

13.2 实现程序

13.3 下一步学习

第14章 指纹识别

14.1 指纹识别基本原理

14.2 指纹识别算法概述

14.2.1 描述关键点特征

14.2.2 特征提取

14.2.3 MCC匹配方法

14.2.4 参考资料

14.3 尺度不变特征变换

14.3.1 尺度空间变换

14.3.2 关键点定位

14.3.3 通过方向描述关键点

14.3.4 显示关键点

14.4 基于SIFT的指纹识别

14.4.1 距离计算

14.4.2 特征匹配

14.4.3 算法及实现程序

第3部分 机器学习篇

第15章 机器学习导读

15.1 机器学习是什么

15.2 机器学习基础概念

15.2.1 机器学习的类型

15.2.2 泛化能力

15.2.3 数据集的划分

15.2.4 模型的拟合

15.2.5 性能度量

15.2.6 偏差与方差

15.3 OpenCV中的机器学习模块

15.3.1 人工神经网络

15.3.2 决策树

15.3.3 EM模块

15.3.4 K近邻模块

15.3.5 logistic回归

15.3.6 贝叶斯分类器

15.3.7 支持向量机

15.3.8 随机梯度下降SVM分类器

15.4 OpenCV机器学习模块的使用

15.4.1 使用KNN模块分类

15.4.2 使用SVM模块分类

第16章 KNN实现字符识别

16.1 手写数字识别

16.2 英文字母识别

第17章 求解数独图像

17.1 基本过程

17.2 定位数独图像内的单元格

17.3 构造KNN模型

17.4 识别数独图像内的数字

17.5 求解数独

17.6 绘制数独求解结果

17.7 实现程序

17.8 扩展学习

第18章 SVM数字识别

18.1 基本流程

18.2 倾斜校正

18.3 HOG特征提取

18.4 数据处理

18.5 构造及使用SVM分类器

18.6 实现程序

18.7 参考学习

第19章 行人检测

19.1 方向梯度直方图特征

19.2 基础实现

19.2.1 基本流程

19.2.2 实现程序

19.3 函数detectMultiScale参数及优化

19.3.1 参数winStride

19.3.2 参数padding

19.3.3 参数scale

19.3.4 参数useMeanshiftGrouping

19.4 完整程序

19.5 参考学习

第20章 K均值聚类实现艺术画

20.1 理论基础

20.1.1 案例

20.1.2 K均值聚类的基本步骤

20.2 K均值聚类模块

20.3 艺术画

第4部分 深度学习篇

第21章 深度学习导读

21.1 从感知机到人工神经网络

21.1.1 感知机

21.1.2 激活函数

21.1.3 人工神经网络

21.1.4 完成分类

21.2 人工神经网络如何学习

21.3 深度学习是什么

21.3.1 深度的含义

21.3.2 表示学习

21.3.3 端到端

21.3.4 深度学习可视化

21.4 激活函数的分类

21.4.1 sigmoid函数

21.4.2 tanh函数

21.4.3 ReLU函数

21.4.4 Leaky ReLU函数

21.4.5 ELU函数

21.5 损失函数

21.5.1 为什么要用损失值

21.5.2 损失值如何起作用

21.5.3 均方误差

21.5.4 交叉熵误差

21.6 学习的技能与方法

21.6.1 全连接

21.6.2 随机失活

21.6.3 One-hot编码

21.6.4 学习率

21.6.5 正则化

21.6.6 mini-batch方法

21.6.7 超参数

21.7 深度学习游乐场

第22章 卷积神经网络基础

22.1 卷积基础

22.2 卷积原理

22.2.1 数值卷积

22.2.2 图像卷积

22.2.3 如何获取卷积核

22.3 填充和步长

22.4 池化操作

22.5 感受野

22.6 预处理与初始化

22.6.1 扩充数据集

22.6.2 标准化与归一化

22.6.3 网络参数初始化

22.7 CNN

22.7.1 LeNet

22.7.2 AlexNet

22.7.3 VGG网络

22.7.4 NiN

22.7.5 GooLeNet

22.7.6 残差网络

第23章 DNN模块

23.1 工作流程

23.2 模型导入

23.3 图像预处理

23.4 推理相关函数

第24章 深度学习应用实践

24.1 图像分类

24.1.1 图像分类模型

24.1.2 实现程序

24.2 目标检测

24.2.1 YOLO

24.2.2 SSD

24.3 图像分割

24.3.1 语义分割

24.3.2 实例分割

24.4 风格迁移

24.5 姿势识别

24.6 说明

第5部分 人脸识别篇

第25章 人脸检测

25.1 基本原理

25.2 级联分类器的使用

25.3 函数介绍

25.4 人脸检测实现

25.5 表情检测

第26章 人脸识别

26.1 人脸识别基础

26.1.1 人脸识别基本流程

26.1.2 OpenCV人脸识别基础

26.2 LBPH人脸识别

26.2.1 基本原理

26.2.2 函数介绍

26.2.3 案例介绍

26.3 EigenFaces人脸识别

26.3.1 基本原理

26.3.2 函数介绍

26.3.3 案例介绍

26.4 FisherFaces人脸识别

26.4.1 基本原理

26.4.2 函数介绍

26.4.3 案例介绍

26.5 人脸数据库

第27章 dlib库

27.1 定位人脸

27.2 绘制关键点

27.3 勾勒五官轮廓

27.4 人脸对齐

27.5 调用CNN实现人脸检测

第28章 人脸识别应用案例

28.1 表情识别

28.2 驾驶员疲劳检测

28.3 易容术

28.3.1 仿射

28.3.2 算法流程

28.3.3 实现程序

28.4 年龄和性别识别

参考文献