当前位置:主页 > 计算机电子书 > 程序设计 > Python编程下载
Python计算机视觉编程

Python计算机视觉编程 PDF 扫描清晰版

  • 更新:2019-10-03
  • 大小:4.8 MB
  • 类别:Python编程
  • 作者:Jan、Erik、Solem
  • 出版:人民邮电出版社
  • 格式:PDF

  • 资源介绍
  • 相关推荐

Python计算机视觉编程 PDF

Python计算机视觉编程》是计算机视觉编程的权威性实践活动手册,依靠Python語言解读了基础知识与优化算法,并根据很多实例细腻剖析了另一半鉴别、应用场景內容的图像搜索、电子光学字符识别、光流法、追踪、三维重建、立体式显像、增强现实技术、姿势估算、内景建立、图像分割、减噪、图象排序等技术性。另一个,书中附送的训练还能让用户推进并学好运用编程专业知识。

《Python计算机视觉编程》合适的用户是:有必须编程与基础数学,愿意掌握计算机视觉的基础基础理论与优化算法的大学生,及其电子信息科学、信号分析、物理、应用数学和生物学、神经系统生理、认知科学等行业的科学研究工作人员和从业人员。

目录

  • 推荐序 XI
  • 前言 XIII
  • 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 
  • 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 
  • 4.3 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 
  • 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 
  • 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 
  • 7.2 视觉单词 
  • 7.3 图像索引 
  • 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 
  • 7.4.1 利用索引获取候选图像 
  • 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 
  • 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 
  • C.3 插图 
  • 参考文献 
  • 索引

资源下载

资源下载地址1:https://pan.baidu.com/s/1iLnkkxMBXSGLI5VBnOSHkA

相关资源

网友留言