　　《Python計算機視覺編程》是計算機視覺編程的實踐指南，依賴Python語言講解瞭基礎理論與算法，並通過大量示例細緻分析瞭對象識彆、基於內容的圖像搜索、光學字符識彆、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並學會應用編程知識。
　　《Python計算機視覺編程》適閤的讀者是：有一定編程與數學基礎，想要瞭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。

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，技術圖書作傢，經常齣席各種計算機視覺、圖像分析、機器智能等國際會議並發錶演講。他主要關注3D重建、變分問題與優化、圖像分割與識彆、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。

內頁插圖

精彩書評

　　 “本書介紹瞭各種圖像分析工具，是瞭解計算機視覺編程的讀物。”
　　——James A. Cox，美國《中西部書評》（Midwest Book Review）總編輯

推薦序　XI
前言　XIII

第1章　基本的圖像操作和處理　1
1．1　PIL：Python圖像處理類庫　1
1．1．1　轉換圖像格式　2
1．1．2　創建縮略圖　3
1．1．3　復製和粘貼圖像區域　3
1．1．4　調整尺寸和鏇轉　3
1．2　Matplotlib　4
1．2．1　繪製圖像、點和綫　4
1．2．2　圖像輪廓和直方圖　6
1．2．3　交互式標注　7
1．3　NumPy　8
1．3．1　圖像數組錶示　8
1．3．2　灰度變換　9
1．3．3　圖像縮放　11
1．3．4　直方圖均衡化　11
1．3．5　圖像平均　13
1．3．6　圖像的主成分分析(PCA)　14
1．3．7　使用pickle模塊　16
1．4　SciPy　17
1．4．1　圖像模糊　18
1．4．2　圖像導數　19
1．4．3　形態學：對象計數　22
1．4．4　一些有用的SciPy模塊　23
1．5　高級示例：圖像去噪　24
練習　28
代碼示例約定　29

第2章　局部圖像描述子　31
2．1　Harris角點檢測器　31
2．2　SIFT(尺度不變特徵變換)　39
2．2．1　興趣點　39
2．2．2　描述子　39
2．2．3　檢測興趣點　40
2．2．4　匹配描述子　43
2．3　匹配地理標記圖像　47
2．3．1　從Panoramio下載地理標記圖像　47
2．3．2　使用局部描述子匹配　50
2．3．3　可視化連接的圖像　52
練習　54

第3章　圖像到圖像的映射　57
3．1　單應性變換　57
3．1．1　直接綫性變換算法　59
3．1．2　仿射變換　60
3．2　圖像扭麯　61
3．2．1　圖像中的圖像　63
3．2．2　分段仿射扭麯　67
3．2．3　圖像配準　70
3．3　創建全景圖　76
3．3．1　RANSAC　77
3．3．2　穩健的單應性矩陣估計　78
3．3．3　拼接圖像　81
練習　84

第4章　照相機模型與增強現實　85
4．1　針孔照相機模型　85
4．1．1　照相機矩陣　86
4．1．2　三維點的投影　87
4．1．3　照相機矩陣的分解　89
4．1．4　計算照相機中心　90
4．2　照相機標定　91
4．3　以平麵和標記物進行姿態估計　93
4．4　增強現實　97
4．4．1　PyGame和PyOpenGL　97
4．4．2　從照相機矩陣到OpenGL格式　98
4．4．3　在圖像中放置虛擬物體　100
4．4．4　綜閤集成　102
4．4．5　載入模型　104
練習　106

第5章　多視圖幾何　107
5．1　外極幾何　107
5．1．1　一個簡單的數據集　109
5．1．2　用Matplotlib繪製三維數據　111
5．1．3　計算F：八點法　112
5．1．4　外極點和外極綫　113
5．2　照相機和三維結構的計算　116
5．2．1　三角剖分　116
5．2．2　由三維點計算照相機矩陣　118
5．2．3　由基礎矩陣計算照相機矩陣　120
5．3　多視圖重建　122
5．3．1　穩健估計基礎矩陣　123
5．3．2　三維重建示例　125
5．3．3　多視圖的擴展示例　129
5．4　立體圖像　130
練習　135

第6章　圖像聚類　137
6．1　K-means聚類　137
6．1．1　SciPy聚類包　138
6．1．2　圖像聚類　139
6．1．3　在主成分上可視化圖像　140
6．1．4　像素聚類　142
6．2　層次聚類　144
6．3　譜聚類　152
練習　157

第7章　圖像搜索　159
7．1　基於內容的圖像檢索　159
7．2　視覺單詞　160
7．3　圖像索引　164
7．3．1　建立數據庫　164
7．3．2　添加圖像　165
7．4　在數據庫中搜索圖像　167
7．4．1　利用索引獲取候選圖像　168
7．4．2　用一幅圖像進行查詢　169
7．4．3　確定對比基準並繪製結果　171
7．5　使用幾何特性對結果排序　172
7．6　建立演示程序及Web應用　176
7．6．1　用CherryPy創建Web應用　176
7．6．2　圖像搜索演示程序　176
練習　179

第8章　圖像內容分類　181
8．1　K鄰近分類法(KNN)　181
8．1．1　一個簡單的二維示例　182
8．1．2　用稠密SIFT作為圖像特徵　185
8．1．3　圖像分類：手勢識彆　187
8．2　貝葉斯分類器　190
8．3　支持嚮量機　195
8．3．1　使用LibSVM　196
8．3．2　再論手勢識彆　198
8．4　光學字符識彆　199
8．4．1　訓練分類器　200
8．4．2　選取特徵　200
8．4．3　多類支持嚮量機　201
8．4．4　提取單元格並識彆字符　202
8．4．5　圖像校正　205
練習　206

第9章　圖像分割　209
9．1　圖割(Graph Cut)　209
9．1．1　從圖像創建圖　211
9．1．2　用戶交互式分割　216
9．2　利用聚類進行分割　218
9．3　變分法　224
練習　226

第10章　OpenCV　227
10．1　OpenCV的Python接口　227
10．2　OpenCV基礎知識　228
10．2．1　讀取和寫入圖像　228
10．2．2　顔色空間　228
10．2．3　顯示圖像及結果　229
10．3　處理視頻　232
10．3．1　視頻輸入　232
10．3．2　將視頻讀取到NumPy數組中　234
10．4　跟蹤　234
10．4．1　光流　235
10．4．2　Lucas-Kanade算法　237
10．5　更多示例　243
10．5．1　圖像修復　243
10．5．2　利用分水嶺變換進行分割　244
10．5．3　利用霍夫變換檢測直綫　245
練習　246

附錄A　安裝軟件包　247
A．1　NumPy和SciPy　247
A．1．1　Windows　247
A．1．2　Mac OS X　247
A．1．3　Linux　248
A．2　Matplotlib　248
A．3　PIL　248
A．4　LibSVM　249
A．5　OpenCV　249
A．5．1　Windows和Unix　249
A．5．2　Mac OS X　249
A．5．3　Linux　250
A．6　VLFeat　250
A．7　PyGame　250
A．8　PyOpenGL　250
A．9　Pydot　251
A．10　Python-graph　251
A．11　Simplejson　252
A．12　PySQLite　252
A．13　CherryPy　252

附錄B　圖像集　253
B．1　Flickr　253
B．2　Panoramio　254
B．3　牛津大學視覺幾何組　255
B．4　肯塔基大學識彆基準圖像　255
B．5　其他　256
B．5．1　Prague Texture Segmentation Datagenerator與基準　256
B．5．2　微軟研究院Grab Cut數據集　256
B．5．3　Caltech 101　256
B．5．4　靜態手勢數據庫　256
B．5．5　Middlebury Stereo數據集　256

附錄C　圖片來源　257
C．1　來自Flickr的圖像　257
C．2　其他圖像　258
C．3　插圖　258

參考文獻　259
索引　263

前言/序言

　　推薦序
　　計算機視覺是一門實踐性很強的課程，雖然已經有瞭不少教科書，但大多數都隻重視其中的理論和算法，很少有實踐指導書。因而對於學習者而言，如果希望在實踐中學習，往往需要編寫大量的程序。在這方麵，本書的齣版可以算是一個有效的補充，相信本書將成為計算機視覺學習者的一個重要參考。
　　作為一本麵嚮計算機視覺編程的書，本書涉及瞭這一學科中相對成熟並且被以往實踐驗證有效的部分典型算法，因而具有很好的實用性。例如第2 章描述子部分選擇瞭Harris 角點檢測器和SIFT 描述子及其實現加以介紹；第3 章則以全景圖的創建為例，給齣瞭RANSAC 的實現；第9 章圖像分割中討論瞭Graph Cut 的實現等。這些方法大多數具有很好的通用性，因而為讀者提供瞭一種實現範例。
　　本書的另一個特點是對介紹的單一方法，通過綜閤運用提升學習者靈活應用這些方法的能力。例如第4 章給齣的增強現實的例子，以及第8 章給齣的數獨圖像校正的例子。這些例子能夠幫助進一步提升學習者對前述方法的感性認識。
　　與早期計算機視覺領域多數程序都是由C/C++ 寫就的情形不同。隨著計算機硬件速度越來越快，研究者在考慮選擇實現算法語言的時候會更多地考慮編寫代碼的效率和易用性，而不是像早年那樣把算法的執行效率放在首位。這直接導緻近年來越來越多的研究者選擇Python 來實現算法。與此同時，Python 的開放性使不同領域的研究者能夠有機會在Python 中加入他們需要的特性，甚至可以納入Python 的標準庫，這也大大吸引瞭眾多研究者對Python 的參與。
　　本書的第三個特點是提供瞭與OpenCV 接口的介紹。這為利用OpenCV 中的資源提供瞭方便的途徑。
　　今天在計算機視覺領域，越來越多的研究者使用Python 開展研究。本書中文版的齣版一方麵能夠鼓勵更多的研究者采用這一語言，另一方麵則為Python 的學習者提供瞭一種嘗試不同領域算法的機會。
　　中國計算機學會副秘書長　陳熙霖
　　2014.4.21

Python計算機視覺編程下載 mobi epub pdf txt 電子書

Python計算機視覺編程 pdf epub mobi txt 電子書下載

想要找書就要到求知書站

tushu.tinynews.org

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!