Python计算机视觉实战

　　《Python计算机视觉实战》以Python为平台，以“概述 案例”的方式系统地对计算机视觉进行实战分析。本书先介绍计算机视觉编程基础知识，接着介绍在各个领域利用Python解决计算机视觉问题，后通过两个经典案例综合分析计算机视觉应用。为了帮助读者更好地掌握相关知识，各章节都是通过概述与案例相结合的方式，让读者在掌握概念的同时举一反三，掌握程序设计的方法，利用程序设计解决实际问题。 《Python计算机视觉实战》适合计算机视觉初学者以及想深入研究Python计算机视觉的开发者阅读参考。

暂缺《Python计算机视觉实战》作者简介

第1章计算机视觉编程基础知识
1.1计算机视觉概述
1.1.1什么是计算机视觉
1.1.2发展现状
1.1.3计算机视觉用途
1.1.4相关学科
1.1.5计算机视觉的经典问题
1.2Python编程软件
1.2.1Python应用领域
1.2.2发展历程
1.2.3Python的安装
1.2.4使用pip安装第三方库
1.3几个常用库
1.3.1numpy库
1.3.2scipy库
1.3.3pandas库
1.3.4scikitlearn库
1.4Python图像处理类库
1.4.1转换图像格式
1.4.2创建缩略图
1.4.3复制并粘贴图像区域
1.4.4调整尺寸和旋转
1.5Matplotlib库
1.6Numpy图像处理
1.6.1灰度变换
1.6.2图像缩放
1.6.3直方图均衡化
1.6.4图像平均
1.6.5图像主成分分析
1.7Scipy图像处理
1.7.1图像模糊
1.7.2图像导数
1.7.3形态学
1.7.4io和misc模块
1.8图像降噪
第2章图像去雾技术
2.1空域图像增强
2.1.1空域低通滤波
2.1.2空域高通滤波器
2.2时域图像增强
2.3色阶调整去雾技术
2.3.1概述
2.3.2暗通道去雾原理
2.3.3暗通道去雾实例
2.4直方图均衡化去雾技术
2.4.1色阶调整原理
2.4.2自动色阶图像处理算法
第3章形态学的去噪
3.1图像去噪的方法
3.2数学形态学的原理
3.2.1腐蚀与膨胀
3.2.2开闭运算
3.2.3礼帽/黑帽操作
3.3形态学运算
3.3.1边缘检测定义
3.3.2检测拐角
3.4权重自适应的多结构形态学去噪
第4章霍夫变换检测
4.1霍夫检测直线
4.1.1霍夫检测直线的思想
4.1.2实际应用
4.2霍夫检测圆
第5章车牌分割定位识别
5.1基本概述
5.2车牌图像处理
5.2.1图像灰度化
5.2.2二值化
5.2.3边缘检测
5.2.4形态学运算
5.2.5滤波处理
5.3定位处理
5.4字符处理
5.4.1阈值分割
5.4.2阈值化分割
5.4.3归一化处理
5.4.4字符分割经典应用
5.5字符识别
5.5.1模板匹配的字符识别
5.5.2字符识别车牌经典应用
第6章分水岭实现医学诊断
6.1分水岭算法
6.1.1模拟浸水过程
6.1.2模拟降水过程
6.1.3过度分割问题
6.1.4标记分水岭算法
6.2分水岭医学诊断案例分析
第7章手写体数字识别
7.1卷积神经网络概述
7.1.1卷积神经网络结构 
7.1.2卷积神经网络的训练
7.1.3卷积神经网络识别手写体数字
7.2SVM识别手写体数字
7.2.1支持向量机的原理
7.2.2函数间隔
7.2.3几何间隔
7.2.4间隔化
7.2.5SVC识别手写体数字实例
第8章图片中英文识别
8.1OCR介绍
8.2OCR算法原理
8.2.1图像预处理
8.2.2图像分割
8.2.3特征提取和降维
8.2.4分类器
8.2.5算法步骤
8.3OCR识别经典应用
8.4获取验证码
第9章小波技术的图像视觉处理
9.1小波技术概述
9.2小波实现去噪
9.2.1小波去噪的原理
9.2.2小波去噪的方法
9.2.3小波去噪案例分析
9.3图像融合处理
9.3.1概述
9.3.2小波融合案例分析
第10章图像压缩与分割处理
10.1SVD图像压缩处理
10.1.1特征分解
10.1.2奇异值分解
10.1.3奇异值分解应用 
10.2PCA图像压缩处理
10.2.1概述
10.2.2主成分降维原理
10.2.3分矩阵重建样本
10.2.4主成分分析图像压缩
10.2.5主成分压缩图像案例分析
10.3KMeans聚类图像压缩处理
10.3.1KMeans算法的原理
10.3.2KMeans算法的要点
10.3.3KMeans算法的缺点
10.3.4KMeans聚类图像压缩案例分析
10.4KMeans聚类实现图像分割
10.4.1KMeans聚类分割灰度图像
10.4.2KMeans聚类对比分割彩色图像
第11章图像特征匹配
11.1相关概念
11.2图像匹配
11.2.1基于灰度的匹配
11.2.2基于模板的匹配
11.2.3基于变换域的匹配
11.2.4基于特征的匹配案例分析
第12章角点特征检测
12.1Harris的基本原理
12.2Harris算法流程
12.3Harris角点的性质
12.4Harris检测角点案例分析
12.5角点检测函数
12.6ShiTomasi角点检测
12.7FAST特征检测
第13章运动目标自动检测
13.1帧间差分法
13.1.1原理
13.1.2三帧差分法
13.1.3帧间差分法案例分析
13.2背景差分法
13.3光流法
第14章水印技术
14.1水印技术的概念
14.2数字水印技术的原理
14.3典型的数字水印算法
14.3.1空间域算法
14.3.2变换域算法
14.4数字水印攻击和评价
14.5水印技术案例分析
第15章大脑影像分析
15.1阈值分割
15.2区域生长
15.3基于阈值预分割的区域生长
15.4区域生长分割大脑影像案例分析
第16章自动驾驶应用
16.1理论基础
16.2环境感知
16.3行为决策
16.4路径规则
16.5运动控制
16.6自动驾驶案例分析
第17章目标检测
17.1RCNN系列
17.1.1RCNN算法概述
17.1.2RCNN的数据集实现
17.2YOLO检测
17.2.1概述
17.2.2统一检测
17.2.3基于OpenCV实现自动检测案例分析
第18章人机交互
18.1Tkinter GUI编程组件
18.2布局管理器
18.2.1Pack布局管理器
18.2.2Grid布局管理器
18.2.3Place布局管理器
18.3事件处理
18.3.1简单的事件处理
18.3.2事件绑定
18.4Tkinter常用组件
18.4.1ttk组件
18.4.2Variable类
18.4.3compound选项
18.4.4Entry和Text组件
18.4.5Radiobutton和Checkbutton组件
18.4.6Listbox和Combobox组件
18.4.7Spinbox组件
18.4.8Scale组件
18.4.9Labelframe组件
18.4.10OptionMenu组件
18.5菜单
18.5.1窗口菜单
18.5.2右键菜单
18.6Canvas绘图
第19章深度学习的应用
19.1理论部分
19.1.1分类识别
19.1.2目标检测的任务
19.2AlexNet网络及案例分析
19.3CNN拆分数据集案例分析
第20章视觉分析综合应用案例
20.1合金弹头游戏
20.1.1游戏界面组件
20.1.2增加“角色”
20.1.3合理绘制地图
20.1.4增加音效
20.1.5增加游戏场景
20.2停车场识别计费系统
20.2.1系统设计
20.2.2实现系统
参考文献