《Python计算机视觉编程》

《Python计算机视觉编程》

基本信息

作者： (美)Jan Erik Solem

译者： 朱文涛 袁勇

丛书名： 图灵程序设计丛书

出版社：人民邮电出版社

ISBN：9787115352323

上架时间：2014-6-10

出版日期：2014 年7月

开本：16开

页码：1

版次：1-1

所属分类：计算机 > 软件与程序设计 > Python

更多关于》》》《Python计算机视觉编程》

编辑推荐

Amazon.com计算机视觉类图书第一名！

专门用Python讲解计算机视觉编程

内容简介

书籍

计算机书籍

《python计算机视觉编程》是计算机视觉编程的权威实践指南，依赖python语言讲解了基础理论与算法，并通过大量示例细致分析了对象识别、基于内容的图像搜索、光学字符识别、光流法、跟踪、三维重建、立体成像、增强现实、姿态估计、全景创建、图像分割、降噪、图像分组等技术。另外，书中附带的练习还能让读者巩固并学会应用编程知识。

《python计算机视觉编程》适合的读者是：有一定编程与数学基础，想要了解计算机视觉的基本理论与算法的学生，以及计算机科学、信号处理、物理学、应用数学和统计学、神经生理学、认知科学等领域的研究人员和从业者。

媒体评论

“本书介绍了各种图像分析工具，是了解计算机视觉编程的‘必备’读物。”

——James A. Cox，美国《中西部书评》（Midwest Book Review）总编辑

目录

《python计算机视觉编程》

推荐序 xi

前言 xiii

第1章基本的图像操作和处理 1

1.1pil：python图像处理类库 1

1.1.1转换图像格式 2

1.1.2创建缩略图 3

1.1.3复制和粘贴图像区域 3

1.1.4调整尺寸和旋转 3

1.2matplotlib 4

1.2.1绘制图像、点和线 4

1.2.2图像轮廓和直方图 6

1.2.3交互式标注 7

1.3numpy 8

1.3.1图像数组表示 8

1.3.2灰度变换 9

1.3.3图像缩放 11

1.3.4直方图均衡化 11

1.3.5图像平均 13

1.3.6图像的主成分分析（pca） 14

1.3.7使用pickle模块 16

1.4scipy 17

1.4.1图像模糊 18

1.4.2图像导数 19

1.4.3形态学：对象计数 22

1.4.4一些有用的scipy模块 23

1.5高级示例：图像去噪 24

练习 28

代码示例约定 29

第2章局部图像描述子 31

2.1harris角点检测器 31

2.2sift（尺度不变特征变换） 39

2.2.1兴趣点 39

2.2.2描述子 39

2.2.3检测兴趣点 40

2.2.4匹配描述子 43

2.3匹配地理标记图像 47

2.3.1从panoramio下载地理标记图像 47

2.3.2使用局部描述子匹配 50

2.3.3可视化连接的图像 52

练习 54

第3章图像到图像的映射 57

3.1单应性变换 57

3.1.1直接线性变换算法 59

3.1.2仿射变换 60

3.2图像扭曲 61

3.2.1图像中的图像 63

3.2.2分段仿射扭曲 67

3.2.3图像配准 70

3.3创建全景图 76

3.3.1ransac 77

3.3.2稳健的单应性矩阵估计 78

3.3.3拼接图像 81

练习 84

第4章照相机模型与增强现实 85

4.1针孔照相机模型 85

4.1.1照相机矩阵 86

4.1.2三维点的投影 87

4.1.3照相机矩阵的分解 89

4.1.4计算照相机中心 90

4.2照相机标定 91

4.3以平面和标记物进行姿态估计 93

4.4增强现实 97

4.4.1pygame和pyopengl 97

4.4.2从照相机矩阵到opengl格式 98

4.4.3在图像中放置虚拟物体 100

4.4.4综合集成 102

4.4.5载入模型 104

练习 106

第5章多视图几何 107

5.1外极几何 107

5.1.1一个简单的数据集 109

5.1.2用matplotlib绘制三维数据 111

5.1.3计算f：八点法 112

5.1.4外极点和外极线 113

5.2照相机和三维结构的计算 116

5.2.1三角剖分 116

5.2.2由三维点计算照相机矩阵 118

5.2.3由基础矩阵计算照相机矩阵 120

5.3多视图重建 122

5.3.1稳健估计基础矩阵 123

5.3.2三维重建示例 125

5.3.3多视图的扩展示例 129

5.4立体图像 130

练习 135

第6章图像聚类 137

6.1k-means聚类 137

6.1.1scipy聚类包 138

6.1.2图像聚类 139

6.1.3在主成分上可视化图像 140

6.1.4像素聚类 142

6.2层次聚类 144

6.3谱聚类 152

练习 157

第7章图像搜索 159

7.1基于内容的图像检索 159

7.2视觉单词 160

7.3图像索引 164

7.3.1建立数据库 164

7.3.2添加图像 165

7.4在数据库中搜索图像 167

7.4.1利用索引获取候选图像 168

7.4.2用一幅图像进行查询 169

7.4.3确定对比基准并绘制结果 171

7.5使用几何特性对结果排序 172

7.6建立演示程序及web应用 176

7.6.1用cherrypy创建web应用 176

7.6.2图像搜索演示程序 176

练习 179

第8章图像内容分类 181

8.1k邻近分类法（knn） 181

8.1.1一个简单的二维示例 182

8.1.2用稠密sift作为图像特征 185

8.1.3图像分类：手势识别 187

8.2贝叶斯分类器 190

8.3支持向量机 195

8.3.1使用libsvm 196

8.3.2再论手势识别 198

8.4光学字符识别 199

8.4.1训练分类器 200

8.4.2选取特征 200

8.4.3多类支持向量机 201

8.4.4提取单元格并识别字符 202

8.4.5图像校正 205

练习 206

第9章图像分割 209

9.1图割（graph cut） 209

9.1.1从图像创建图 211

9.1.2用户交互式分割 216

9.2利用聚类进行分割 218

9.3变分法 224

练习 226

第10章opencv 227

10.1opencv的python接口 227

10.2opencv基础知识 228

10.2.1读取和写入图像 228

10.2.2颜色空间 228

10.2.3显示图像及结果 229

10.3处理视频 232

10.3.1视频输入 232

10.3.2将视频读取到numpy数组中 234

10.4跟踪 234

10.4.1光流 235

10.4.2lucas-kanade算法 237

10.5更多示例 243

10.5.1图像修复 243

10.5.2利用分水岭变换进行分割 244

10.5.3利用霍夫变换检测直线 245

练习 246

附录a安装软件包 247

a.1numpy和scipy 247

a.1.1windows 247

a.1.2mac os x 247

a.1.3linux 248

a.2matplotlib 248

a.3pil 248

a.4libsvm 249

a.5opencv 249

a.5.1windows 和 unix 249

a.5.2mac os x 249

a.5.3linux 250

a.6vlfeat 250

a.7pygame 250

a.8pyopengl 250

a.9pydot 251

a.10python-graph 251

a.11simplejson 252

a.12pysqlite 252

a.13cherrypy 252

附录b图像集 253

b.1flickr 253

b.2panoramio 254

b.3牛津大学视觉几何组 255

b.4肯塔基大学识别基准图像 255

b.5其他 256

b.5.1prague texture segmentation datagenerator与基准 256

b.5.2微软研究院grab cut数据集 256

b.5.3caltech 101 256

b.5.4静态手势数据库 256

b.5.5middlebury stereo数据集 256

附录c图片来源 257

c.1来自flickr的图像 257

c.2其他图像 258

c.3插图 258

参考文献 259

索引 263

本图书信息来源:互动出版网