一本書秒殺電腦視覺最新應用：80個Python大師級實例 ISBN13：9786267273531 出版社：深智數位 作者：張德豐 裝訂／頁數：平裝／528頁 規格：23cm*17cm*2.6cm (高/寬/厚) 版次：2 出版日：2023/06/21 內容簡介 ★★★★★【電腦視覺】、【80個Python大師級實例】★★★★★ 鷹眼王者的銳利捕捉，電腦視覺應用精準秒殺！ 本書技術重點 ✪Python電腦視覺基礎，包括常用的函數庫。 ✪各種去霧演算法、空域增強，時域增強，色階調整、Hough變換檢測。 ✪分割車牌處理、包括定位，字元處理及辨識。 ✪分水嶺演算法，用在醫學診斷。 ✪CNN及SVC手寫數字辨識、使用AlexNet。 ✪OCR原理及實作、小波技術處理。 ✪SVD、PCA、K-Means圖型壓縮原理。 ✪圖型搜尋、比對、角點特徵偵測、Harris演算法、FAST演算法。 ✪運動目標偵測、幀差分法、背景差分法、光流法。 ✪浮水印技術、大腦影像分析、閾值分割、區域生長實作。 ✪自動駕駛實作、包括環境感知、行為決策，路徑規劃及運動控制。 ✪物件偵測，包括RCNN及YOLO。 ✪視覺分析應用實例，包括Arcade Game製作，停車場自動車牌辨識系統開發。 本書特色 ◎   案例涵蓋面廣、實用、擴充性、可讀性強 本書以「概述+案例」的形式進行編寫，充分強調案例的實用性及程式的可擴充性，所選案例大多數來自日常生活中，應用性強。另外，書中每個案例的程式都經過偵錯與測試，同時程式碼中增加了大量的解釋說明，可讀性強。 ◎ 點線面完美結合，兼顧性強 本書點線面兼顧，涵蓋了數位影像處理中幾乎所有的基本模組，並涉及視訊處理、對位拼接、數位浮水印等進階影像處理方面的內容，全面講解了基於Python 進行電腦視覺應用的原理及方法，內容做到完美連結與統籌兼顧，讓讀者實現了由點到面進行發散性延伸。 目錄 1 電腦視覺程式設計基礎 1.1 電腦視覺的概述 1.2 Python 程式設計軟體 1.3 幾個常用函數庫 1.4 Python 影像處理類別庫 1.5 Matplotlib 函數庫 1.6 Numpy 影像處理 1.7 Scipy 影像處理 1.8 圖型降低雜訊   2 圖型去霧技術 2.1 空域圖型增強 2.2 時域圖型增強 2.3 色階調整去霧技術 2.4 長條圖均衡化去霧技術   3 形態學的去除雜訊 3.1 圖型去除雜訊的方法 3.2 數學形態學的原理 3.3 形態學運算 3.4 權重自我調整的多結構形態學去除雜訊   4 Hough 變換檢測 4.1 Hough 直線檢測 4.2 Hough 檢測圓   5 分割車牌定位辨識 5.1 基本概述 5.2 車牌影像處理 5.3 定位原理 5.4 字元處理 5.5 字元辨識   6 分水嶺實現醫學診斷 6.1 分水嶺演算法 6.2 分水嶺醫學診斷案例分析   7 手寫數字辨識 7.1 卷積神經網路的概述 7.2 SVC 辨識手寫數字   8 圖片中英文辨識 8.1 OCR 的介紹 8.2 OCR 演算法原理 8.3 OCR 辨識經典應用 8.4 獲取驗證碼   9 小波技術的圖型視覺處理 9.1 小波技術的概述 9.2 小波實現去除雜訊 9.3 圖型融合處理   10 圖型壓縮與分割處理 10.1 SVD 圖型壓縮處理 10.2 PCA 圖型壓縮處理 10.3 K-Means 聚類圖像壓縮處理 10.4 K-Means 聚類實現圖型分割   11 圖型特徵比對 11.1 相關概念 11.2 圖型比對   12 角點特徵檢測 12.1 Harris 的基本原理 12.2 Harris 演算法流程 12.3 Harris 角點的性質 12.4 Harris 檢測角點案例分析 12.5 角點檢測函數 12.6 Shi-Tomasi 角點檢測 12.7 FAST 特徵檢測   13 運動物件自動偵測 13.1 幀差分法 13.2 背景差分法 13.3 光流法   14 浮水印技術 14.1 浮水印技術的概念 14.2 數位浮水印技術的原理 14.3 典型的數位浮水印演算法 14.4 數位浮水印攻擊和評價 14.5 浮水印技術案例分析   15 大腦影像分析 15.1 閾值分割 15.2 區域生長 15.3 以閾值預分割為基礎的區域生長 15.4 區域生長分割大腦影像案例分析   16 自動駕駛應用 16.1 理論基礎 16.2 環境感知 16.3 行為決策 16.4 路徑規則 16.5 運動控制 16.6 自動駕駛案例分析   17 物件辨識 17.1 RCNN 系列 17.2 YOLO 檢測   18 人機互動 18.1 Tkinter GUI 程式設計元件 18.2 佈局管理器 18.3 事件處理 18.4 Tkinter 常用元件 18.5 選單 18.6 Canvas 繪圖   19 深度學習的應用 19.1 理論部分 19.2 AlexNet 網路及案例分析   20 視覺分析綜合應用案例 20.1 越南大戰遊戲 20.2 停車場辨識費率系統   參考文獻