【簡介】
本書是一本視覺心理的入門書,作者從各家心理學說來探究知覺的內涵,範圍頗為廣博。舉凡物理光學、眼與腦的解剖和生理、視覺生理、視覺學習、視覺與藝術,本書都做了系統的介紹,與深入的探討。最特別的是,作者對錯覺的深究及其分類,尤其饒富趣味且具創見。凡是對視覺心理學、認知科學、視覺藝術、眼科醫學、光學、建築、人工智慧、特殊教育、甚至眼睛演化等有興趣的人,都可能在這本書中獲得意想不到的收穫與啟發。
本書第一版於1966年出版,1997年第五版問世,迄今它已被翻譯成十三種文字,其受肯定的程度可見一斑。有興趣的讀者必定不會入寶山而空手回的。
本書作者Richard Gregory 生於1923年倫敦,曾先後任教於英國劍橋大學實驗心理學系、愛丁堡大學人工智慧與認知學系、以及布里斯托大學醫學院與心理學系,教授的課程包括知覺、神經心理學、實驗心理學、認知科學、人工智慧、和科學研究法等。1970年他出版的另一本名著《The Intelligent Eye》,也已被翻譯為五種文字。
譯者簡介
瞿錦春
現任:瞿眼科診所負責人
學歷:國防醫學院醫學系學士
中華民國眼科專科醫師
曾任:台北榮民總醫院眼科住院醫師、總醫師
空軍總醫院眼科主任
國防醫學院眼科臨床講師
張芬芬
現任:臺北市立教育大學教育系、國民教育研究所、課程與教學研究所專任教授
學歷:國立台灣師範大學教育學博士
英國曼徹斯特大學訪問學者
曾任:國民中學、教育部、淡江大學
學術專長:質性研究法、師資培育、課程與教學
【目錄】
第1章 視覺面面觀
知覺的派典
第2章 光線
光是什麼?
第3章 眼睛
太始之初
眼內的影像
為自己造一付眼鏡
視網膜上的焦點
看看眼球的內部
由兩眼看到深度
第4章 腦
形狀與顏色的處理管道
用機器與大腦看東西
對大腦功能的造影
第5章 亮度視覺
暗-亮適應
對比
眼睛對光的敏感度
隨機的含意
神經能傳遞什麼?--唯特定性質而已
第6章 對移動物的視覺
「影像-網膜」移動偵測系統
「眼睛-頭顱」移動偵測系統
當我們轉動眼球時,為什麼不覺得世界在動?
移動的相對性
運動與距離
活體物的移動
電影及電視中的移動
看出因果關係
第7章 色覺
色盲
眼見豈只顏色而已
第8章 學習如何看東西
生理變化
對被擾亂的影像的適應
與適應有關的一些連結
文化差異
從眼盲到重獲視力
知覺與行為
嬰兒究竟看到什麼?
忘了如何去看
第9章 藝術的現實面
透視的再現
大小恆常的調整
暗影與影子
錯視畫的真相
第10章 錯覺
錯覺是什麼?
夢境與幻覺
歐普藝術-及所有的眩目畫
異常現象的分類
「透視性」變形失真的各種理論
藉曖昧性分開「由下而上」與「由上而下」
缺乏透視所造成的變形失真
對變形失真與深度的測量
錯覺的破除
矛盾悖理
虛構不實
第11章 推測
將錯覺放在它們該在的位置
錯覺的分類
心智的示意圖
意識是什麼?
看更多
立即查看
AI視覺:最強入門邁向頂尖高手 王者歸來 (1版)
類似書籍推薦給您
【簡介】
AI視覺
最強入門邁向頂尖高手
王者歸來【書籍內容】◎ 台灣作者第一本「AI視覺」專書!五大最強亮點
?1. AI 影像技術全解析,從入門到頂尖高手
?2. 影像不只是影像,讓 AI 賦予它智慧與靈魂
?3. 數學、演算法、函數與Python程式,三大學習核心,建立的AI影像專案
?4. AI 影像應用無極限,打造你的專屬智慧影像系統
?5. 最完整 AI 視覺學習資源,帶你進入與設計 AI 影像時代◎ AI視覺最強入門,從新手到頂尖高手!
在 AI 影像技術的浪潮下,你是否曾想過,如何讓影像處理不只是單純的圖像變換,而是賦予它智慧,讓程式「看見」並理解世界?本書 《AI視覺最強入門邁向頂尖高手》 將帶你從零開始,一步步掌握 AI 視覺的核心技術,讓你的影像程式不再只是空洞的代碼,而是充滿靈魂與創意的智慧應用!◎ 這本書,適合誰?
★ Python & AI 初學者:從影像基礎開始,循序漸進學習。
★ 影像處理 & OpenCV 愛好者:探索影像創意與高級應用。
★ 開發者 & 工程師:打造 AI 監控、人臉識別、物件追蹤專案。
★ 學生 & 研究人員:數學 + 演算法 + OpenCV,全方位掌握 AI 視覺技術。◎ AI 影像技術,從基礎到進階
★ 影像處理基礎:影像讀取、色彩空間(BGR、RGB、HSV)、影像儲存與計算。
★ 影像創意與特效:數位浮水印、動態影像(GIF、MP4)、藝術畫作設計。
★ 影像增強與變換:圖像去霧、濾波降噪、傅立葉變換、直方圖對比度增強。
★ AI 影像識別應用:手寫數字辨識、人臉偵測、車牌識別、醫學影像分析。
★ AI 監控與自動追蹤:動態車道偵測、AI 監控系統、模板匹配物件搜尋。◎ 為什麼選擇這本書?
★ 獨家「三步驟」學習法:
★ 數學原理 → 演算法邏輯 → Python x OpenCV x MediaPipe 實作,讓你學得深入又靈活應用!
★ 從基礎到高階 AI 視覺應用,完整解構影像處理技術!
★ 結合 OpenCV x MediaPipe x Python,打造創新影像應用專案!◎ AI 影像技術,開啟無限可能!
影像處理與 AI 的結合,正顛覆我們的世界。無論是攝影特效、醫學影像、智慧監控還是自動駕駛,AI 視覺技術都是未來不可或缺的核心技能。現在,就是你踏入這個領域的最佳時機!☆立即入手《AI視覺最強入門邁向頂尖高手》,解鎖影像處理的無限可能,讓你的程式擁有真正的智慧與創意!☆
【目錄】
第1章 影像的讀取、顯示與儲存
1-0 建議閱讀書籍
1-1 程式導入OpenCV 模組
1-1-1 安裝主要模組
1-1-2 擴展模組安裝
1-1-3 導入模組
1-1-4 OpenCV 版本
1-2 讀取影像檔案
1-2-1 影像讀取imread( ) 的語法
1-2-2 可讀取的影像格式
1-3 顯示影像與關閉影像視窗
1-3-1 使用OpenCV 顯示影像
1-3-2 關閉OpenCV 視窗
1-3-3 等待按鍵的事件
1-3-4 建立OpenCV 影像視窗
1-4 儲存影像第2章 認識影像表示方法
2-1 位元影像表示法
2-2 GRAY 色彩空間
2-3 RGB 色彩空間
2-3-1 由色彩得知RGB 通道值
2-3-2 使用RGB 通道值獲得色彩區塊
2-3-3 RGB 彩色像素的表示法
2-4 BGR 色彩空間
2-5 獲得影像的屬性
2-6 像素的BGR 值
2-6-1 讀取特定灰階影像像素座標的BGR 值
2-6-2 讀取特定彩色影像像素座標的BGR 值
2-6-3 修改特定影像像素座標的BGR 值第3章 學習OpenCV 需要的Numpy 知識
3-1 陣列ndarray
3-2 Numpy 的資料型態
3-3 建立一維或多維陣列
3-3-1 認識ndarray 的屬性
3-3-2 使用array( ) 建立一維陣列
3-3-3 使用array( ) 函數建立多維陣列
3-3-4 使用zeros( ) 建立內容是0 的多維陣列
3-3-5 使用ones( ) 建立內容是1 的多維陣列
3-3-6 使用empty( ) 建立未初始化的多維陣列
3-3-7 使用random.randint( ) 建立隨機數內容的多維陣列
3-3-8 使用arange( ) 函數建立陣列數據
3-3-9 使用reshape( ) 函數更改陣列形式
3-4 一維陣列的運算與切片
3-4-1 一維陣列的四則運算
3-4-2 一維陣列的關係運算子運算
3-4-3 陣列切片
3-4-4 使用參數copy=True 複製數據
3-4-5 使用copy( ) 函數複製陣列
3-5 多維陣列的索引與切片
3-5-1 認識axis 的定義
3-5-2 多維陣列的索引
3-5-3 多維陣列的切片
3-6 陣列水平與垂直合併
3-6-1 陣列垂直合併vstack( )
3-6-2 陣列水平合併hstack( )第4章 認識色彩空間到藝術創作
4-1 BGR 與RGB 色彩空間的轉換
4-2 BGR 色彩空間轉換至GRAY 色彩空間
4-2-1 使用cvtColor( ) 函數
4-2-2 OpenCV 內部轉換公式
4-3 HSV 色彩空間
4-3-1 認識HSV 色彩空間
4-3-2 將影像由BGR 色彩空間轉為HSV 色彩空間
4-3-3 將RGB 色彩轉換成HSV 色彩公式
4-4 拆分色彩通道
4-4-1 拆分BGR 影像的通道
4-4-2 拆分HSV 影像的通道
4-5 合併色彩通道
4-5-1 合併B、G、R 通道的影像
4-5-2 合併H、S、V 通道的影像
4-6 拆分與合併色彩通道的應用
4-6-1 色調Hue 調整
4-6-2 飽和度Saturation 調整
4-6-3 明度Value 調整
4-7 alpha 通道第5章 妙手空空建立影像
5-1 影像座標
5-2 建立與編輯灰階影像
5-2-1 建立灰階影像
5-2-2 編輯灰階影像
5-2-3 使用隨機數建立灰階影像
5-3 建立彩色影像第6章 影像處理的基礎知識
6-1 灰階影像的編輯
6-1-1 自創灰階影像與編輯的基礎實例
6-1-2 讀取灰階影像與編輯的實例
6-2 彩色影像的編輯
6-2-1 了解彩色影像陣列的結構
6-2-2 自創彩色影像與編輯的實例
6-2-3 讀取彩色影像與編輯的實例
6-3 編輯含alpha 通道的彩色影像
6-4 影像感興趣區域的編輯
6-4-1 擷取影像感興趣區塊
6-4-2 建立影像馬賽克效果
6-4-3 感興趣區塊在不同影像間移植
6-5 負片影像處理
6-5-1 負片的基本概念與應用
6-5-2 負片應用在灰階影像
6-5-3 負片應用在彩色影像
6-5-4 ROI 負片處理第7章 從靜態到動態的繪圖功能
7-1 建立畫布
7-2 繪製直線
7-3 畫布背景色彩的設計
7-3-1 單區塊的底部色彩
7-3-2 建立含底色圖案的畫布
7-3-3 漸層色背景設計
7-4 繪製矩形
7-5 繪製圓
7-5-1 繪製圓的基礎知識
7-5-2 隨機色彩的應用
7-6 繪製橢圓或橢圓弧度
7-7 繪製多邊形
7-8 輸出文字
7-8-1 預設英文字輸出
7-8-2 中文字輸出
7-9 反彈球的設計
7-10 滑鼠事件
7-10-1 OnMouseAction( )
7-10-2 setMouseCallback( )
7-10-3 建立隨機圓
7-10-4 滑鼠與鍵盤的混合應用
7-11 滾動條的設計
7-12 滾動條當作開關的應用第8章 影像計算邁向影像創作
8-1 影像加法運算
8-1-1 使用add( ) 函數執行影像加法運算
8-1-2 使用數學加法 + 符號執行影像加法運算
8-1-3 加總B、G、R 原色的實例
8-2 遮罩mask
8-2-1 遮罩的基本概念
8-2-2 遮罩的應用場景
8-3 重複曝光技術
8-3-1 影像的加權和觀念
8-3-2 OpenCV 的影像加權和方法
8-4 影像的位元運算
8-4-1 邏輯的and 運算
8-4-2 邏輯的or 運算
8-4-3 邏輯的not 運算
8-4-4 邏輯的xor 運算
8-5 影像加密與解密
8-6 動態影像GIF 設計
8-6-1 移動遮罩的設計與應用
8-6-2 保存為 GIF 動畫
8-7 設計MP4 影片檔案
8-7-1 MP4 檔案設計步驟
8-7-2 MP4 影片實作第9章 閾值處理邁向數位情報
9-1 threshold( ) 函數
9-1-1 基礎語法
9-1-2 二值化處理THRESH_BINARY 與現代情報戰
9-1-3 反二值化處理THRESH_BINARY_INV
9-1-4 截斷閾值處理THRESH_TRUNC
9-1-5 低閾值用0 處理THRESH_TOZERO
9-1-6 高閾值用0 處理THRESH_TOZERO_INV
9-2 Otsu 演算法
9-3 自適應閾值方法adaptiveThreshold( ) 函數
9-4 平面圖的分解
9-5 隱藏在影像內的數位浮水印
9-5-1 驗證最低有效位元對影像沒有太大的影響
9-5-2 建立數位浮水印
9-5-3 取得原始影像的row 和column
9-5-4 建立像素值是254 的提取矩陣
9-5-5 取得原始影像的高7 位影像
9-5-6 建立浮水印影像
9-5-7 將浮水印影像嵌入原始影像
9-5-8 擷取浮水印影像
9-6 動態展示影像處理過程第10章 影像的幾何變換
10-1 認識幾何變換
10-2 影像縮放效果
10-2-1 使用dsize 參數執行影像縮放
10-2-2 使用fx 和fy 執行影像的縮放
10-3 影像翻轉
10-4 影像仿射
10-4-1 仿射的數學基礎
10-4-2 仿射的函數語法
10-4-3 影像平移
10-4-4 影像旋轉
10-4-5 影像傾斜
10-5 影像透視
10-6 重映射
10-6-1 解說map1 和map2
10-6-2 影像複製
10-6-3 垂直翻轉
10-6-4 水平翻轉的實例
10-6-5 影像縮放
10-6-6 影像垂直壓縮
10-7 重映射創意應用 - 波浪效果
10-7-1 波浪效果
10-7-2 設計波浪動畫第11章 影像除噪與平滑技術
11-1 建立平滑影像需認識的名詞
11-1-1 濾波核
11-1-2 影像噪音
11-1-3 刪除噪音
11-2 均值濾波器
11-2-1 理論基礎
11-2-2 像素位於邊界的考量
11-2-3 濾波核與卷積
11-2-4 均值濾波器函數
11-3 方框濾波器
11-3-1 理論基礎
11-3-2 方框濾波器函數
11-4 中值濾波器
11-4-1 理論基礎
11-4-2 中值濾波器函數
11-5 高斯濾波器
11-5-1 理論基礎
11-5-2 高斯濾波器函數
11-6 雙邊濾波器
11-6-1 理論基礎
11-6-2 雙邊濾波器函數
11-7 2D 濾波核
11-8 創意應用 – 圖像油畫效果模擬第12章 數學形態學
12-1 腐蝕(Erosion)
12-1-1 理論基礎
12-1-2 腐蝕函數
12-2 膨脹(Dilation)
12-2-1 理論基礎
12-2-2 膨脹函數dilate( )
12-3 OpenCV 應用在數學形態學的通用函數
12-4 開運算(Opening)
12-4-1 開運算於AI 視覺場景的應用
12-4-2 開運算的程式應用
12-5 閉運算(Closing)
12-5-1 閉運算與開運算功能差異
12-5-2 閉運算在 AI 視覺中的應用場景
12-5-3 閉運算的程式應用
12-6 形態學梯度(Morphological gradient)
12-6-1 形態學梯度的作用與影響
12-6-2 形態學梯度在 AI 視覺中的場景應用
12-6-3 閉運算的程式應用
12-7 禮帽運算(tophat)
12-7-1 禮帽運算的特色與影響
12-7-2 禮帽運算在 AI 視覺中的場景應用
12-7-3 禮帽運算的程式應用
12-8 黑帽運算(blackhat)
12-8-1 黑帽運算的特色與影響
12-8-2 黑帽運算在 AI 視覺中的場景應用
12-8-3 黑帽運算的程式應用
12-9 核函數第13章 影像梯度與邊緣偵測
13-1 影像梯度的基礎觀念
13-1-1 直覺方法認識影像邊界
13-1-2 認識影像梯度
13-1-3 機器視覺
13-2 OpenCV 函數Sobel( )
13-2-1 Sobel 運算子
13-2-2 使用Sobel 運算子計算x 軸方向影像梯度
13-2-3 使用Sobel 運算子計算y 軸方向影像梯度
13-2-4 Sobel( ) 函數
13-2-5 考量ddepth 與取絕對值函數convertScaleAbs( )
13-2-6 x 軸方向的影像梯度
13-2-7 y 軸方向的影像梯度
13-2-8 x 軸和y 軸影像梯度的融合
13-3 OpenCV 函數Scharr( )
13-3-1 Scharr 算子
13-3-2 Scharr( ) 函數
13-4 OpenCV 函數Laplacian( )
13-4-1 二階微分
13-4-2 Laplacian 運算子
13-4-3 Laplacian( ) 函數
13-5 Canny 邊緣檢測
13-5-1 認識Canny 邊緣檢測
13-5-2 Canny 演算法的步驟
13-5-3 Canny( ) 函數
13-6 灰階圖像在邊緣檢測中的優勢第14章 影像金字塔
14-1 影像金字塔的原理
14-1-1 認識層次(level) 名詞
14-1-2 基礎理論
14-1-3 濾波器與採樣
14-1-4 高斯濾波器與向下採樣
14-1-5 向上採樣
14-1-6 影像失真
14-2 OpenCV 的pyrDown( ) 函數
14-3 OpenCV 的pyrUp( ) 函數
14-4 採樣逆運算的實驗
14-4-1 影像相加與相減
14-4-2 反向運算的結果觀察
14-5 拉普拉斯金字塔(Laplacian Pyramid, LP)
14-6 影像金字塔的應用與老照片修復實作
14-6-1 影像金字塔的應用
14-6-2 修復老舊照片原理解釋
14-6-3 實作老照片修復第15章 輪廓的檢測與匹配
15-1 影像內圖形的輪廓
15-1-1 找尋圖形輪廓findContours( )
15-1-2 繪製圖形的輪廓
15-2 繪製影像內圖形輪廓的系列實例
15-2-1 找尋與繪製影像內圖形輪廓的基本應用
15-2-2 認識findCountours( ) 函數的回傳值contours
15-2-3 輪廓索引contoursIdx
15-2-4 輪廓的外形與特徵提取
15-2-5 輪廓內有輪廓
15-2-6 繪製一般影像的圖形輪廓
15-2-7 輪廓動畫
15-3 輪廓層級Hierarchy
15-3-1 輪廓層級的基本觀念
15-3-2 檢測模式RETR_EXTERNAL
15-3-3 檢測模式RETR_LIST
15-3-4 檢測模式RETR_CCOMP
15-3-5 檢測模式RETR_TREE
15-3-6 輪廓層級的創意場景
15-4 輪廓的特徵 – 影像矩(Image moments)
15-4-1 矩特徵moments( ) 函數
15-4-2 基礎影像矩推導 – 輪廓質心
15-4-3 影像矩實例
15-4-4 計算輪廓面積
15-4-5 計算輪廓周長
15-5 輪廓外形的匹配 – Hu 矩
15-5-1 OpenCV 計算Hu 矩的函數
15-5-2 第0 個Hu 矩的公式驗證
15-5-3 輪廓匹配
15-6 再談輪廓外形匹配
15-6-1 建立形狀場景距離
15-6-2 Hausdorff 距離第16章 輪廓擬合與凸包的相關應用
16-1 輪廓的擬合
16-1-1 矩形包圍
16-1-2 最小包圍矩形
16-1-3 最小包圍圓形
16-1-4 最優擬合橢圓
16-1-5 最小包圍三角形
16-1-6 近似多邊形
16-1-7 最優擬合直線
16-2 凸包
16-2-1 獲得凸包
16-2-2 凸缺陷
16-3 輪廓的幾何測試
16-3-1 測試輪廓包圍線是否凸形
16-3-2 計算任意座標點與輪廓包圍線的最短距離
16-4 創意應用第17章 輪廓的特徵
17-1 寬高比(Aspect Ratio)
17-2 輪廓的極點
17-2-1 認識輪廓點座標
17-2-2 Numpy 模組的argmax( ) 和argmin( ) 函數
17-2-3 找出輪廓極點座標
17-3 Extent
17-4 Solidity
17-5 等效直徑(Equivalent Diameter)
17-6 遮罩和非0 像素點的座標訊息
17-6-1 使用Numpy 的陣列模擬獲得非0 像素點座標訊息
17-6-2 獲得空心與實心非0 像素點座標訊息
17-6-3 使用OpenCV 函數獲得非0 像素點座標訊息
17-7 找尋影像物件最小值與最大值與他們的座標
17-7-1 從陣列找最大值與最小值和他們的座標
17-7-2 影像實作與醫學應用說明
17-8 計算影像的像素的均值與標準差
17-8-1 計算影像的像素均值
17-8-2 影像的像素均值簡單實例
17-8-3 使用遮罩觀念計算像素均值
17-8-4 計算影像的像素標準差
17-9 方向
17-10 輪廓動態創意設計
17-10-1 圓形輪廓動畫
17-10-2 不規則外形的外框收縮
17-10-3 動畫標記像素點第18章 自動駕駛車道檢測
18-1 霍夫變換的基礎原理解說
18-1-1 認識笛卡兒座標與霍夫座標
18-1-2 映射
18-1-3 認識極座標的基本定義
18-1-4 霍夫變換與極座標
18-2 HoughLines( ) 函數
18-3 HoughLinesP( ) 函數
18-4 霍夫圓環變換檢測
18-5 高速公路車道檢測
18-5-1 高速公路車道檢測
18-5-2 優化版的車道檢測 - 均值左右車道線第19章 直方圖均衡化 - 增強影像對比度
19-1 認識直方圖
19-1-1 認識直方圖
19-1-2 正規化直方圖
19-2 繪製直方圖
19-2-1 使用matplotlib 繪製直方圖
19-2-2 使用OpenCV 取得直方圖數據
19-2-3 繪製彩色影像的直方圖
19-2-4 繪製遮罩的直方圖
19-3 直方圖均衡化
19-3-1 直方圖均衡化演算法
19-3-2 直方圖均衡化equalizeHist( )
19-3-3 直方圖均衡化應用在彩色影像
19-4 限制自適應直方圖均衡化方法
19-4-1 直方圖均衡化的優缺點
19-4-2 直方圖均衡化的缺點實例
19-4-3 自適應直方圖函數createCLAHE( ) 和apply( ) 函數
19-5 區域化直方圖增強技術第20章 模板匹配Template Matching
20-1 模板匹配的基礎觀念
20-2 模板匹配函數matchTemplate( )
20-2-1 認識匹配函數matchTemplate( )
20-2-2 模板匹配結果
20-2-3 TM_SQDIFF_NORMED 模板匹配結果
20-3 單模板匹配
20-3-1 回顧minMaxLoc( ) 函數
20-3-2 單模板匹配的實例
20-3-3 找出比較接近的影像
20-3-4 多目標匹配的實例
20-3-5 在地圖搜尋山脈
20-3-6 計算距離最近的機場
20-4 多模板匹配第21章 傅立葉(Fourier) 變換
21-1 數據座標軸轉換的基礎知識
21-2 傅立葉基礎理論
21-2-1 認識傅立葉(Fourier)
21-2-2 認識弦波
21-2-3 正弦函數的時域圖與頻率域圖
21-2-4 傅立葉變換理論基礎
21-3 使用Numpy 執行傅立葉變換
21-3-1 實作傅立葉變換
21-3-2 逆傅立葉變換
21-4 訊號與濾波器
21-4-1 高頻訊號與低頻訊號
21-4-2 高通濾波器與低通濾波器
21-5 使用OpenCV 完成傅立葉變換
21-5-1 使用dft( ) 函數執行傅立葉變換
21-5-2 使用OpenCV 執行逆傅立葉運算
21-5-3 低通濾波器
21-6 低通濾波器的藝術創作第22章 影像分割使用分水嶺演算法
22-1 影像分割基礎
22-2 分水嶺演算法與OpenCV 官方推薦網頁
22-2-1 認識分水嶺演算法
22-2-2 OpenCV 官方推薦網頁
22-3 分水嶺演算法步驟1 – 認識distanceTransform( )
22-4 分水嶺演算法步驟2 – 找出未知區域
22-5 分水嶺演算法步驟3 – 建立標記
22-6 完成分水嶺演算法
22-7 分水嶺演算法專案 – 複雜圖像分割第23章 影像擷取
23-1 認識影像擷取的原理
23-2 OpenCV 的grabCut( ) 函數
23-3 grabCut( ) 基礎實作
23-4 自定義遮罩實例
23-5 影像擷取創意應用
23-5-1 更換影像背景
23-5-2 模糊背景凸顯主題第24章 影像修復- 搶救蒙娜麗莎的微笑
24-1 影像修復的演算法
24-1-1 Navier-Stroke 演算法
24-1-2 Alexander 演算法
24-1-3 Navier-Strokes 與Alexander 演算法的比較
24-2 影像修復的函數inpaint( )
24-3 修復蒙娜麗莎的微笑
24-4 局部修復圖像第25章 辨識手寫數字
25-1 認識KNN 演算法
25-1-1 數據分類的基礎觀念
25-1-2 手寫數字的特徵
25-1-3 不同數字特徵值的比較
25-1-4 手寫數字分類原理
25-1-5 簡化特徵比較
25-2 認識Numpy 與KNN 演算法相關的知識
25-2-1 Numpy 的ravel( ) 函數
25-2-2 Numpy 的flatten( ) 函數
25-2-3 數據分類
25-2-4 建立與分類30 筆訓練數據
25-3 OpenCV 的KNN 演算法函數
25-3-1 基礎實作
25-3-2 更常見的分類
25-4 有關手寫數字識別的Numpy 基礎知識
25-4-1 vsplit( ) 垂直方向分割數據
25-4-2 hsplit( ) 水平方向分割數據
25-4-3 元素重複repeat( )
25-5 識別手寫數字
25-5-1 實際設計識別手寫數字
25-5-2 儲存訓練和分類數據
25-5-3 下載訓練和分類數據第26章 OpenCV 的攝影功能
26-1 啟用攝影機功能VideoCapture 類別
26-1-1 初始化VideoCapture
26-1-2 檢測攝影功能是否開啟成功
26-1-3 讀取攝影鏡頭的影像
26-1-4 關閉攝影功能
26-1-5 讀取影像的基礎實例
26-1-6 影像翻轉
26-1-7 保存某一時刻的幀
26-2 使用VideoWriter 類別執行錄影
26-3 播放影片
26-3-1 播放所錄製的影片
26-3-2 播放iPhone 所錄製的影片
26-3-3 灰階播放影片
26-3-4 暫停與繼續播放
26-3-5 更改顯示視窗大小
26-4 認識攝影功能的屬性
26-4-1 獲得攝影功能的屬性
26-4-2 設定攝影功能的屬性
26-4-3 顯示影片播放進度
26-4-4 裁剪影片
26-5 車道辨識影片專題
26-5-1 取得車道辨識影片
26-5-2 車道辨識影片程式實作第27章 認識物件偵測原理與資源檔案
27-1 物件偵測原理
27-1-1 階層分類器原理
27-1-2 Haar 特徵緣由
27-1-3 哈爾特徵原理
27-2 找尋OpenCV 的資源檔案來源
27-3 認識資源檔案
27-4 人臉的偵測
27-4-1 臉形階層式分類器資源檔
27-4-2 基礎臉形偵測程式
27-4-3 史上最牛的物理科學家合照
27-5 偵測側面的人臉
27-5-1 基礎觀念
27-5-2 側面臉形偵測
27-6 路人偵測
27-6-1 路人偵測
27-6-2 下半身的偵測
27-6-3 上半身的偵測
27-7 眼睛的偵測
27-7-1 眼睛分類器資源檔
27-7-2 偵測雙眼實例
27-7-3 偵測左眼與右眼的實例
27-8 偵測貓臉
27-9 俄羅斯車牌辨識
27-10 AI 監控系統設計專題
27-10-1 圖像人臉標記
27-10-2 影片人臉標記
27-10-3 影片人臉標記用MP4 紀錄過程
27-10-4 AI 監控系統設計第28章 攝影機與人臉檔案
28-1 擷取相同大小的人臉存檔
28-2 使用攝影機擷取人臉影像
28-3 自動化攝影和擷取人像
28-4 半自動拍攝多張人臉的實例
28-5 全自動拍攝人臉影像第29章 人臉辨識
29-1 LBPH 人臉辨識
29-1-1 LBP(Local Binary Patterns)基本概念
29-1-2 LBPH(Local Binary Patterns Histograms)步驟
29-1-3 LBPH 用於人臉辨識的優點
29-1-4 LBPH 可能的侷限性
29-1-5 LBPH 函數解說
29-1-6 簡單的人臉辨識程式實作
29-1-7 繪製LBPH 直方圖
29-1-8 人臉識別實務 – 儲存與開啟訓練數據
29-1-9 結論
29-2 Eigenfaces 人臉辨識
29-2-1 Eigenfaces 原理思維
29-2-2 「Eigenfaces」如何表示臉部
29-2-3 優點與侷限
29-2-4 Eigenfaces 函數解說
29-2-5 簡單的人臉辨識程式實作
29-2-6 結論
29-3 Fisherfaces 人臉辨識
29-3-1 緣由與目標
29-3-2 主要步驟
29-3-3 Fisherface 與 Eigenfaces 的比較
29-3-4 Fisherfaces 函數解說
29-3-5 簡單的人臉辨識程式實作
29-3-6 總結
29-4 專題實作 - 建立員工人臉識別登入系統
29-4-1 建立與訓練人臉資料庫 – ch29_6.py
29-4-2 員工人臉識別 – ch29_7.py
29-5 專題實作 - AI 監控與人臉辨識第30章 建立哈爾特徵分類器- 車牌辨識
30-1 準備正樣本與負樣本影像資料
30-1-1 準備正樣本影像 – 含汽車車牌影像
30-1-2 準備負樣本影像 – 不含汽車車牌影像
30-2 處理正樣本影像
30-2-1 將正樣本影像處理成固定寬度與高度
30-2-2 將正樣本影像轉成bmp 檔案
30-3 處理負樣本影像
30-4 建立辨識車牌的哈爾(Haar) 特徵分類器
30-4-1 下載建立哈爾特徵分類器工具
30-4-2 儲存正樣本影像
30-4-3 儲存負樣本影像
30-4-4 為正樣本加上標記
30-4-5 設計程式顯示標記
30-5 訓練辨識車牌的哈爾特徵分類器
30-5-1 建立向量檔案
30-5-2 訓練哈爾分類器
30-5-3 建立哈爾特徵分類器資源檔
30-6 車牌偵測
30-7 心得報告第31章 車牌辨識
31-1 擷取所讀取的車牌影像
31-2 使用Tesseract OCR 執行車牌辨識
31-3 偵測車牌與辨識車牌
31-4 二值化處理車牌
31-5 形態學的開運算處理車牌
31-6 車牌辨識心得第32章 MediaPipe 手勢偵測與應用解析
32-1 MediaPipe 是什麼
32-1-1 Google 的影像處理解決方案
32-1-2 為什麼要用 MediaPipe
32-2 初探 MediaPipe Hands 模組
32-2-1 MediaPipe Hands 功能概覽
32-2-2 21 個關鍵點的座標定義與排列
32-2-3 如何判斷手勢
32-2-4 偵測手勢的原理
32-3 剪刀、石頭、布的程式設計思路
32-3-1 手指伸直判斷
32-3-2 程式流程規劃
32-3-3 與 OpenCV 的整合繪製
32-4 偵測手語繪製關節
32-4-1 初始化MediaPipe Hands 物件
32-4-2 建立Hands 物件
32-4-3 hands.process( ) 函數用法
32-4-4 mp_drawing.draw_landmarks( ) 函數用法
32-5 專題實作 - 剪刀、石頭與布附錄A OpenCV 函數、名詞與具名常數索引表
原價:
1280
售價:
1152
現省:
128元
立即查看
風險管理制度與實務(2025年版) (1版)
類似書籍推薦給您
【簡介】
本書不是專為「風險管理部門」而寫,也不涉及該風管部門使用的統計方法與工具,除因相關領域的書本已很多外,秉持的信念是:「金融機構的風險管理應涵蓋所有業務、包括任何成員,不一定要量化所有問題,看不見的往往比看見的重要」。因此,將本書讀者定位在金融機構的所有部門之從業人員,是風險管理的入門書籍,也期待是各銀行教育訓練「風險管理儲備人才」、「中高階業務主管」的理想教材,適合金融機構從業人員及大專院校財金系所師生入門參考,除作為「風險管理基本能力測驗」參考用書外,亦能作為各銀行「風險管理儲備人才」、「中高階業務主管」教育訓練之理想教材。
【目錄】
第一章 風險類別概述
第二章 風險管理的價值體系、功能與組織運作
第三章 責任中心制度、作業成本與轉撥價格
第四章 企業金融業務與信用評等制度
第五章 消費金融業務與信用評等制度
第六章 信用評等機構的信用評等制度
第七章 授信對象的經營特性與風險限額
第八章 授信特徵與產業別的集中性風險
第九章 國家風險與國家主權評等
第十章 商業銀行與票券金融公司的資本適足率管理
第十一章 證券金融、保險與金融控股公司的資本適足率管理
第十二章 商業銀行的信用風險管理(一)
第十三章 商業銀行的信用風險管理(二)
第十四章 商業銀行的市場風險管理
第十五章 商業銀行的流動性風險與利率風險管理
第十六章 商業銀行的作業風險管理
立即查看
由法院判決看透都市更新與危老 (1版)
類似書籍推薦給您
【簡介】
目前台灣房屋在屋齡三十年以上的老舊建築物已經過半,台北市尤其嚴重,加速老屋重建刻不容緩,近年來都市更新與危老重建更是頻繁出現在周遭生活之中,多數老舊建物的所有權人都有收到過建商邀請的都更說明會,往往對其所說規劃方案,是既期待又怕受傷害。
本書參考一般都更契約內的條文要點列出大綱主軸,說明都市更新事業計畫核定前的政策與執行程序及核定後進入開發階段的種種注意事項,並整理主管機關相關解釋函文、相關爭議項目法院之判決觀點,期望都更過程中的從業人員、建商及地主等能夠更有效率克服歧見,加速改建城市市容環境,創造更美好未來生活環境。
【目錄】
‧第一章 概述/1
‧第二章 更新地區及更新單元/17
一、劃定更新地區/20
二、劃定更新單元/26
‧第三章 實施者/39
一、政府主導都市更新/42
二、民間辦理都市更新/43
‧第四章 計畫及程序/49
一、各階段計畫與內容/52
1.事業概要/52
2.都市更新事業計畫/56
3.權利變換計畫/77
二、資訊公開/82
三、專業審議/96
‧第五章 實施方式/99
一、權利變換/108
1.權利變換的意義/108
2.權利價值/115
3.共同負擔/128
4.選配與找補/133
二、協議合建/150
1.合建契約/151
2.選配與找補/153
三、部分權變、部分合建/168
‧第六章 獎助/179
一、容積獎勵/180
二、稅捐減免/189
‧第七章 保證金及信託管理/203
一、保證金/204
二、信託管理/205
‧第八章 騰空點交房地/213
一、主管機關代為拆遷/215
二、請求遷讓房屋/231
‧第九章 租金補貼/235
‧第十章 工程施作/251
一、變更設計/254
二、施工責任與建材設備/256
三、工程期限/262
‧第十一章 釐正及更新後產權登記/265
一、釐正/267
二、產權登記/278
‧第十二章 驗收交屋及保固/283
一、驗收交屋/284
二、保固/301
‧第十三章 稅費及其他費用負擔/305
一、稅費分擔/306
1.權利變換/306
2.協議合建/310
二、其他常見費用分擔/320
‧第十四章 違約、終止或解除契約/323
一、違約/324
二、終止或解除契約/326
‧第十五章 救濟程序/339
一、所有權人的救濟/340
1.公法與私法的救濟途徑/340
2.權利價值的異議/346
二、鄰近地區居民的救濟/355
‧專題:危老重建/361
一、適用範圍/367
二、獎勵及補助/374
三、重建作業程序/384
附錄/387
附錄一:新北市都市更新契約注意事項/389
附錄二:臺北市都市更新參與注意事項/407
附錄三:國土管理署土地都市更新事業實施契約(草案)/419
立即查看
錦衣衛:紅蟒、飛魚、繡春刀,帝王心機與走向失控的權力爪牙 (1版)
類似書籍推薦給您
【簡介】
一股極權的欲望,一群神祕的特工。 帝王心機與權力爪牙,交織出一段殘暴、失控、腥風血雨的荒誕史話。
廠衛廠衛,大明天下多少罪惡,假汝之名以行!
錦衣衛、東廠、西廠與內行廠,俗稱「廠衛」,是華人社會的特務機構代名詞,可謂明朝留給後世最不堪的文化遺產之一。其中的錦衣衛是明代專有軍政特務機構,在談及明朝制度建設的時候,錦衣衛是避不開的議題,它甚至影響了整個明朝的發展方向。
錦衣衛的出現和壯大,既是封建社會發展的歷史產物,也是朱明王朝執意推行集權政治的一種邏輯結果。他們直接聽命於皇帝,可以逮捕任何人,包括皇親國戚,並進行不公開的審訊,也有參與搜集軍情、策反敵將的工作;正是這種神祕的特性,讓很多人對其真實面貌不甚了然。
熊劍平執筆如刀,在《錦衣衛:紅蟒、飛魚、繡春刀,帝王心機與走向失控的權力爪牙》中,銳利刻劃錦衣衛如何與帝國一同走向失控,並對這一機構去偽存真,還原歷史上的真實樣貌,講述其中的權力糾葛與禍福興亡。
【目錄】
楔子 帝王心機
第一章 廢相
危險的丞相╱貼心的毛驤╱收網殺人╱從幕後走到臺前╱殺更多的人
第二章 殺將
蟄伏的毒蛇╱新晉大將軍╱一不小心「被謀反」╱令人膽寒的酷刑╱天下英雄入吾彀中
第三章 錦衣再起
更狠的人才能贏╱升級版的錦衣衛╱升級版的指揮使╱血腥的殺戮╱尋找建文帝
第四章 野心膨脹
繼承人之爭╱才子蒙難╱錯殺已成習慣╱貪欲無法遏止╱榮耀俱成往事
第五章 宦官升降
從卑微到顯達╱廠衛並立╱大權在握的廠公╱不喜歡太監的仁者╱作風整頓╱太監學堂
第六章 護國與誤國
全能衛隊╱探情尖兵╱層層盤剝╱官官相護╱當太監有了文化╱黑暗中的微光
第七章 皇帝忽成階下囚
當戰爭成為兒戲╱不作不死╱天子蒙塵╱患難見真情╱突如其來的群毆事件
第八章 輪流坐莊
在戰亂中即位╱受困南宮╱奪回大位╱挫敗石亨陰謀╱擊碎宦官迷夢╱以德報怨
第九章 世人但知汪太監
西廠因妖狐而起╱初露猙獰╱天怒人怨╱旬月重建╱牆倒眾人推
第十章 海神來過惡風回
難得平靜╱虎中稱王╱耍奸玩狠╱總領廠衛╱逞性妄為╱權閹之死
第十一章 娛樂至死
迷失於荒誕╱天上掉下個乾兒子╱一群乾兒子╱權力的任性╱心懷異志的寧王╱將娛樂進行到底
第十二章 遭遇權臣
從藩王到帝王╱權臣上位╱錦衣都督╱不畏強權的沈煉╱權臣伏法
第十三章 深重的危機
被逼「瘦身」╱不肯屈服的都督╱生前身後兩重天╱神宗親政╱難解的懸案╱被掏空的帝國
第十四章 萬民之唾棄
有壓迫,就會有反抗╱末世大璫╱抱團作惡╱不屈的冤魂╱末路悽惶╱廠衛終成替罪羊
後記
立即查看