筆記的魔力：最強深度思考筆記術 打造你攀登人生曲線高峰的行動力，高效自我進化 (2版)

類似書籍推薦給您

【簡介】 　　★暢銷日本突破50萬冊 　　★AKB48製作人 秋元康 力薦 　　★日本紀伊國屋書店暢銷書大獎 　　★特別附錄：自我分析1000題 　　「如果那件事可以這樣發展該有多好？」 　　「會激發自己熱情的事物都有哪些？」 　　「未來是什麼啊？找不到自己想做的事。」 　　你也有這樣的困惑嗎？ 　　想成為某種人、想做成某件事，卻始終沒有去做，或是連想做什麼也不知道、說不清。 　　作者前田裕二是1987年出生的青年創業家，現為日本最大直播平台之一SHOWROOM的創辦人兼社長，公司設立時年僅28歲。前田八歲時父母皆已亡故，曾在街頭彈唱吉他謀生，早稻田大學畢業，曾獲《哈佛商業評論》評選為20位創造未來的40歲以下經營者。 　　前田裕二以他自創的「記下事實→抽象思考→轉化應用」筆記法，度過失親、渴望被愛的學齡期，後來在街頭靠表演謀生時，做筆記也幫他獲得更多打賞機會，而在他決心以「從0到1」為志向創業後，做筆記的習慣也讓他想出超過100種商業模式，將筆記的魔力發揮得淋漓盡致。 　　一行筆記、一個行動，就此改變你的一生！ 　　「前田式」最強深度思考筆記術，有明確的圖例指引你如何記錄事實、進行抽象思考分析，教你捕捉生活靈感，養成產出智慧的好習慣，並轉化成實踐人生藍圖的行動力。 　　書中指導你，如何學習日本七年級年輕社長用筆記練就的五大技能，走過人生曲線的峰與谷，實現內心渴望的夢想： 　　1.智慧產出力：捕捉想法產生附加價值 　　2.資訊傳達力：提升傳遞效率有效吸收訊息 　　3.理解傾聽力：促進雙方交流的深度 　　4.組織結構力：掌握對話的整體架構 　　5.語言表達力：說出抽象概念與模糊不清的感覺 　　做筆記早已成為前田改變自我人生的最佳良伴，也是他的一種生活方式，於是他發心將這份熱情傳遞給更多讀者，彙整幫助過自己的1000道自我分析提問，希望讓更多人感受到做筆記的魔力，深入認識自己的潛質，進而和他一樣成為筆記狂人，改變自己的人生，甚至改變世界！相信自己，你也可以做到！ 魔力推薦 　　筆記女王  Ada（林珮玲） 　　國際演說家暨人際溝通專家  吳娟瑜 　　身心科醫師、馬大元診所負責人  馬大元 　　《療心圖書館》作者  彭冠綸 　　生鮮時書創辦人  劉俊佑 　　閱讀人社群主編  鄭俊德 　　這是一本陪伴在身旁的「良師益友」，讓我們不但可以「往內」自我探索、自我肯定，還可以「往外」找到行動方案、行動力量，值得一讀啊！──國際演說家暨人際溝通專家  吳娟瑜 　　筆記本就像是「外接硬碟」、「第二大腦」，讓我們在這個資訊爆炸的時代，不會只能隨波逐流。一枝筆、一本筆記，加上書中介紹的筆記法……你也可以發掘自我、開發智慧，最終實現夢想！──身心科醫師、馬大元診所負責人  馬大元 　　筆記不是為了升學考試，筆記是為了實現夢想。 　　透過筆記書寫，可以幫助你看穿時間，梳理自己的過去，也預見自己的未來。 　　尤其在那些覺得絕望的時刻，透過筆記回首來時路，看見自己成長的軌跡。 　　夢想之路，就是筆記之路。──《療心圖書館》作者  彭冠綸 　　為什麼要記筆記？ 　　筆記決定了你與普通人的距離，普通人用有限的記憶，回憶這週要做些什麼， 　　筆記人則用無限的紀錄，管理今年、明年及這一輩子想做什麼！ 　　好記性不如爛筆頭，懂得正確使用筆記將使你與眾不同！──閱讀人社群主編  鄭俊德 日本讀者留言狂推 　　「筆記直接轉換了我的生命姿態」 　　「很能實際運用的有效方法，大推」 　　「用極大量的提問探詢自我的書，這就是我一直在找尋的」 　　「一起閱讀《筆記的魔力》來改變人生吧！」 　　「人生成也筆記，敗也筆記」 　　「藉由閱讀掌握到了人生勝利組前田裕二的優秀本質」 　　「有筆記在手，能轉變人生」 　　「因為筆記，彷彿調高了生活中一切事物的『解析度』」 　　「任誰都能達到的簡單memo術」 　　「如此改變人生的筆記，端看你是否要行動」 　　「現在想不到任何不做筆記的理由了」 　　「我要成為筆記神！」 　　「買書附贈充滿能量的魔法」 　　「因為開始做筆記，讓我充滿了靈感，有對的天線接收資訊了！」 　　※此版為2019年出版之《筆記的魔力》修訂更新版  【目錄】 推薦序    瘋狂卻有效的筆記魔力          吳娟瑜 推薦序    人生，靠「記錄靈感」出奇制勝！    馬大元 作者序   懂得做筆記，你能所向無敵 第一章  用筆記生成創意 筆記有兩種，一種是「記錄用」筆記，擷取資訊或事實，予以保存。 另一種是「產出智慧用」筆記，它可以鍛鍊你的傾聽力、結構力、語言力、傳達力、智慧力，幫助你產生創意，將日常瑣事、雜亂的靈感或思緒轉化為創意、行動任務與智慧的結晶。 第二章  用筆記深度思考 認識抽象思考的三種型態：「What」、「Why」、「How」型。 深度思考的第一步是自問「為什麼」，不僅鍛鍊你的左腦語言力，講究修辭還創造你的獨特語言，讓說話更精練出色，更能打動人心、觸發行動。      第三章  用筆記認識自己 在個體時代了解自己的渴望最重要，筆記的魔力告訴你「自己是誰」。 回答所有自我分析的問題，分析筆記將助你發現人生軸線，找到想做的事，將能做的全做盡，成為不被時代淘汰的人才。什麼都不寫，你的人生不會改變。 第四章  用筆記實現夢想 寫出所有想得到的夢想，為你的夢想排序。 有效使用「SMART」原則設定目標，細分每個行動步驟。從人生曲線以立體角度看待人生，劃分人生階段。掌握三大重點、提示劇情的降落地，用故事的方式說出來，夢想變成現實的機率就愈高。 第五章  用筆記經營生活 筆記的本質是一種態度，做好筆記將為你減少錯失機會。 人生有無限可能，思考你的「人生贏面」有幾成，找到熱情所在。鍛鍊製造創意靈感、養成做筆記習慣的祕訣，儘早將做筆記從努力轉變成一種習慣，和我一樣擁有幸福的筆記狂人生活。  後記     用好筆記，轉變人生、改變世界  附錄     指引人生方向：自我分析1000題  

過目不忘的文轉圖深化記憶法：跟著世界記憶權威用大腦最節能的學習途徑，讓你的輸出有觀點，學習力、企劃力、專注力全面升級 (電子書) (1版)

類似書籍推薦給您

【簡介】 世界記憶權威這樣鍛鍊記憶力 回歸大腦最原始的學習途徑，學習效率提升400倍！ 　　三步驟圖像化、象徵化、圖表化把文字轉成圖， 　　改變傳統死背、強記、重複抄寫的低效率學習方式， 　　每天一個練習，再難的內容都記得住！ 　　看完整本書，卻說不出任何重點和感想 　　每天閱讀大量資訊，卻回想不起自己看過什麼…… 　　明明讀的是同一份資料，別人就是能說出更精采的觀點？ 　　上台演講頻頻忘詞，邏輯和重點全失蹤？ 　　「想不起來」、「說不出重點」種種失常表現與智商無關，也不是冒失粗心，而是因為多數人努力的途徑：逐字讀、反覆抄、拚命背，反而讓大腦更費力，於是怎麼記就怎麼忘。 　　池田義博45歲為了挑戰記憶力冠軍，開始研究如何「深化記憶」。他發現比起文字，大腦更擅長圖像記憶，但轉成圖像只能加深印象，若要達到過目不忘的境界，關鍵在吸收資訊時於腦中「連結」影像，大腦會自動將存在關聯的「完整情境」轉化成長期記憶，就像電腦裡的檔案夾一樣分類歸檔，讓思緒不凌亂，關鍵時刻能立刻想起。這就是大腦最原始、最有效率的學習途徑。 　　他以腦科學與學習心理學為基礎，結合自己的學習經驗，研發出「文轉圖深化記憶法」，並運用這套方法在日本記憶力錦標賽連續六年拿下優勝，更在世界腦力錦標賽獲得「記憶力特級大師」的稱號。 　　所謂「文轉圖深化記憶法」就是把文字轉成圖並賦予連結， 　　經由圖像化→象徵化→圖表化，讓大腦主動將訊息轉化為長期記憶， 　　遇到生僻詞彙或難懂概念也能過目不忘！ 　　作者更以此為基礎，再提供十個進階超效記憶法 　　讓你短時間內掌握所有重點，表現超專業　　 　　加上情感印象更深——情緒記憶法 　　背書、背講稿的最佳時機——睡前兩小時學習法 　　上台報告、演講不忘詞——希臘哲學家記憶法 　　短時間內掌握論文、教科書重點——讀壓縮檔法 　　認知能力、EQ全面升級——場所記憶法 　　逢考必中的訣竅——「偷看」學習法 　　臨時需要開夜車、注意力渙散時——間歇學習法 　　又厚又難的書怎麼讀完？——若則計畫法 　　發想企劃、準備提案這樣做！——放置閱讀法 　　三本書掌握專業知識的絕技——超短期濃縮閱讀法 　　沒有天生記性差的人，只要掌握大腦最不費力的記憶途徑， 　　無論考前衝刺、準備講稿或會議上臨時被點名， 　　都能最有效率掌握要點，讓所學發揮最大功效。 名人推薦 　　「閱讀人」社群主編　鄭俊德 　　暢銷作家／爆文教練　歐陽立中 　　企業課程培訓師　林長揚 　　「姚侑廷的自學筆記」版主　姚侑廷 　　「閱讀前哨站」站長  瓦基 　　彰化縣原斗國小教師、教育部閱讀推手　林怡辰 　　專業推薦 　　「書中更讓我驚豔的是提供大量記憶練習範例，內容等同於坊間好幾萬元的記憶教材，作者卻無私分享，只要你願意擺上時間練習，學習力保證大大提升，更鼓勵組織讀書會進行討論，學習效果更好。」──「閱讀人」社群主編　鄭俊德 　　「或許過去，你認為記憶不好是天生的；但現在，請你再給自己一次機會，池田義博分享他的冠軍級記憶法，透過文轉圖啟動系統化學習，並用遊戲化練習讓大腦什麼都記得牢！」──暢銷作家／爆文教練　歐陽立中 　　「『文轉圖』深化記憶法就是幫自己在腦中建立有圖有文的懶人包，未來無論是想要輸出成文章或簡報，甚至是跟人聊天，都只要翻找腦中的懶人包，就能把學到的內容順利用出來。」──企業課程培訓師　林長揚 　　「從小就開始大量閱讀，培養相關能力當然很好。但如果已經是大人了，有沒有其他的方法能增進學習效率？本書作者連續多年獲得國內外記憶比賽冠軍，由他來教導大家增強記憶的方法，可說是再適合不過了。」──「姚侑廷的自學筆記」版主　姚侑廷【目錄】 推薦序一 讀完書之後，你希望獲得什麼？／鄭俊德 推薦序二 你的學習方法有成效嗎？／林長揚 推薦序二 領略冠軍級記憶法，練就過目不忘的絕世武功／歐陽立中 推薦序三 掌握長篇閱讀的訣竅，從熬夜苦讀中解放／姚侑廷 前言 每天閱讀大量資訊，卻記不住半個重點？ 第1 章 為什麼認真讀，還是看過就忘？ 九成九的人用大腦討厭的方法學習 每個字都讀一遍，為什麼還是記不住？ 文字圖像化，想忘也忘不了 善用記憶三元素，將知識轉化成實學 第2 章 什麼是「文轉圖」深化記憶法？ 不用複習、反覆抄寫，重點記得更牢 圖像化：大腦吸收效率提升55％ 象徵化：建立獨特觀點的關鍵 圖表化：賦予脈絡和情境，說話有邏輯 打造圖像腦意外獲得七大能力 第3 章 圖像化：文轉圖練習一 每天五分鐘，不擅長圖像也沒問題 具象詞彙圖像化練習1 具象詞彙圖像化練習2 圖像創造訓練1 圖像創造訓練2 第4 章 象徵化：文轉圖練習二 一天練一頁，打造圖像腦 抽象詞彙圖像化訓練 抽象詞彙圖像創造練習 文章圖像化練習 第5 章 圖表化：文轉圖練習三 關係圖像化訓練1 關係圖像化訓練2 關係圖像化訓練3 關係圖像化訓練4 第6 章 學以致用！實踐「文轉圖」深化記憶法 善用十個技巧，學習成效更上層樓 放點情感，印象更深——情緒記憶法 背書、背講稿的最佳時機——睡前兩小時學習法 上台報告、演講不忘詞——希臘哲學家記憶法 短時間內掌握論文、教科書重點——讀壓縮檔法 靜不下來時用這個方法——氣味記憶法 逢考必中的訣竅——「偷看」學習法 臨時需要開夜車、注意力渙散時——間歇學習法 又厚又難的書怎麼讀完？——若則計畫法 發想企劃、準備提案這樣做！——放置閱讀法 三本書掌握專業知識的絕技——超短期濃縮閱讀法 第7 章 打造輕鬆學體質，輸入有效率，輸出有觀點 發言不再沒重點，隨口說出獨特觀點 學習不用挑名師，大腦就是最強導師 重要時刻不出錯，掌握心流啟動關鍵 記憶力為何會影響情商？ 靈感不用等，創意隨處可得 待辦事項圖像化，任務再多也不亂 避免決策偏誤、人生進階的關鍵能力 根據腦中「圖像」表達，幫你破冰不尬聊 掌握學以致用的關鍵，拓展思考的廣度  

數據的假象：數據識讀是深度偽造時代最重要的思辨素養，聰明決策不被操弄 (1版)

類似書籍推薦給您

【簡介】 ☆三位諾貝爾獎得主重磅推薦 ☆Amazon 800位讀者好評分享 高度量化時代，數字絕對更會騙人，騙更大！ 統計、圖表、懶人包，常是理性裝扮的鬼扯， 點贊、分享、演算法，助長類事實瘋傳成禍。 掌握數據的底層邏輯，洞悉科學量化包裝術， 資訊批判思考力，是最強自我保護力！ 　　★經匯率調整，敝公司績效最佳的全球型基金在過去九年中有七年優於大盤。 　　★儘管在統計上未達顯著，本研究結果凸顯此標靶質子治療具臨床重要之效果量，挑戰了現行的治療典範。 　　類似上面的敘述，你可能也看過，是不是躍躍欲試？ 　　別興奮得太早。你發現了嗎，上面的敘述完全沒說收益表現的調整方法究竟是什麼？有幾檔基金表現不如大盤？差多少？九年中有七年表現優於大盤的是同一檔基金嗎？另外，具臨床重要性卻未達統計顯著的研究結果，到底代表什麼？ 　　數學、統計與科學都是理性、客觀、精確的代表， 　　但也是資訊時代更容易操弄人心的騙術，而且更難被識破！ 　　有圖有照片不一定有真相，數字表格簡單清楚其實更容易藏貓膩， 　　大數據陷阱多多更容易扯大謊。 　 　　如何偵測科學鬼扯？如何識破數據資料不合邏輯的破綻？ 　　是現在深度偽造時代非常重要的自保能力。 　　兩位作者在華盛頓大學開設同名課程，受到極高的討論和迴響，他們運用統計與生物學領域的專精知識和經驗，以生動幽默的方式，拆解取樣偏誤與數據資料數位化混淆視聽的案例，檢視我們的生活多麼容易受到各類數據假象的影響。只要善用本書的思考方式，人人都能察覺資料有問題，拆穿假象： 　　◎圖表可能誤導：正統圖表看來無趣又複雜，如果刻意將縱軸上下顛倒，柱狀圖的條形不從0點開始呢？大眾可能被誤導而不自知。媒體只想提高點擊率，有趣或吸引注意力比正確性重要。 　　◎數字會說謊：有可能算錯數量、小型取樣無法精確反映整體的特性、推算的程序與方法有誤，幫原本薄弱的主張建立可信度，成為散播謠言的載具。 　　◎資料扭曲事實：新聞宣稱，科技公司市值在發布財報後，蒸發千億，還附上近四天股價走勢圖，若拉長至五年期來看，公司表現並不差。謠傳電視台因取消高收視節目而股價大跌，但是股價跌是在節目取消之前，節目收益是總營收的0.1%，有可能造成股價重挫2.5%？ 　　◎機器可能出錯：電腦可以分辨狼和哈士奇？演算法並非注意兩者的面部特徵，而是從狼和雪景一起出現來判斷，但如果是在雪中的哈士奇呢？人工智慧的判斷會出現偏誤。 好評推薦 　　Jenny   ｜「JC財經觀點」版主 　　呂昱達｜丹尼老師的公民教室       　　吳媛媛｜瑞典觀察作者 　　黃哲斌｜《天下雜誌》專欄作者　　 　　雷浩斯｜價值投資者／財經作家　　　　　　　　　　　 　　詹益鑑｜Taiwan Global Angels創辦人 　　羅世宏｜中正大學傳播系教授 　　2001諾貝爾經濟學獎得主 喬治．阿克勞夫 　　2011諾貝爾物理學獎得主 沙爾．柏木特 　　2018諾貝爾經濟獎得主　保羅．羅莫 　　（推薦人依姓氏筆畫排列） 　　如果要讀一本必成經典的書，買這本書就對了！它處理我們這個時代最重要的議題：真相不再受人尊重。這本書同時也是文學傑作，頁頁都有新的樂趣，而且段段如此。—2001年諾貝爾經濟學獎得主　喬治．阿克勞夫（George Akerlof） 　　拜讀作者提出的「鬼扯」範例讓我又哭又笑。如果你在意算術和科學的關聯，而且想知道我們如何上當被騙，這本書會讓你讀到欲罷不能，也是我們這個時代必備的書籍。— 2011諾貝爾物理學獎得主　加州柏克萊大學物理教授沙爾．柏木特（Saul Perlmutter） 　　今時此刻，我們的周遭處處充滿大家無力辨知的騙局，每個人都在奮力掙扎，想辦法突破。本書教大家看出鬼扯、拒絕鬼扯、不讓鬼扯得逞的方法。—2018年諾貝爾經濟獎得主　保羅．羅莫（Paul Romer） 　　在不實或誤導資訊充斥的今日，加強防禦力是當務之急。本書兩位作者在清晰的架構下，使用深入淺出的例子，手把手為我們說明如何識別出數據資訊當中的「鬼扯」元素，打下抵抗數據假象的基礎。— 吳媛媛（瑞典觀察作者） 　　我在高中教導學生媒體識讀，在課堂上陳述理論、羅列案例，但也常常受限於社會領域而單打獨鬥，並自我懷疑所做的努力，是否真的能涵養下一代批判思考的能力。本書作為一盞明燈，提點了第一線的教育工作者，假訊息澄清總是緩不濟急，培養識讀能力使謠言止於智者，才是唯一正解。作者幽默風趣的筆觸，更能讓讀者在閱讀過程一邊破解鬼扯，一邊開懷大笑。誠摯推薦給各位。— 呂昱達（丹尼老師的公民教室創辦人） 　　我自己讀了這本書之後，深感受益匪淺，熱切地想向身邊的師友推薦這本書。有了這本書的思想武裝及技術升級，我相信，人人都可以從容面對這個充斥胡說八道、虛假資訊無所不在的時代，做一個不受人惑的自由人。— 羅世宏 （中正大學傳播系教授） 　　在我們這個時代，瞎扯也用於造假新聞、不實資訊，以及網路戰。通訊軟體上隨時會收到的各種消息以淹沒你的注意力，這些事情在在以行動告訴我們：這是一個鬼扯不斷奪取你注意力的時代。所以我們確確實實的需要這本「面對虛假數據的求生指南」。— 雷浩斯（價值投資者／財經—作家） 　　我們之所以要學會辨別與識破鬼扯的能力，不僅在避免浪費時間，更重要的是把心智與注意力放在能夠長期累積與產生複利效應的事情上。—詹益鑑（Taiwan Global Angels創辦人） 　　一本現代經典之作。在民主奄奄一息、疫情全球肆虐的此刻，這本直言不諱的書是險惡街頭的生存指南。—《連線》雜誌 　　連門外漢也能消化的書！讀本書之前我從來沒有修過任何一門統計課，至於談到真正的科學，不只我是門外漢，我身邊朋友也是。近來我一直看到自己的部分朋友轉傳科學研究，企圖合理化越來越極端的看法，我卻覺得自己無力介入當個理性的聲音，因為即便這些研究有方法上的瑕疵，我也無法挑出來。這本書滿是重要的觀點，讀起來很容易，還有絕佳的幽默感穿插其中。謝謝提供像我這樣的人對去抗草包族科學的工具！— 亞馬遜讀者 阿莫爾 　　幾年前，我在家自學的女兒以華盛頓大學教授的系列課程作為高中自學教材，得知他們寫成了一本書，我相當開心！我兒子今年會拿這本書和影片當成「媒體識讀」單元的內容。這不但是一本好看的書，也是相當受用的分析。作者結合知識與幽默恰到好處地將圖表和取樣偏誤這類的觀念變得十分有趣。—亞馬遜讀者 佩遜斯 　　能修到這門課的大學生都非常幸運。此書如果能改版給高中生開一門「對抗邪魔歪道的防身課」，那就更好了。— 亞馬遜讀者 馬希 　　這是一本幫助你了解資訊泥淖的絕佳好書，討論影響所有世人的主題。本書內容簡單，讓人能輕鬆閱讀理解，不至於坐困在統計數字、技術詞彙，或教授才會講的專業用語中。—亞馬遜讀者 塔曼 　　這本書可以吸引每一種讀者：純粹對騙術與真相感興趣的人會想讀，經常要處理這種事的科學家也會想讀。本書內容完美摻雜了作者生活上的小故事與讓人讀得懂的技術資料解釋，而且還文筆極佳！— 亞馬遜讀者 史塔爾茲【目錄】 推薦序　數據也可能混淆視聽，加強防禦力是當務之急  吳媛媛  推薦序　在注意力分散的時代，更需要識讀假消息          雷浩斯  推薦序　在充滿假象的世界中，做個不受人惑的自由人  羅世宏  推薦序　累積知識，打造動態的腦際網路，以破解假象  詹益鑑 推薦序　涵養下一代思考力，培養識讀能力是唯一正解  呂昱達  前　言　面對虛假數據的求生指南  1 謊言滿人間  2 媒介、信息、假消息  3 混淆事實的黑盒子  4 混淆因果關係  5 數字絕對會騙人  6 取樣偏誤  7 數據資料視覺化  8 如何利用大數據說謊？  9 科學的敏感性  10 辨識假象  11 反駁假象  致　謝  譯者後記　大眾主動出擊，拆穿假象，世界才能更美好  沈聿德 注　釋  

重新想像教育的未來：世界教育部長肯．羅賓森最後演講，對教育、環保、文化的深刻洞見 (1版)

類似書籍推薦給您

【簡介】 影響力暢銷好書《讓天賦自由》作者──世界教育部長肯．羅賓森絕響傑作 照亮時代的生命志業與卓越洞見這個快速變動的世界，正是全世界最迫切需要他的訊息的時候 我們必須重新想像教育和學校的樣貌，刻不容緩為孩子創造成長茁壯、發光發熱的土壤，讓生命和學習豐富精采 為人類創造發揮天賦、永續平等的世界，迎向我們存在的新時代  這本書很輕薄。我把它視為一封很長的獻給人類潛能的情書。要安然度過現今這個動盪的時代，想像力是我們唯一的盼望。 改變的需求已是前所未有的急迫。這不只關乎個人的生命，也關乎人類文明的品格，更關乎創造一個屬於所有人的未來。 ──肯．羅賓森  ▎教育，需要重新想像現行教育體制有如「工業化農場」，過度看重服從、測驗和考上名校，更甚於健康快樂、創造力和學習，忽視孩子的焦慮、壓力和迷茫。如同我們正在破壞自然資源的多樣性，現行教育體制也在毀滅人類天賦的多樣性。教育是活的系統，為活生生的人培育心智和心靈。 教育必須使學生了解周遭的世界，以及自己擁有的獨特天賦，才能提高孩子的成就，使他們能在即將承接的世界發光發熱。父母和老師是孩子最重要的擁護者；大人對孩子的信任必須高過對教育體系的信任。 當土壤對了，農牧系統就會順利發展；當教育對了，孩子便會順利成長。一個教育制度能夠成功，不是因為考試，而是個體受到肯定，天賦的多元性受到重視。在校園裡創造創意性的連結，用跨越年齡、跨越課程、多學科的方式學習，顧及個人的興趣，以及每個人選擇的獨特路徑，不再教出一代又一代一模一樣的孩子，讓成長、發展和學習自然發生。這就是像田地一樣充滿生機的「野化教育」，讓孩子在健康的土壤學習與成長，不再看重標準化，而是發展多樣性。教育的目標是培養八個核心能力：好奇心、創造力、評判力、溝通力、合作力、同情心、內心的平靜和公民權。 使學生離開校園之後，有能力迎接一生中必然要面對的個人、文化、經濟和社會的挑戰。 ▎學校，需要重新想像學校不該扼殺創意，而要成為活潑的學習場域，幫助學生真正認識自己的獨特天賦和興趣。學校不該把學科分成「主科」（像是國文、數學、英文與科學）和「副科」（像是藝術、音樂、體育）。「智商」並非「智力」的全貌。 人類的智力是多元的，鼓勵孩子發展多元智力，才能發揮創造力。智力的最高形式，是創造性思考。學校就像一個健康蓬勃的生態系統；看重老師、跨學科教學、課表有彈性、以正確角度看待評量，才能達成個人化學習的目標。學校是廣義的文化生態系統的一部分。 優秀的農民會培育植物的自然生態系統，同樣的，優秀的學校會致力與外界的更大社群有更緊密的連結。 ▎未來，需要重新想像強大的想像能力讓人類創造出影響深遠的成就，改變了地球的面貌，但同時也把我們帶到懸崖邊緣。這個時代的挑戰既真實又急迫，而且人類就是問題的源頭。 氣候變遷危機和地球困境是我們漠視大自然的結果。 要迎接地球與人類存亡的挑戰，我們必須發揮創造力，讓經濟的發展能夠多元與永續，使生態系能夠平衡與蓬勃發展。人類既然創造了目前居住的世界，就一定有辦法改造它。 長期以來我們一直用同樣的方式，不斷消耗人類資源和地球自然資源； 必須立刻解決這兩個問題，才能想望未來。 教師、家長、教育工作者齊聲讚譽（依來稿順序排列）洪 蘭（中原大學、台北醫學大學、中央大學講座教授） 李儀婷（薩提爾教養暢銷作家） 溫美玉（溫老師備課Party創始人） 劉安婷（為台灣而教創辦人暨董事長） 藍偉瑩（社團法人瑩光教育協會理事長） 黃國珍（品學堂創辦人） 張輝誠（學思達教育基金會創辦人） 朱家明（亞太美國學校校長） 各界讚譽（依來稿順序排列） 羅賓森爵士的理念影響的不是一個國家的孩子而是全世界的孩子，他改變的也不是一個國家的教育而是全世界的教育。 ──洪蘭（中原大學、台北醫學大學、中央大學講座教授） 肯．羅賓森看待教育，就像溫柔且胸襟寬廣的母親，懂得用豐富的目光來看待孩子的成長，因為他知道，每一個孩子都有自己的獨特性。 ──李儀婷（薩提爾教養暢銷作家） 做為肯．羅賓森爵士忠實的追隨者，我不僅在教養及教育現場實踐他的信念，也願意盡己所能影響更多身旁的人，一起推廣尊重個體的教育思維，改寫世界的格局與樣貌。 ──溫美玉（溫老師備課Party創始人） 作者用一輩子的行動，挑戰許多教育系統內「不必要」卻深刻植入的預設與慣性。啟發、鼓舞和支持了全世界數百萬人的，不只是他所「做」（Doing），而更是他活出的生命（Being）。這本書本身便是這樣「生命影響生命」的見證。 ──劉安婷（為台灣而教創辦人暨董事長） 我們都是教育生態系的一份子。 在這樣的生態系中，學校與老師能獲得更大的尊重與支持，每個人成為孩子們更好的示範，最終我們的孩子才可能在克服地球困境下，讓自然環境資源與人類資源能永續發展。 ──藍偉瑩（社團法人瑩光教育協會理事長） 這本書是肯．羅賓森寫給所有人和教育工作者的一份愛的叮嚀與託付。全書九個篇章，每一篇都能讀到他真誠的傾訴，以及對孩子、教育、世界與未來的愛。 ──黃國珍（品學堂創辦人） 《重新想像教育的未來》一書可說是肯．羅賓森一生對教育的愛、洞察、思索與行動之總結，簡潔有力、意蘊深遠。 ──張輝誠（學思達教育基金會創辦人） 這本視野宏觀、見解不凡的新書，是肯．羅賓森最後的教育情書，能幫助台灣父母想像自己孩子的未來，也激勵台灣教師想像我們社會的未來。 ──朱家明（亞太美國學校校長）   本書特色1. 本書為《讓天賦自由》《讓創意自由》《發現天賦之旅》《讓天賦發光》《讓孩子飛》暢銷作者肯．羅賓森生前構思的最後一部著作。 如同一場「最後的演講」，為作者奉獻教育五十年畢生精華之作，凝聚了一位世界偉大教育家及思想家畢生的智慧。2. 英文書名「IMAGINE IF…」為肯．羅賓森最喜歡的一句話。 人類因為有想像力，才能夠擁有卓越智慧。 我們透過想像力，創造了這個世界的各種面貌。我們也能發揮想像力，重新創造世界的面貌。3. 肯．羅賓森在本書首度力陳，我們不斷消耗人類資源和地球自然資源，導致地球與人類的生存危機。必須深刻思考，讓經濟的發展能夠多元與永續，使生態系能夠平衡與蓬勃發展。 【目錄】 各界讚譽 讓孩子長成美麗的花朵 （洪蘭）  讓教育野化，讓孩子發展天賦　（李儀婷）  你也能成為世界的變革者 （溫美玉）  一位偉大教育家的精華、生命與盼望　（劉安婷）  創造更貼近生命的教育生態系統 （藍偉瑩）  我不是唯一，他相信我們所有人都能做到 （黃國珍）  教育也是自然生態系統 （張輝誠） 打造充滿生命力、創造力、包容力的校園 （朱家明） 前言  想像一下，假如我們運用天生豐富到難以置信的能力，  創造一個所有人對自己獨特天賦有深刻了解的世界。   序言  這個世界正在經歷革命性的變化。  我們需要改革教育，才有能力迎接這樣的變化。引言  人類的創造力大大增進了生活的舒適性、身體的健康，以及文化的繁複性。  創造力也帶我們來到一個重要的關卡。 01 人類的優勢  人類因為有想像力，才得以和地球上的其他生物做出區別。  我們透過想像力，創造了這個世界的各種面貌。  我們也能重新創造這些面貌。02 我們所創造的世界  這個世界由人類的想像力和文化所創造的  想法、信念和價值觀形塑而成。  它的創造源自我們的心智，也源自於自然環境。03 你比你所想的更豐富  智力是多元、動態且獨特的。  智力和創造力的關係密不可分，兩者缺一不可。04 教育的盼望  教育必須使學生了解周遭的世界，以及自己擁有的天賦，  使他們能實現自我，成為活躍積極、富同情心的公民。05 從工廠到農場  我們用同樣的方式，不斷消耗人類資源和地球的自然資源。  我們必須立刻解決這兩個問題，才有未來可言。06 創造奇蹟  我們的責任是創造對的條件，讓生命和學習豐富精采。  當我們做到了，就會發現自始至終，我們一直在創造奇蹟。07 只有一次機會  我們對未來最大的盼望在於，  對人的才能產生新的理解，以迎接人類的新時代。08 成為變革者  搖滾樂不是政府帶頭創造出來的。  革命等不了立法，它會從人們在底層所做的事冒出來。09 想像一下，假如  「我們必須學習明白，這個地球上的生物，不只有人類，而做為一個人，不是只顧自己的利益。我們的未來會如何，完全取決於我們是否將這一點牢記於心。」致謝 

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