计算机视觉40例从入门到深度学习（OpenCV-Python） 下载 pdf 百度网盘 epub 免费 2025 电子版 mobi 在线

《计算机视觉40例从入门到深度学习（OpenCV-Python）》以OpenCV-Python（the Python API for OpenCV）为工具，以案例为载体，系统介绍了计算机视觉从入门到深度学习的相关知识点。

《计算机视觉40例从入门到深度学习（OpenCV-Python）》从基础知识、基础案例、机器学习、深度学习和人脸识别5个方面对计算机视觉的相关知识点进行了全面、系统、深入的介绍。书中共介绍了40余个经典的计算机视觉案例，其中既有图像加密、指纹识别、车牌识别、缺陷检测等基于传统技术的计算机视觉经典案例，也有图像分类、目标检测、语义分割、实例分割、风格迁移、姿势识别等基于深度学习的计算机视觉案例，还有表情识别、驾驶员疲劳检测、易容术、性别和年龄识别等基于人脸识别的计算机视觉案例。

在介绍具体的算法原理时，本书尽量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用复杂抽象的公式来介绍。

目标读者：

《计算机视觉40例从入门到深度学习（OpenCV-Python）》适合计算机视觉领域的初学者阅读，也适合学生、教师、专业技术人员、图像处理爱好者阅读。

目录

第1部分 基础知识导读篇

第1章 数字图像基础 2

1.1 图像表示基础 2

1.1.1 艺术与生活 2

1.1.2 数字图像 3

1.1.3 二值图像的处理 5

1.1.4 像素值的范围 5

1.1.5 图像索引 7

1.2 彩色图像的表示 8

1.3 应用基础 9

1.3.1 量化 10

1.3.2 特征 10

1.3.3 距离 11

1.3.4 图像识别 13

1.3.5 信息隐藏 15

1.4 智能图像处理基础 16

1.5 抽象 18

第2章 Python基础 21

2.1 如何开始 21

2.2 基础语法 22

2.2.1 变量的概念 22

2.2.2 变量的使用 22

2.3 数据类型 24

2.3.1 基础类型 25

2.3.2 列表 25

2.3.3 元组 28

2.3.4 字典 29

2.4 选择结构 31

2.5 循环结构 35

2.6 函数 39

2.6.1 什么是函数 39

2.6.2 内置函数 41

2.6.3 自定义函数 42

2.7 模块 44

2.7.1 标准模块 44

2.7.2 第三方模块 45

2.7.3 自定义模块 46

第3章 OpenCV基础 47

3.1 基础 47

3.1.1 安装OpenCV 47

3.1.2 读取图像 49

3.1.3 显示图像 50

3.1.4 保存图像 51

3.2 图像处理 52

3.2.1 像素处理 52

3.2.2 通道处理 57

3.2.3 调整图像大小 60

3.3 感兴趣区域 62

3.4 掩模 63

3.4.1 掩模基础及构造 64

3.4.2 乘法运算 65

3.4.3 逻辑运算 66

3.4.4 掩模作为函数参数 68

3.5 色彩处理 69

3.5.1 色彩空间基础 69

3.5.2 色彩空间转换 71

3.5.3 获取皮肤范围 72

3.6 滤波处理 73

3.6.1 均值滤波 75

3.6.2 高斯滤波 78

3.6.3 中值滤波 82

3.7 形态学 84

3.7.1 腐蚀 85

3.7.2 膨胀 88

3.7.3 通用形态学函数 91

第2部分 基础案例篇

第4章 图像加密与解密 94

4.1 加密与解密原理 94

4.2 图像整体加密与解密 96

4.3 脸部打码及解码 98

4.3.1 掩模方式实现 98

4.3.2 ROI方式实现 101

第5章 数字水印 105

5.1 位平面 106

5.2 数字水印原理 114

5.3 实现方法 115

5.4 具体实现 119

5.5 可视化水印 121

5.5.1 ROI 121

5.5.2 加法运算 123

5.6 扩展学习 125

5.6.1 算术运算实现数字水印 125

5.6.2 艺术字 128

第6章 物体计数 131

6.1 理论基础 131

6.1.1 如何计算图像的中心点 131

6.1.2 获取图像的中心点 133

6.1.3 按照面积筛选前景对象 135

6.2 核心程序 138

6.2.1 核函数 138

6.2.2 zip函数 140

6.2.3 阈值处理函数threshold 140

6.3 程序设计 141

6.4 实现程序 142

第7章 缺陷检测 144

7.1 理论基础 144

7.1.1 开运算 144

7.1.2 距离变换函数distanceTransform 146

7.1.3 小包围圆形 148

7.1.4 筛选标准 149

7.2 程序设计 150

7.3 实现程序 151

第8章 手势识别 153

8.1 理论基础 154

8.1.1 获取凸包 154

8.1.2 凸缺陷 156

8.1.3 凸缺陷占凸包面积比 159

8.2 识别过程 161

8.2.1 识别流程 162

8.2.2 实现程序 165

8.3 扩展学习：石头、剪刀、布的识别 167

8.3.1 形状匹配 167

8.3.2 实现程序 170

第9章 答题卡识别 173

9.1 单道题目的识别 173

9.1.1 基本流程及原理 173

9.1.2 实现程序 178

9.2 整张答题卡识别原理 180

9.2.1 图像预处理 180

9.2.2 答题卡处理 181

9.2.3 筛选出所有选项 189

9.2.4 将选项按照题目分组 190

9.2.5 处理每一道题目的选项 195

9.2.6 显示结果 195

9.3 整张答题卡识别程序 195

第10章 隐身术 201

10.1 图像的隐身术 201

10.1.1 基本原理与实现 201

10.1.2 实现程序 213

10.1.3 问题及优化方向 214

10.2 视频隐身术 215

第11章 以图搜图 217

11.1 原理与实现 218

11.1.1 算法原理 218

11.1.2 感知哈希值计算方法 220

11.1.3 感知哈希值计算函数 224

11.1.4 计算距离 224

11.1.5 计算图像库内所有图像的哈希值 225

11.1.6 结果显示 226

11.2 实现程序 228

11.3 扩展学习 230

第12章 手写数字识别 231

12.1 基本原理 232

12.2 实现细节 233

12.3 实现程序 235

12.4 扩展阅读 236

第13章 车牌识别 238

13.1 基本原理 238

13.1.1 提取车牌 238

13.1.2 分割车牌 240

13.1.3 识别车牌 242

13.2 实现程序 246

13.3 下一步学习 249

第14章 指纹识别 250

14.1 指纹识别基本原理 251

14.2 指纹识别算法概述 251

14.2.1 描述关键点特征 251

14.2.2 特征提取 252

14.2.3 MCC匹配方法 254

14.2.4 参考资料 258

14.3 尺度不变特征变换 258

14.3.1 尺度空间变换 260

14.3.2 关键点定位 266

14.3.3 通过方向描述关键点 267

14.3.4 显示关键点 271

14.4 基于SIFT的指纹识别 273

14.4.1 距离计算 273

14.4.2 特征匹配 274

14.4.3 算法及实现程序 277

第3部分 机器学习篇

第15章 机器学习导读 282

15.1 机器学习是什么 283

15.2 机器学习基础概念 284

15.2.1 机器学习的类型 284

15.2.2 泛化能力 289

15.2.3 数据集的划分 290

15.2.4 模型的拟合 291

15.2.5 性能度量 292

15.2.6 偏差与方差 293

15.3 OpenCV中的机器学习模块 294

15.3.1 人工神经网络 295

15.3.2 决策树 296

15.3.3 EM模块 300

15.3.4 K近邻模块 300

15.3.5 logistic回归 303

15.3.6 贝叶斯分类器 305

15.3.7 支持向量机 308

15.3.8 随机梯度下降 SVM 分类器 310

15.4 OpenCV机器学习模块的使用 312

15.4.1 使用KNN模块分类 312

15.4.2 使用SVM模块分类 314

第16章 KNN实现字符识别 317

16.1 手写数字识别 317

16.2 英文字母识别 319

第17章 求解数独图像 322

17.1 基本过程 322

17.2 定位数独图像内的单元格 323

17.3 构造KNN模型 327

17.4 识别数独图像内的数字 330

17.5 求解数独 332

17.6 绘制数独求解结果 334

17.7 实现程序 335

17.8 扩展学习 338

第18章 SVM数字识别 339

18.1 基本流程 339

18.2 倾斜校正 340

18.3 HOG特征提取 343

18.4 数据处理 348

18.5 构造及使用SVM分类器 351

18.6 实现程序 352

18.7 参考学习 354

第19章 行人检测 355

19.1 方向梯度直方图特征 355

19.2 基础实现 358

19.2.1 基本流程 359

19.2.2 实现程序 359

19.3 函数detectMultiScale参数及优化 360

19.3.1 参数winStride 360

19.3.2 参数padding 362

19.3.3 参数scale 364

19.3.4 参数useMeanshiftGrouping 366

19.4 完整程序 369

19.5 参考学习 370

第20章 K均值聚类实现艺术画 371

20.1 理论基础 371

20.1.1 案例 371

20.1.2 K均值聚类的基本步骤 373

20.2 K均值聚类模块 374

20.3 艺术画 377

第4部分 深度学习篇

第21章 深度学习导读 384

21.1 从感知机到人工神经网络 384

21.1.1 感知机 384

21.1.2 激活函数 385

21.1.3 人工神经网络 387

21.1.4 完成分类 388

21.2 人工神经网络如何学习 389

21.3 深度学习是什么 390

21.3.1 深度的含义 390

21.3.2 表示学习 391

21.3.3 端到端 392

21.3.4 深度学习可视化 393

21.4 激活函数的分类 394

21.4.1 sigmoid函数 394

21.4.2 tanh函数 395

21.4.3 ReLU函数 395

21.4.4 Leaky ReLU函数 396

21.4.5 ELU函数 396

21.5 损失函数 397

21.5.1 为什么要用损失值 397

21.5.2 损失值如何起作用 398

21.5.3 均方误差 399

21.5.4 交叉熵误差 400

21.6 学习的技能与方法 401

21.6.1 全连接 401

21.6.2 随机失活 402

21.6.3 One-hot编码 403

21.6.4 学习率 403

21.6.5 正则化 404

21.6.6 mini-batch方法 405

21.6.7 超参数 406

21.7 深度学习游乐场 406

第22章 卷积神经网络基础 407

22.1 卷积基础 407

22.2 卷积原理 409

22.2.1 数值卷积 409

22.2.2 图像卷积 410

22.2.3 如何获取卷积核 411

22.3 填充和步长 412

22.4 池化操作 413

22.5 感受野 414

22.6 预处理与初始化 416

22.6.1 扩充数据集 416

22.6.2 标准化与归一化 417

22.6.3 网络参数初始化 418

22.7 CNN 418

22.7.1 LeNet 418

22.7.2 AlexNet 419

22.7.3 VGG网络 420

22.7.4 NiN 420

22.7.5 GooLeNet 421

22.7.6 残差网络 423

第23章 DNN模块 426

23.1 工作流程 427

23.2 模型导入 428

23.3 图像预处理 429

23.4 推理相关函数 438

第24章 深度学习应用实践 440

24.1 图像分类 441

24.1.1 图像分类模型 441

24.1.2 实现程序 442

24.2 目标检测 443

24.2.1 YOLO 444

24.2.2 SSD 447

24.3 图像分割 450

24.3.1 语义分割 450

24.3.2 实例分割 453

24.4 风格迁移 458

24.5 姿势识别 460

24.6 说明 463

第5部分 人脸识别篇

第25章 人脸检测 466

25.1 基本原理 466

25.2 级联分类器的使用 469

25.3 函数介绍 470

25.4 人脸检测实现 471

25.5 表情检测 473

李立宗，天津职业技术师范大学信息技术工程学院副教授，参与了《数字图像处理》等多本图书的编写工作，对数字图像处理研究颇深。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：计算机视觉40例从入门到深度学习（OpenCV-Python）在线阅读

在线听书地址：计算机视觉40例从入门到深度学习（OpenCV-Python）在线收听

在线购买地址：计算机视觉40例从入门到深度学习（OpenCV-Python）在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

《计算机视觉40例从入门到深度学习（OpenCV-Python）》以OpenCV-Python（the Python API for OpenCV）为工具，以案例为载体，系统介绍了计算机视觉从入门到深度学习的相关知识点。

《计算机视觉40例从入门到深度学习（OpenCV-Python）》从基础知识、基础案例、机器学习、深度学习和人脸识别5个方面对计算机视觉的相关知识点进行了全面、系统、深入的介绍。书中共介绍了40余个经典的计算机视觉案例，其中既有图像加密、指纹识别、车牌识别、缺陷检测等基于传统技术的计算机视觉经典案例，也有图像分类、目标检测、语义分割、实例分割、风格迁移、姿势识别等基于深度学习的计算机视觉案例，还有表情识别、驾驶员疲劳检测、易容术、性别和年龄识别等基于人脸识别的计算机视觉案例。

在介绍具体的算法原理时，本书尽量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用复杂抽象的公式来介绍。

目标读者：

《计算机视觉40例从入门到深度学习（OpenCV-Python）》适合计算机视觉领域的初学者阅读，也适合学生、教师、专业技术人员、图像处理爱好者阅读。