Python计算机视觉编程pdf
下载地址：
内容简介  · · · · · ·
《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。
作者简介  · · · · · ·
Jan Erik Solem
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
1.1　pil：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
1.2　matplotlib 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
1.3　numpy 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
1.4　scipy 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
2.1　harris⾓点检测器 31
2.2　sift（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
3.3.1　ransac 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
4.4.1　pygame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
6.1　k-means聚类 137
6.1.1　scipy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
8.1　k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
10.1　opencv的python接⼝ 227
10.2　opencv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
10.4.2　lucas-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.1　numpy和scipy 247
a.1.1　windows 247
a.1.2　mac os x 247
a.1.3　linux 248
a.2　matplotlib 248
a.3　pil 248
a.4　libsvm 249
a.5　opencv 249
a.5.1　windows 和 unix 249
a.5.2　mac os x 249
免费编程软件python下载a.5.3　linux 250
a.6　vlfeat 250
a.7　pygame 250
a.8　pyopengl 250
a.9　pydot 251
a.10　python-graph 251
a.11　simplejson 252
a.12　pysqlite 252
a.13　cherrypy 252
附录b　图像集 253
b.1　flickr 253
b.2　panoramio 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.5.1　prague texture segmentation datagenerator与基准 256 b.5.2　微软研究院grab cut数据集 256
b.5.3　caltech 101 256
b.5.4　静态⼿势数据库 256
b.5.5　middlebury 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
下载地址：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。