Python 計算機視覺編程 (Programming Computer Vision with Python)

內容描述

<內容介紹>
《Python計算機視覺編程》是計算機視覺編程的權威實踐指南，依賴Python語言講解了基礎理論與算法，並通過大量示例細緻分析了對象識別、基於內容的圖像搜索、光學字符識別、光流法、跟蹤、三維重建、立體成像、增強現實、姿態估計、全景創建、圖像分割、降噪、圖像分組等技術。另外，書中附帶的練習還能讓讀者鞏固並學會應用編程知識。
　　《Python計算機視覺編程》適合的讀者是：有一定編程與數學基礎，想要瞭解計算機視覺的基本理論與算法的學生，以及計算機科學、信號處理、物理學、應用數學和統計學、神經生理學、認知科學等領域的研究人員和從業者。

<目錄>
推薦序
前言
第1章基本的圖像操作和處理1
1.1 PIL：Python圖像處理類庫1
1.1.1轉換圖像格式2
1.1.2創建縮略圖3
1.1.3複製和粘貼圖像區域3
1.1.4調整尺寸和旋轉3
1.2 Matplotlib 4
1.2.1繪製圖像、點和線4
1.2.2圖像輪廓和直方圖6
1.2.3交互式標註7
1.3 NumPy 8
1.3.1圖像數組表示8
1.3.2灰度變換9
1.3 .3圖像縮放11
1.3.4直方圖均衡化11
1.3.5圖像平均13
1.3.6圖像的主成分分析（PCA） 14
1.3.7使用pickle模塊16
1.4 SciPy 17
1.4.1圖像模糊18
1.4.2圖像導數19
1.4.3形態學：對象計數22
1.4.4一些有用的SciPy模塊23
1.5高級示例：圖像去噪24
練習28
代碼示例約定29
第2章局部圖像描述子31
2.1 Harris角點檢測器31
2.2 SIFT（尺度不變特徵變換） 39
2.2.1興趣點39
2.2.2描述子39
2.2.3檢測興趣點40
2.2.4匹配描述子43
2.3匹配地理標記圖像47
2.3.1從Panoramio下載地理標記圖像47
2.3.2使用局部描述子匹配50
2.3.3可視化連接的圖像52
練習54
第3章圖像到圖像的映射57
3.1單應性變換57
3.1.1直接線性變換算法59
3.1.2仿射變換60
3.2圖像扭曲61
3.2.1圖像中的圖像63
3.2.2分段仿射扭曲67
3.2.3圖像配準70
3.3創建全景圖76
3.3.1 RANSAC 77
3.3.2穩健的單應性矩陣估計78
3.3.3拼接圖像81
練習84
第4章照相機模型與增強現實85
4.1針孔照相機模型85
4.1.1照相機矩陣86
4.1.2三維點的投影87
4.1.3照相機矩陣的分解89
4.1.4計算照相機中心90
4.2照相機標定91
4.3以平面和標記物進行姿態估計93
4.4增強現實97
4.4.1 PyGame和PyOpenGL 97
4.4.2從照相機矩陣到OpenGL格式98
4.4.3在圖像中放置虛擬物體100
4.4.4綜合集成102
4.4.5加載模型104
練習106
第5章多視圖幾何107
5.1外極幾何107
5.1.1一個簡單的數據集109
5.1.2用Matplotlib繪製三維數據111
5.1.3計算F：八點法112
5.1.4外極點和外極線113
5.2照相機和三維結構的計算116
5.2.1三角剖分116
5.2.2由三維點計算照相機矩陣118
5.2.3由基礎矩陣計算照相機矩陣120
5.3多視圖重建122
5.3.1穩健估計基礎矩陣123
5.3.2三維重建示例125
5.3.3多視圖的擴展示例129
5.4立體圖像130
練習135
第6章圖像聚類137
6.1 K—means聚類137
6.1.1 SciPy聚類包138
6.1.2圖像聚類139
6.1.3在主成分上可視化圖像140
6.1.4像素聚類142
6.2層次聚類144
6.3譜聚類152
練習157
第7章圖像搜索159
7.1基於內容的圖像檢索159
7.2視覺單詞160
7.3圖像索引164
7.3.1建立數據庫164
7.3.2添加圖像165
7.4在數據庫中搜索圖像167
7.4.1利用索引獲取候選圖像168
7.4.2用一幅圖像進行查詢169
7.4 .3確定對比基準並繪製結果171
7.5使用幾何特性對結果排序172
7.6建立演示程序及Web應用176
7.6.1用CherryPy創建Web應用176
7.6.2圖像搜索演示程序176
練習179
第8章圖像內容分類181
8.1 K鄰近分類法（KNN） 181
8.1.1一個簡單的二維示例182
8.1.2用稠密SIFT作為圖像特徵185
8.1.3圖像分類：手勢識別187
8.2貝葉斯分類器190
8.3支持向量機195
8.3.1使用LibSVM 196
8.3.2再論手勢識別198
8.4光學字符識別199
8.4.1訓練分類器200
8.4.2選取特徵200
8.4.3多類支持向量機201
8.4.4提取單元格並識別字符202
8.4.5圖像校正205
練習206
第9章圖像分割209
9.1圖割（GraphCut） 209
9.1.1從圖像創建圖211
9.1.2用戶交互式分割216
9.2利用聚類進行分割218
9.3變分法224
練習226
第10章OpenCV 227
10.1 OpenCV的Python接口227
10.2 OpenCV基礎知識228
10.2.1讀取和寫入圖像228
10.2.2顏色空間228
10.2.3顯示圖像及結果229
10.3處理視頻232
10.3.1視頻輸入232
10.3.2將視頻讀取到NumPy數組中234
10.4跟蹤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圖像修復243
10.5.2利用分水嶺變換進行分割244
10.5.3利用霍夫變換檢測直線245
練習246
附錄A安裝軟件包247
A.1 NumPy和SciPy 247
A.1.1 Windows 247
A.1.2 MacOSX 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 MacOSX 249
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
附錄B圖像集253
B.1 Flickr 253
B.2 Panoramio 254
B.3牛津大學視覺幾何組255
B.4肯塔基大學識別基準圖像255
B.5其他256
B.5.1 PragueTextureSegmentationDatagenerator與基準256
B.5.2微軟研究院GrabCut數據集256
B.5.3 Caltech101 256
B.5.4靜態手勢數據庫256
B.5.5 MiddleburyStereo數據集256
附錄C圖片來源257
C.1來自Flickr的圖像257
C.2其他圖像258
C.3插圖258
參考文獻259
索引263