Python计算机视觉编程
Jan Erik Solem
朱文涛, 袁勇 译
出版时间:2014年05月
页数:265
想要了解计算机视觉的基本理论与算法?这本实践指南绝对会让你爱不释手。本书以大量简单明了的Python示例为依托,全面细致地介绍了对象识别、3D重建、立体成像、增强现实等技术。
书中没有枯燥的理论,而是结合代码示例讨论了计算机视觉的概念与应用。除了提供完整的示例代码以阐述计算机视觉编程的技术与方法,本书还从读者角度出发,提供了很多练习,以便巩固所学知识。只要有一定编程与数学基础,无论学生、研究人员,还是计算机视觉编程爱好者,本书都不容错过。
· 机器人导航、医学图像分析及其他计算机视觉应用技巧
· 图像映射与变换,包括纹理扭曲和全景创建
· 同一场景下多图像的3D重建
· 使用聚类方法,基于相似性或内容组织图像
· 构建有效的图像检索技巧,基于视觉内容搜索图像
· 用算法实现图像内容的分类和对象识别
· 通过Python接口访问流行的OpenCV库

Jan Erik Solem
瑞典隆德大学副教授(数学成像小组),Polar Rose公司创始人兼CTO,计算机视觉研究者,Python爱好者,技术图书作家,经常出席各种计算机视觉、图像分析、机器智能等国际会议并发表演讲。他主要关注3D重建、变分问题与优化、图像分割与识别、形状分析,有多年Python计算机视觉教学、研究和行业应用经验,技术博客为http://www.janeriksolem.net。另著有Computing with Python: An Introduction to Python for Science and Engineering一书。
  1. 推荐序
  2. 前言
  3. 第1章 基本的图像操作和处理
  4. 1.1 pil:python图像处理类库
  5. 1.1.1 转换图像格式
  6. 1.1.2 创建缩略图
  7. 1.1.3 复制和粘贴图像区域
  8. 1.1.4 调整尺寸和旋转
  9. 1.2 matplotlib
  10. 1.2.1 绘制图像、点和线
  11. 1.2.2 图像轮廓和直方图
  12. 1.2.3 交互式标注
  13. 1.3 numpy
  14. 1.3.1 图像数组表示
  15. 1.3.2 灰度变换
  16. 1.3.3 图像缩放
  17. 1.3.4 直方图均衡化
  18. 1.3.5 图像平均
  19. 1.3.6 图像的主成分分析(pca)
  20. 1.3.7 使用pickle模块
  21. 1.4 scipy
  22. 1.4.1 图像模糊
  23. 1.4.2 图像导数
  24. 1.4.3 形态学:对象计数
  25. 1.4.4 一些有用的scipy模块
  26. 1.5 高级示例:图像去噪
  27. 练习
  28. 代码示例约定
  29. 第2章 局部图像描述子
  30. 2.1 harris角点检测器
  31. 2.2 sift(尺度不变特征变换)
  32. 2.2.1 兴趣点
  33. 2.2.2 描述子
  34. 2.2.3 检测兴趣点
  35. 2.2.4 匹配描述子
  36. 2.3 匹配地理标记图像
  37. 2.3.1 从panoramio下载地理标记图像
  38. 2.3.2 使用局部描述子匹配
  39. 2.3.3 可视化连接的图像
  40. 练习
  41. 第3章 图像到图像的映射
  42. 3.1 单应性变换
  43. 3.1.1 直接线性变换算法
  44. 3.1.2 仿射变换
  45. 3.2 图像扭曲
  46. 3.2.1 图像中的图像
  47. 3.2.2 分段仿射扭曲
  48. 3.2.3 图像配准
  49. 3.3 创建全景图
  50. 3.3.1 ransac
  51. 3.3.2 稳健的单应性矩阵估计
  52. 3.3.3 拼接图像
  53. 练习
  54. 第4章 照相机模型与增强现实
  55. 4.1 针孔照相机模型
  56. 4.1.1 照相机矩阵
  57. 4.1.2 三维点的投影
  58. 4.1.3 照相机矩阵的分解
  59. 4.1.4 计算照相机中心
  60. 4.2 照相机标定
  61. 4.3 以平面和标记物进行姿态估计
  62. 4.4 增强现实
  63. 4.4.1 pygame和pyopengl
  64. 4.4.2 从照相机矩阵到opengl格式
  65. 4.4.3 在图像中放置虚拟物体
  66. 4.4.4 综合集成
  67. 4.4.5 载入模型
  68. 练习
  69. 第5章 多视图几何
  70. 5.1 外极几何
  71. 5.1.1 一个简单的数据集
  72. 5.1.2 用matplotlib绘制三维数据
  73. 5.1.3 计算f:八点法
  74. 5.1.4 外极点和外极线
  75. 5.2 照相机和三维结构的计算
  76. 5.2.1 三角剖分
  77. 5.2.2 由三维点计算照相机矩阵
  78. 5.2.3 由基础矩阵计算照相机矩阵
  79. 5.3 多视图重建
  80. 5.3.1 稳健估计基础矩阵
  81. 5.3.2 三维重建示例
  82. 5.3.3 多视图的扩展示例
  83. 5.4 立体图像
  84. 练习
  85. 第6章 图像聚类
  86. 6.1 k-means聚类
  87. 6.1.1 scipy聚类包
  88. 6.1.2 图像聚类
  89. 6.1.3 在主成分上可视化图像
  90. 6.1.4 像素聚类
  91. 6.2 层次聚类
  92. 6.3 谱聚类
  93. 练习
  94. 第7章 图像搜索
  95. 7.1 基于内容的图像检索
  96. 7.2 视觉单词
  97. 7.3 图像索引
  98. 7.3.1 建立数据库
  99. 7.3.2 添加图像
  100. 7.4 在数据库中搜索图像
  101. 7.4.1 利用索引获取候选图像
  102. 7.4.2 用一幅图像进行查询
  103. 7.4.3 确定对比基准并绘制结果
  104. 7.5 使用几何特性对结果排序
  105. 7.6 建立演示程序及web应用
  106. 7.6.1 用cherrypy创建web应用
  107. 7.6.2 图像搜索演示程序
  108. 练习
  109. 第8章 图像内容分类
  110. 8.1 k邻近分类法(knn)
  111. 8.1.1 一个简单的二维示例
  112. 8.1.2 用稠密sift作为图像特征
  113. 8.1.3 图像分类:手势识别
  114. 8.2 贝叶斯分类器
  115. 8.3 支持向量机
  116. 8.3.1 使用libsvm
  117. 8.3.2 再论手势识别
  118. 8.4 光学字符识别
  119. 8.4.1 训练分类器
  120. 8.4.2 选取特征
  121. 8.4.3 多类支持向量机
  122. 8.4.4 提取单元格并识别字符
  123. 8.4.5 图像校正
  124. 练习
  125. 第9章 图像分割
  126. 9.1 图割(graph cut)
  127. 9.1.1 从图像创建图
  128. 9.1.2 用户交互式分割
  129. 9.2 利用聚类进行分割
  130. 9.3 变分法
  131. 练习
  132. 第10章 opencv
  133. 10.1 opencv的python接口
  134. 10.2 opencv基础知识
  135. 10.2.1 读取和写入图像
  136. 10.2.2 颜色空间
  137. 10.2.3 显示图像及结果
  138. 10.3 处理视频
  139. 10.3.1 视频输入
  140. 10.3.2 将视频读取到numpy数组中
  141. 10.4 跟踪
  142. 10.4.1 光流
  143. 10.4.2 lucas-kanade算法
  144. 10.5 更多示例
  145. 10.5.1 图像修复
  146. 10.5.2 利用分水岭变换进行分割
  147. 10.5.3 利用霍夫变换检测直线
  148. 练习
  149. 附录a 安装软件包
  150. a.1 numpy和scipy
  151. a.1.1 windows
  152. a.1.2 mac os x
  153. a.1.3 linux
  154. a.2 matplotlib
  155. a.3 pil
  156. a.4 libsvm
  157. a.5 opencv
  158. a.5.1 windows 和 unix
  159. a.5.2 mac os x
  160. a.5.3 linux
  161. a.6 vlfeat
  162. a.7 pygame
  163. a.8 pyopengl
  164. a.9 pydot
  165. a.10 python-graph
  166. a.11 simplejson
  167. a.12 pysqlite
  168. a.13 cherrypy
  169. 附录b 图像集
  170. b.1 flickr
  171. b.2 panoramio
  172. b.3 牛津大学视觉几何组
  173. b.4 肯塔基大学识别基准图像
  174. b.5 其他
  175. b.5.1 prague texture segmentation datagenerator与基准
  176. b.5.2 微软研究院grab cut数据集
  177. b.5.3 caltech 101
  178. b.5.4 静态手势数据库
  179. b.5.5 middlebury stereo数据集
  180. 附录c 图片来源
  181. c.1 来自flickr的图像
  182. c.2 其他图像
  183. c.3 插图
  184. 参考文献
  185. 索引
书名:Python计算机视觉编程
作者:Jan Erik Solem
译者:朱文涛, 袁勇 译
国内出版社:人民邮电出版社
出版时间:2014年05月
页数:265
书号:978-7-115-35232-3
原版书书名:Programming Computer Vision with Python
原版书出版商:O'Reilly Media
Jan Erik Solem
 
瑞典隆德大学副教授(数学成像小组),Polar Rose公司创始人兼CTO,计算机视觉研究者,Python爱好者,技术图书作家,经常出席各种计算机视觉、图像分析、机器智能等国际会议并发表演讲。他主要关注3D重建、变分问题与优化、图像分割与识别、形状分析,有多年Python计算机视觉教学、研究和行业应用经验,技术博客为http://www.janeriksolem.net。另著有Computing with Python: An Introduction to Python for Science and Engineering一书。