作者: [瑞典] Jan Erik Solem 出版社: 人民邮电出版社 原作名: Programming Computer Vision with Python 译者: 朱文涛/袁勇 出版年: 2014-6-10 页数: 284 定价: 69.00 装帧: 平装 丛书: 图灵程序设计丛书·Python系列 ISBN: 9787115352323

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 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。

网友热评

通往盛夏: O'REILLY的还是比较有保障，尽管…… 吉吉于: 常用图像处理库的使用，需要一定图像理论知识 雨落莎: 主要讲述了常用计算机视觉算法的python实现，还不错。 大风糊一脸: 干货书！！非常好的计算机视觉入门。我应该早点读这本书的，看看去年写在SOP里的那些都是什么鬼东西啊，活该被拒啊?

图书目录

《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　matplotlib4 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　numpy8 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　scipy17 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　ransac77 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pyopengl97 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libsvm196 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（graphcut）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　opencv227 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scipy247 a.1.1　windows247 a.1.2　macosx247 a.1.3　linux248 a.2　matplotlib248 a.3　pil248 a.4　libsvm249 a.5　opencv249 a.5.1　windows和unix249 a.5.2　macosx249 a.5.3　linux250 a.6　vlfeat250 a.7　pygame250 a.8　pyopengl250 a.9　pydot251 a.10　python-graph251 a.11　simplejson252 a.12　pysqlite252 a.13　cherrypy252 附录b　图像集253 b.1　flickr253 b.2　panoramio254 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　praguetexturesegmentationdatagenerator与基准256 b.5.2　微软研究院grabcut数据集256 b.5.3　caltech101256 b.5.4　静态手势数据库256 b.5.5　middleburystereo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