店铺公告
为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。 温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货）， 关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。
| 产品展示 |
| |
| 基本信息 |
| 图书名称： | 计算机视觉40例从入门到深度学习(OpenCV-Python) |
| 作者： | 李立宗 |
| 定价： | 129.00 |
| ISBN号： | 9787121436857 |
| 出版社： | 电子工业出版社 |
| 开本： | 16开 |
| 装帧： | |
| 编辑推荐 |
| |
| 内容介绍 |
| 本书以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。本书从基础知识、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。本书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。 |
| 作者介绍 |
| 目录 |
| 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 最小包围圆形 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 第26章 人脸识别 475 26.1 人脸识别基础 475 26.1.1 人脸识别基本流程 475 26.1.2 OpenCV人脸识别基础 476 26.2 LBPH人脸识别 478 26.2.1 基本原理 478 26.2.2 函数介绍 482 26.2.3 案例介绍 482 26.3 EigenFaces人脸识别 484 26.3.1 基本原理 484 26.3.2 函数介绍 485 26.3.3 案例介绍 485 26.4 FisherFaces人脸识别 487 26.4.1 基本原理 487 26.4.2 函数介绍 489 26.4.3 案例介绍 489 26.5 人脸数据库 491 第27章 dlib库 493 27.1 定位人脸 493 27.2 绘制关键点 494 27.3 勾勒五官轮廓 497 27.4 人脸对齐 500 27.5 调用CNN实现人脸检测 502 第28章 人脸识别应用案例 504 28.1 表情识别 504 28.2 驾驶员疲劳检测 507 28.3 易容术 511 28.3.1 仿射 511 28.3.2 算法流程 512 28.3.3 实现程序 514 28.4 年龄和性别识别 517 |
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
![[正版]正版 计算机视觉40例从入门到深度学习 OpenCV-Python 人工智能图像识别处理机器学习深度神经网络](http://imgservice.suning.cn/uimg1/b2c/image/o6QAfNqxTB2sieO6bkcXWA.jpg_400w_400h_4e)
![[正版]正版 计算机视觉40例从入门到深度学习 OpenCV-Python 人工智能图像识别处理机器学习深度神经网络](http://imgservice.suning.cn/uimg1/b2c/image/o6QAfNqxTB2sieO6bkcXWA.jpg_60w_60h_4e)
![[正版]正版 计算机视觉40例从入门到深度学习 OpenCV-Python 人工智能图像识别处理机器学习深度神经网络](http://imgservice.suning.cn/uimg1/b2c/image/arL360raXO_XI8nZisXJiQ.jpg_60w_60h_4e)
![[正版]正版 计算机视觉40例从入门到深度学习 OpenCV-Python 人工智能图像识别处理机器学习深度神经网络](http://imgservice.suning.cn/uimg1/b2c/image/Asc3VyPar6J1FwVtpCICuw.jpg_60w_60h_4e)
![[正版]正版 计算机视觉40例从入门到深度学习 OpenCV-Python 人工智能图像识别处理机器学习深度神经网络](http://imgservice.suning.cn/uimg1/b2c/image/cyDXqBOq9V-NXL_r3Pp6Hg.jpg_60w_60h_4e)
![[正版]正版 计算机视觉40例从入门到深度学习 OpenCV-Python 人工智能图像识别处理机器学习深度神经网络](http://imgservice.suning.cn/uimg1/b2c/image/Bkt6nuqWlEJMte9pFUs-Ng.jpg_60w_60h_4e)
