Python计算机视觉与应用案例

本书以Python为平台，以概述 案例的方式系统地对计算机视觉进行实战分析。让读者在掌握概念的同时举一反三，掌握程序设计的方法，利用程序设计解决实际问题。
?案例丰富，实用性强  以概述 案例的形式进行编写，充分强调案例的实用性及程序的可扩展性，所选案例大多数来自日常生活中，应用性强。
?程序精解，可读性强  书中每个案例的程序都经过调试与测试，同时程序代码中添加了大量的解释说明，可读性强。
?点面结合，兼顾性强  点面兼顾，涵盖了数字图像处理中几乎所有的基本模块，全面讲解了基于Python进行计算机视觉应用的原理及方法，内容做到完美链接与统筹兼顾，可使读者实现由点到面的发散性延伸。

 

《Python计算机视觉与应用案例》以Python为平台，以“概述 案例”的方式系统地对计算机视觉进行实战分析。本书先介绍计算机视觉编程基础知识，接着介绍在各个领域利用Python解决计算机视觉问题，最后通过两个经典案例综合分析计算机视觉应用。为了帮助读者更好地掌握相关知识，各章节都通过概述与案例相结合的方式，让读者在掌握概念的同时举一反三，掌握程序设计的方法，利用程序设计解决实际问题。
《Python计算机视觉与应用案例》适合想深入研究Python计算机视觉的开发者阅读参考,也可作为高等院校相关专业的教材。

第1章计算机视觉编程基础知识

1.1计算机视觉概述

1.1.1什么是计算机视觉

1.1.2发展现状

1.1.3计算机视觉用途

1.1.4相关学科

1.1.5计算机视觉的经典问题

1.2Python编程软件

1.2.1Python应用领域

1.2.2发展历程

1.2.3Python的安装

1.2.4使用pip安装第三方库

1.3几个常用库

1.3.1NumPy库

1.3.2SciPy库

1.3.3pandas库

1.3.4scikitlearn库

1.4Python图像处理类库

1.4.1转换图像格式

1.4.2创建缩略图

1.4.3复制并粘贴图像区域

1.4.4调整尺寸和旋转

1.5Matplotlib库

1．6Pyecharts库

1．6．1Pyecharts特性

1．6．2Pyecharts安装

1．6．3Pyecharts绘图

1.7NumPy图像处理

1.7.1灰度变换

1.7.2图像缩放

1.7.3直方图均衡化

1.7.4图像平均

1.7.5图像主成分分析

1.8SciPy图像处理

1.8.1图像模糊

1.8.2图像导数

1.8.3形态学

1.8.4io和misc模块

1.9图像降噪

第2章图像去雾技术

2.1空域图像增强

2.1.1空域低通滤波

2.1.2空域高通滤波器

2.2时域图像增强

2.3色阶调整去雾技术

2.3.1概述

2.3.2暗通道去雾原理

2.3.3暗通道去雾实例

2.4直方图均衡化去雾技术

2.4.1色阶调整原理

2.4.2自动色阶图像处理算法

2．4．3实现降噪去雾

第3章形态学的去噪

3.1图像去噪的方法

3.2数学形态学的原理

3.2.1腐蚀与膨胀

3.2.2开闭运算

3．2．3形态学梯度

3.2.4礼帽/黑帽操作

3.3形态学运算

3.3.1边缘检测定义

3.3.2检测拐角

3.4权重自适应的多结构形态学去噪

第4章霍夫变换检测

4.1霍夫变换检测直线

4.1.1霍夫变换检测直线的思想

4.1.2实际应用

4.2霍夫变换检测圆

4．3霍夫变换检测其他形状

第5章车牌分割定位识别

5.1基本概述

5.2车牌图像处理

5.2.1图像灰度化

5.2.2二值化

5.2.3边缘检测

5.2.4形态学运算

5.2.5滤波处理

5.3定位处理

5.4字符处理

5.4.1阈值分割

5.4.2阈值化分割

5.4.3归一化处理

5.4.4字符分割经典应用

5.5字符识别

5.5.1模板匹配的字符识别

5.5.2字符识别车牌经典应用

5．6OpenCV SVM车牌识别

第6章分水岭实现医学诊断

6.1分水岭算法

6.1.1模拟浸水过程

6.1.2模拟降水过程

6.1.3过度分割问题

6.1.4标记分水岭算法

6.2分水岭医学诊断案例分析

第7章手写体数字识别

7．1神经网络算法

7．1．1多层前馈神经网络

7．1．2利用BP算法设计神经网络

7．1．3实现手写数字的识别

7.2卷积神经网络概述

7.2.1卷积神经网络的结构

7.2.2卷积神经网络的训练

7.2.3卷积神经网络识别手写体数字

7.3SVM识别手写体数字

7.3.1支持向量机的原理

7.3.2函数间隔

7.3.3几何间隔

7.3.4间隔最大化

7.3.5SVC识别手写体数字实例

第8章图片中的英文识别

8.1OCR介绍

8.2OCR算法原理

8.2.1图像预处理

8.2.2图像分割

8.2.3特征提取和降维

8.2.4分类器

8.2.5算法步骤

8.3OCR识别经典应用

8.4获取验证码

第9章小波技术的图像视觉处理

9.1小波技术概述

9.2小波实现去噪

9.2.1小波去噪的原理

9.2.2小波去噪的方法

9.2.3小波去噪案例分析

9.3图像融合处理

9.3.1概述

9.3.2小波融合案例分析

9．4小波压缩图像

第10章图像压缩与分割处理

10.1SVD图像压缩处理

10.1.1特征分解

10.1.2奇异值分解

10.1.3奇异值分解应用

10.2PCA图像压缩处理

10.2.1概述

10.2.2主成分降维原理

10.2.3分矩阵重建样本

10.2.4主成分分析图像压缩

10.2.5主成分压缩图像案例分析

10.3KMeans聚类图像压缩处理

10.3.1KMeans算法的原理

10.3.2KMeans算法的要点

10.3.3KMeans算法的缺点

10.3.4KMeans聚类图像压缩案例分析

10.4KMeans聚类实现图像分割

10.4.1KMeans聚类分割灰度图像

10.4.2KMeans聚类对比分割彩色图像

10．5阈值法实现图像分割

10．5．1全阈值分割

10．5．2迭代阈值分割

10．5．3OTSU算法阈值分割

10．5．4自适应阈值分割

第11章图像特征匹配

11.1相关概念

11.2图像匹配

11.2.1基于灰度的匹配

11.2.2基于模板的匹配

11.2.3基于变换域的匹配

11.2.4基于特征的匹配案例分析

第12章角点特征检测

12.1Harris算子的基本原理

12.2Harris算法流程

12.3Harris角点的性质

12.4Harris检测角点案例分析

12.5角点检测函数

12.6ShiTomasi角点检测

12.7FAST特征检测

12．8SIFT角点检测

12．8．1SIFT算法实现步骤

12．8．2SIFT角点检测应用

第13章运动目标自动检测

13.1帧间差分法

13.1.1原理

13.1.2三帧差分法

13.1.3帧间差分法案例分析

13.2背景差分法

13.3光流法

第14章水印技术

14.1水印技术的概念

14.2数字水印技术的原理

14.3典型的数字水印算法

14.3.1空间域算法

14.3.2变换域算法

14.4数字水印攻击和评价

14.5水印技术案例分析

14．6小波变换水印技术

14．6．1基本原理

14．6．2水印的嵌入与提取步骤

14．6．3算法性能评估

14．6．4小波变换水印技术实现

第15章大脑影像分析

15.1阈值分割

15.2区域生长

15.3基于阈值预分割的区域生长

15.4区域生长分割大脑影像案例分析

第16章自动驾驶应用

16.1理论基础

16.2环境感知

16.3行为决策

16.4路径规则

16.5运动控制

16．6A_star算法规划自动驾驶运动

16．6．1自动驾驶运动规则问题

16．6．2A_star算法用于自动驾驶运动规划

16.7自动驾驶案例分析

第17章目标检测

17.1RCNN系列

17.1.1RCNN算法概述

17.1.2RCNN的数据集实现

17.2YOLO检测

17.2.1概述

17.2.2统一检测

17.2.3基于OpenCV实现自动检测案例分析

第18章人机交互

18.1Tkinter GUI编程组件

18.2布局管理器

18.2.1Pack布局管理器

18.2.2Grid布局管理器

18.2.3Place布局管理器

18.3事件处理

18.3.1简单的事件处理

18.3.2事件绑定

18.4Tkinter常用组件

18.4.1ttk组件

18.4.2Variable类

18.4.3compound选项

18.4.4Entry和Text组件

18.4.5Radiobutton和Checkbutton组件

18.4.6Listbox和Combobox组件

18.4.7Spinbox组件

18.4.8Scale组件

18.4.9Labelframe组件

18.4.10OptionMenu组件

18.5菜单

18.5.1窗口菜单

18.5.2右键菜单

18.6Canvas绘图

第19章深度学习的应用

19.1理论部分

19.1.1分类识别

19.1.2目标检测的任务

19.2AlexNet网络及案例分析

19.3CNN拆分数据集案例分析

19．4MTCNN人脸检测算法实现

19．4．1PNet的结构

19．4．2RNet的结构

19．4．3ONet的结构

19．4．4图像金字塔

19．4．5MTCNN实现人脸检测

第20章视觉分析综合应用案例

20.1合金弹头游戏

20.1.1游戏界面组件

20.1.2增加“角色”

20.1.3合理绘制地图

20.1.4增加音效

20.1.5增加游戏场景

20.2停车场识别计费系统

20.2.1系统设计

20.2.2实现系统

参考文献

 

计算机视觉（Computer Vision，CV）又称机器视觉（Machine Vision，MV），是一门研究如何使机器“看”的科学，更进一步地说，它是使用摄影机和计算机代替人眼对目标进行识别、跟踪和测量，并进一步使用计算机将目标处理成为更适合人眼观察或传送给仪器检测的图像识别与处理技术。

深度学习源自经典的神经网络架构，属于机器学习领域，它通过不同形式的神经网络，结合视觉大数据的大规模存量与不断产生的增量进行训练，自动提取细粒度的特征，形成抽象化的视觉描述，目前在视觉分析方面取得了很大的进步，是当前人工智能爆炸性发展的内核驱动。就技术而言，目前的计算机视觉可分为以下几个大方向： 

 图像分类；

 目标检测；

 图像分割；

 图像重构；

 图像生成；

 人脸；

 其他。

随着大数据及人工智能技术的不断发展，计算机视觉以其可视性、规模性、普适性逐步成为AI实际应用的关键领域之一，在理论研究和工程应用方面均迅猛发展。

Python是一种计算机程序设计语言，是一种面向对象的动态类型语言，它在设计上坚持了清晰和整齐划一的风格，这使得Python成为一种易读、易维护，并且受大量用户欢迎的、用途广泛的编程语言。随着Python版本的不断更新和新功能的添加，越来越多地被用于独立的、大型项目的开发。自从20世纪90年代初Python语言诞生至今，它已被广泛应用于系统管理任务的处理和Web编程。

自从电子计算机诞生以来，通过计算机仿真来模拟人类的视觉便成为非常热门且颇具挑战性的研究课题。随着数码相机、智能手机等硬件设备的普及，图像以其易于采集、信息相关性大、抗干扰能力强等特点得到越来越广泛的应用。信息化和数字化时代已经来临，随着国家对人工智能领域的投入力度加大，计算机视觉处理的需求量也会越来越大，应用也将越来越广泛。

【本书特色】

因为Python具有易用、简单、普适等特性，所以本书的计算机视觉实现是使用Python语言完成的。本书编写特点主要表现在如下几方面。

（1） 案例涵盖面广、实用，可扩展性、可读性强。

本书以“概述 案例”的形式编写，充分强调案例的实用性及程序的可扩展性，所选案例大多数来自日常生活，应用性强。另外，书中每个案例的程序都经过调试与测试，同时程序代码中添加了大量的解释说明，可读性强。

（2） 点面完美结合，兼顾性强。

本书点面兼顾，涵盖了数字图像处理中几乎所有的基本模块，并涉及视频处理、配准拼接、数字水印等高级图像处理方面的内容，全面讲解了基于Python进行计算机视觉应用的原理及方法，内容做到完美衔接与统筹兼顾，可使读者实现由点到面的发散性延伸。

【本书内容】

全书共20章，各章主要内容如下。

第1章介绍了计算机视觉编程基础知识，主要包括计算机视觉概述、Python编程软件、几个常用库、Python图像处理类库等内容。

第2章介绍了图像去雾技术，主要包括空域图像增强、时域图像增强、色阶调整去雾技术等内容。

第3章介绍了形态学的去噪，主要包括图像去噪的方法、数学形态学的原理、形态学运算等内容。

第4章介绍了霍夫变换检测，主要包括霍夫变换检测直线、霍夫变换检测圆、霍夫变换检测其他形状等内容。

第5章介绍了车牌分割定位识别，主要包括车牌图像处理、定位原理、字符处理、字符识别、OpenCV SVM车牌识别等内容。

第6章介绍了分水岭实现医学诊断，主要包括分水岭算法、分水岭医学诊断案例分析等内容。

第7章介绍了手写体数字识别，主要包括神经网络算法、卷积神经网络概述、SVC识别手写体数字等内容。

第8章介绍了图片中的英文识别，主要包括OCR介绍、OCR算法原理、OCR识别经典应用、获取验证码等内容。

第9章介绍了小波技术的图像视觉处理，主要包括小波技术概述、小波实现去噪、图像融合处理、小波压缩图像等内容。

第10章介绍了图像压缩与分割处理，主要包括SVD图像压缩处理、PCA图像压缩处理、KMeans聚类图像压缩处理、KMeans聚类实现图像分割、阈值法实现图像分割等内容。

第11章介绍了图像特征匹配，主要包括相关概念、图像匹配等内容。

第12章介绍了角点特征检测，主要包括Harris算子的基本原理、Harris算法流程、Harris角点的性质、角点检测函数、FAST特征检测、SIFT角点检测等内容。

第13章介绍了运动目标自动检测，主要包括帧间差分法、背景差分法、光流法等内容。

第14章介绍了水印技术，主要包括水印技术的概念、数字水印技术的原理、典型的数字水印算法、水印技术案例分析、小波变换水印技术等内容。

第15章介绍了大脑影像分析，主要包括阈值分割、区域生长、区域生长分割大脑影像案例分析等内容。

第16章介绍了自动驾驶应用，主要包括理论基础、环境感知、行为决策、路径规则、运动控制、A_star算法规划自动驾驶运动及自动驾驶案例分析等内容。

第17章介绍了目标检测，主要包括RCNN系列、YOLO检测等内容。

第18章介绍了人机交互，主要包括Tkinter GUI编程组件、布局管理器、事件处理、Tkinter常用组件、菜单等内容。

第19章介绍了深度学习的应用，主要包括理论部分、AlexNet网络及案例分析、CNN拆分数据集案例分析、MTCNN人脸检测算法实现等内容。

第20章介绍了视觉分析综合应用案例，主要包括合金弹头游戏、停车场识别计费系统等内容。

【配套资源】

本书提供程序代码、教学课件等配套资源，可以在清华大学出版社官方网站本书页面下载，或者扫描封底的“书圈”二维码在公众号下载。

本书由佛山大学杨光光编著。

由于时间仓促，加之作者水平有限，疏漏之处在所难免。在此，诚恳地期望得到各领域的专家和广大读者的批评指正。

编者
2024年9月