計算機視覺——基於OpenCV與TensorFlow的深度學習方法

內容簡介

本書詳細講解基於OpenCV的傳統計算機視覺和以TensorFlow代碼為主的基於深度學習的計算機視覺。本書從基本的圖像特徵開始，包括顏色特徵、幾何特徵、局部特徵、梯度特徵，到圖像美化，再到傳統目標檢測、光流與跟蹤等；繼而進入深度學習部分，首先帶來深度學習的基本原理，然後是卷積神經網路的深入剖析，進而闡述如何將卷積神經網路套用於計算機視覺的物體分類、目標檢測等常見問題上，最後介紹計算機視覺最新的GAN網路。本書以非常簡單的公式和原理解釋學習過程中遇到的問題，通過大量精美的圖片讓讀者直觀感受計算機視覺的效果，深入理解計算機視覺的核心內容。本書適合人工智慧方向的大學本科生、研究生，以及初學者閱讀。對於有一定基礎和經驗的讀者，也能幫助他們查缺補漏，深入理解和掌握相關原理和方法，提高實際解決問題的能力。

圖書目錄

第1章機器看世界

1.1計算機眼裡的圖像

1.2計算機視覺的起源

1.2.1馬爾計算視覺

1.2.2主動和目的視覺

1.2.3多視幾何和分層三維重建

1.2.4基於學習的視覺

1.3計算機視覺的難點

1.4深度學習的起源

1.5基於深度學習的計算機視覺

1.5.1研究方向

1.5.2未來發展

第2章傳統圖像處理之OpenCV的妙用

2.1OpenCV安裝

2.2OpenCV模組

2.3OpenCV數據存取

2.4OpenCV圖像基本操作

2.4.1OpenCV圖像縮放

2.4.2OpenCV圖像裁剪

2.4.3OpenCV圖像旋轉

2.5從攝像頭讀取

2.6矩陣操作

第3章傳統圖像處理之尋找特徵

3.1顏色特徵

3.1.1RGB顏色空間

3.1.2HIS顏色空間

3.1.3HSV顏色空間

3.1.4顏色直方圖

3.1.5OpenCV圖像色調，對比度變化

3.2幾何特徵

3.2.1邊緣特徵

3.2.2角點

3.2.3斑點

3.3局部特徵

3.3.1SIFT算法

3.3.2SURF算法

3.4代碼實戰：圖像匹配

第4章傳統圖像處理之圖像美化

4.1添加圖形與文字

4.2圖像美白

4.3圖像修復與去噪

4.4圖像輪廓

4.5圖像金字塔

4.6代碼實戰：圖像融合

第5章傳統圖像處理之相機模型

5.1相機模型

5.1.1針孔相機模型

5.1.2射影幾何

計算機視覺——基於OpenCV與TensorFlow的深度學習方法

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條