Python計算機視覺實戰（簡體書）

前言

計算機視覺（Computer Vision，CV）又稱機器視覺（Machine Vision，MV），是一門研究如何使機器“看”的科學，更進一步地說，它是使用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量，並進一步使用計算機將目標處理成為更適合人眼觀察或傳送給儀器檢測的圖像識別與處理技術。

深度學習源自經典的神經網絡架構，屬於機器學習領域，它通過不同形式的神經網絡，結合視覺大數據的大規模存量與不斷產生的增量進行訓練，自動提取細粒度的特征，形成抽象化的視覺描述，目前在視覺分析方面取得了很大的進步，是當前人工智能爆炸性發展的內核驅動。就技術而言，目前的計算機視覺可分為以下幾個大方向：

 圖像分類；

 目標檢測；

 圖像分割；

 圖像重構；

 圖像生成；

 人臉；

 其他。

隨著大數據及人工智能技術的不斷發展，計算機視覺以其可視性、規模性、普適性逐步成為AI實際應用的關鍵領域之一，在理論研究和工程應用方面均迅猛發展。

Python是一種計算機程序設計語言，是一種面向物件的動態類型語言，它在設計上堅持了清晰和整齊劃一的風格，這使得Python成為一種易讀、易維護，並且被大量用戶歡迎的、用途廣泛的編程語言。隨著Python版本的不斷更新和新功能的添加，越來越多地被用於獨立的、大型項目的開發。自從20世紀90年代初Python語言誕生至今，它已被廣泛應用於系統管理任務的處理和Web編程。

自從電子計算機誕生以來，通過計算機仿真來模擬人類的視覺便成為非常熱門且頗具挑戰性的研究課題。隨著數碼相機、智能手機等硬件設備的普及，圖像以其易於采集、信息相關性大、抗幹擾能力強等特點得到越來越廣泛的應用。信息化和數字化時代已經來臨，隨著國家對人工智能領域的投入力度加大，計算機視覺處理的需求量也會越來越大，應用也將越來越廣泛。

【本書特色】

因為Python的易用、簡單、普適等特性，所以本書的計算機視覺實現是使用Python語言完成的。本書編寫特點主要表現在如下幾方面。

（1） 案例涵蓋面廣、實用，可擴展性、可讀性強。

本書以“概述+案例”的形式編寫，充分強調案例的實用性及程序的可擴展性，所選案例大多數來自日常生活，應用性強。另外，書中每個案例的程序都經過調試與測試，同時程序代碼中添加了大量的解釋說明，可讀性強。

（2） 點面完美結合，兼顧性強。

本書點面兼顧，涵蓋了數字圖像處理中幾乎所有的基本模塊，並涉及視頻處理、配準拼接、數字水印等高級圖像處理方面的內容，全面講解了基於Python進行計算機視覺應用的原理及方法，內容做到完美銜接與統籌兼顧，可使讀者實現由點到面的發散性延伸。

【本書內容】

全書共20章，每章的主要內容包括：

第1章介紹了計算機視覺編程基礎知識，主要包括計算機視覺概述、Python編程軟件、幾個常用庫、Python圖像處理類庫等內容。

第2章介紹了圖像去霧技術，主要包括空域圖像增強、時域圖像增強、色階調整去霧技術等內容。

第3章介紹了形態學的去噪，主要包括圖像去噪的方法、數學形態學的原理、形態學運算等內容。

第4章介紹了霍夫變換檢測，主要包括霍夫檢測直線、霍夫檢測圓等內容。

第5章介紹了車牌分割定位識別，主要包括車牌圖像處理、定位原理、字符處理、字符識別等內容。

第6章介紹了分水嶺實現醫學診斷，主要包括分水嶺算法、分水嶺醫學診斷案例分析等內容。

第7章介紹了手寫體數字識別，主要包括卷積神經網絡的概述、SVC識別手寫體數字等內容。

第8章介紹了圖片中的英文識別，主要包括OCR的介紹、OCR算法原理、OCR識別經典應用、獲取驗證碼等內容。

第9章介紹了小波技術的圖像視覺處理，主要包括小波技術概述、小波實現去噪、圖像融合處理等內容。

第10章介紹了圖像壓縮與分割處理，主要包括SVD圖像壓縮處理、PCA圖像壓縮處理、KMeans聚類圖像壓縮處理等內容。

第11章介紹了圖像特征匹配，主要包括相關概念、圖像匹配等內容。

第12章介紹了角點特征檢測，主要包括Harris的基本原理、Harris算法流程、Harris角點的性質、角點檢測函數、FAST特征檢測等內容。

第13章介紹了運動目標自動檢測，主要包括幀間差分法、背景差分法、光流法等內容。

第14章介紹了水印技術，主要包括水印技術的概念、數字水印技術的原理、典型的數字水印算法、水印技術案例分析等內容。

第15章介紹了大腦影像分析，主要包括閾值分割、區域生長、區域生長分割大腦影像案例分析等內容。

第16章介紹了自動駕駛應用，主要包括理論基礎、環境感知、行為決策、路徑規則、運動控制及自動駕駛案例分析等內容。

第17章介紹了目標檢測，主要包括RCNN系列、YOLO檢測等內容。

第18章介紹了人機交互，主要包括Tkinter GUI編程組件、布局管理器、事件處理、Tkinter常用組件、菜單等內容。

第19章介紹了深度學習的應用，主要包括理論部分、AlexNet網絡及案例分析、CNN拆分數據集案例分析等內容。

第20章介紹了視覺分析綜合應用案例，主要包括合金彈頭遊戲、停車場識別計費系統等內容。

【配套資源】

本書提供教學課件、程序代碼等配套資源，可以關注“人工智能科學與技術”微信公眾號，在“知識”→“資源下載”→“配書資源”菜單獲取本書配套資源（也可以到清華大學出版社網站本書頁面下載）。

本書由佛山科學技術學院張德豐編著。

由於時間倉促，加之作者水平有限，疏漏之處在所難免。在此，誠懇地期望得到各領域的專家和廣大讀者的批評指正，聯系郵箱。

編者

2021年5月

目錄

第1章計算機視覺編程基礎知識

1.1計算機視覺概述

1.1.1什麼是計算機視覺

1.1.2發展現狀

1.1.3計算機視覺用途

1.1.4相關學科

1.1.5計算機視覺的經典問題

1.2Python編程軟件

1.2.1Python應用領域

1.2.2發展歷程

1.2.3Python的安裝

1.2.4使用pip安裝第三方庫

1.3幾個常用庫

1.3.1numpy庫

1.3.2scipy庫

1.3.3pandas庫

1.3.4scikitlearn庫

1.4Python圖像處理類庫

1.4.1轉換圖像格式

1.4.2創建縮略圖

1.4.3復制並粘貼圖像區域

1.4.4調整尺寸和旋轉

1.5Matplotlib庫

1.6Numpy圖像處理

1.6.1灰度變換

1.6.2圖像縮放

1.6.3直方圖均衡化

1.6.4圖像平均

1.6.5圖像主成分分析

1.7Scipy圖像處理

1.7.1圖像模糊

1.7.2圖像導數

1.7.3形態學

1.7.4io和misc模塊

1.8圖像降噪

第2章圖像去霧技術

2.1空域圖像增強

2.1.1空域低通濾波

2.1.2空域高通濾波器

2.2時域圖像增強

2.3色階調整去霧技術

2.3.1概述

2.3.2暗通道去霧原理

2.3.3暗通道去霧實例

2.4直方圖均衡化去霧技術

2.4.1色階調整原理

2.4.2自動色階圖像處理算法

第3章形態學的去噪

3.1圖像去噪的方法

3.2數學形態學的原理

3.2.1腐蝕與膨脹

3.2.2開閉運算

3.2.3禮帽/黑帽操作

3.3形態學運算

3.3.1邊緣檢測定義

3.3.2檢測拐角

3.4權重自適應的多結構形態學去噪

第4章霍夫變換檢測

4.1霍夫檢測直線

4.1.1霍夫檢測直線的思想

4.1.2實際應用

4.2霍夫檢測圓

第5章車牌分割定位識別

5.1基本概述

5.2車牌圖像處理

5.2.1圖像灰度化

5.2.2二值化

5.2.3邊緣檢測

5.2.4形態學運算

5.2.5濾波處理

5.3定位處理

5.4字符處理

5.4.1閾值分割

5.4.2閾值化分割

5.4.3歸一化處理

5.4.4字符分割經典應用

5.5字符識別

5.5.1模板匹配的字符識別

5.5.2字符識別車牌經典應用

第6章分水嶺實現醫學診斷

6.1分水嶺算法

6.1.1模擬浸水過程

6.1.2模擬降水過程

6.1.3過度分割問題

6.1.4標記分水嶺算法

6.2分水嶺醫學診斷案例分析

第7章手寫體數字識別

7.1卷積神經網絡概述

7.1.1卷積神經網絡結構

7.1.2卷積神經網絡的訓練

7.1.3卷積神經網絡識別手寫體數字

7.2SVM識別手寫體數字

7.2.1支持向量機的原理

7.2.2函數間隔

7.2.3幾何間隔

7.2.4間隔最大化

7.2.5SVC識別手寫體數字實例

第8章圖片中英文識別

8.1OCR介紹

8.2OCR算法原理

8.2.1圖像預處理

8.2.2圖像分割

8.2.3特征提取和降維

8.2.4分類器

8.2.5算法步驟

8.3OCR識別經典應用

8.4獲取驗證碼

第9章小波技術的圖像視覺處理

9.1小波技術概述

9.2小波實現去噪

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圖像融合處理

9.3.1概述

9.3.2小波融合案例分析

第10章圖像壓縮與分割處理

10.1SVD圖像壓縮處理

10.1.1特征分解

10.1.2奇異值分解

10.1.3奇異值分解應用

10.2PCA圖像壓縮處理

10.2.1概述

10.2.2主成分降維原理

10.2.3分矩陣重建樣本

10.2.4主成分分析圖像壓縮

10.2.5主成分壓縮圖像案例分析

10.3KMeans聚類圖像壓縮處理

10.3.1KMeans算法的原理

10.3.2KMeans算法的要點

10.3.3KMeans算法的缺點

10.3.4KMeans聚類圖像壓縮案例分析

10.4KMeans聚類實現圖像分割

10.4.1KMeans聚類分割灰度圖像

10.4.2KMeans聚類對比分割彩色圖像

第11章圖像特征匹配

11.1相關概念

11.2圖像匹配

11.2.1基於灰度的匹配

11.2.2基於模板的匹配

11.2.3基於變換域的匹配

11.2.4基於特征的匹配案例分析

第12章角點特征檢測

12.1Harris的基本原理

12.2Harris算法流程

12.3Harris角點的性質

12.4Harris檢測角點案例分析

12.5角點檢測函數

12.6ShiTomasi角點檢測

12.7FAST特征檢測

第13章運動目標自動檢測

13.1幀間差分法

13.1.1原理

13.1.2三幀差分法

13.1.3幀間差分法案例分析

13.2背景差分法

13.3光流法

第14章水印技術

14.1水印技術的概念

14.2數字水印技術的原理

14.3典型的數字水印算法

14.3.1空間域算法

14.3.2變換域算法

14.4數字水印攻擊和評價

14.5水印技術案例分析

第15章大腦影像分析

15.1閾值分割

15.2區域生長

15.3基於閾值預分割的區域生長

15.4區域生長分割大腦影像案例分析

第16章自動駕駛應用

16.1理論基礎

16.2環境感知

16.3行為決策

16.4路徑規則

16.5運動控制

16.6自動駕駛案例分析

第17章目標檢測

17.1RCNN系列

17.1.1RCNN算法概述

17.1.2RCNN的數據集實現

17.2YOLO檢測

17.2.1概述

17.2.2統一檢測

17.2.3基於OpenCV實現自動檢測案例分析

第18章人機交互

18.1Tkinter GUI編程組件

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事件處理

18.3.1簡單的事件處理

18.3.2事件綁定

18.4Tkinter常用組件

18.4.1ttk組件

18.4.2Variable類

18.4.3compound選項

18.4.4Entry和Text組件

18.4.5Radiobutton和Checkbutton組件

18.4.6Listbox和Combobox組件

18.4.7Spinbox組件

18.4.8Scale組件

18.4.9Labelframe組件

18.4.10OptionMenu組件

18.5菜單

18.5.1窗口菜單

18.5.2右鍵菜單

18.6Canvas繪圖

第19章深度學習的應用

19.1理論部分

19.1.1分類識別

19.1.2目標檢測的任務

19.2AlexNet網絡及案例分析

19.3CNN拆分數據集案例分析

第20章視覺分析綜合應用案例

20.1合金彈頭遊戲

20.1.1遊戲界面組件

20.1.2增加“角色”

20.1.3合理繪制地圖

20.1.4增加音效

20.1.5增加遊戲場景

20.2停車場識別計費系統

20.2.1系統設計

20.2.2實現系統

參考文獻