AI視覺:最強入門邁向頂尖高手 王者歸來DM2515

1-0 建議閱讀書籍

1-1 程式導入OpenCV 模組

1-1-1 安裝主要模組

1-1-2 擴展模組安裝

1-1-3 導入模組

1-1-4 OpenCV 版本

1-2 讀取影像檔案

1-2-1 影像讀取imread( ) 的語法

1-2-2 可讀取的影像格式

1-3 顯示影像與關閉影像視窗

1-3-1 使用OpenCV 顯示影像

1-3-2 關閉OpenCV 視窗

1-3-3 等待按鍵的事件

1-3-4 建立OpenCV 影像視窗

1-4 儲存影像

第2章　認識影像表示方法

2-1 位元影像表示法

2-2 GRAY 色彩空間

2-3 RGB 色彩空間

2-3-1 由色彩得知RGB 通道值

2-3-2 使用RGB 通道值獲得色彩區塊

2-3-3 RGB 彩色像素的表示法

2-4 BGR 色彩空間

2-5 獲得影像的屬性

2-6 像素的BGR 值

2-6-1 讀取特定灰階影像像素座標的BGR 值

2-6-2 讀取特定彩色影像像素座標的BGR 值

2-6-3 修改特定影像像素座標的BGR 值

第3章　學習OpenCV 需要的Numpy 知識

3-1 陣列ndarray

3-2 Numpy 的資料型態

3-3 建立一維或多維陣列

3-3-1 認識ndarray 的屬性

3-3-2 使用array( ) 建立一維陣列

3-3-3 使用array( ) 函數建立多維陣列

3-3-4 使用zeros( ) 建立內容是0 的多維陣列

3-3-5 使用ones( ) 建立內容是1 的多維陣列

3-3-6 使用empty( ) 建立未初始化的多維陣列

3-3-7 使用random.randint( ) 建立隨機數內容的多維陣列

3-3-8 使用arange( ) 函數建立陣列數據

3-3-9 使用reshape( ) 函數更改陣列形式

3-4 一維陣列的運算與切片

3-4-1 一維陣列的四則運算

3-4-2 一維陣列的關係運算子運算

3-4-3 陣列切片

3-4-4 使用參數copy=True 複製數據

3-4-5 使用copy( ) 函數複製陣列

3-5 多維陣列的索引與切片

3-5-1 認識axis 的定義

3-5-2 多維陣列的索引

3-5-3 多維陣列的切片

3-6 陣列水平與垂直合併

3-6-1 陣列垂直合併vstack( )

3-6-2 陣列水平合併hstack( )

第4章　認識色彩空間到藝術創作

4-1 BGR 與RGB 色彩空間的轉換

4-2 BGR 色彩空間轉換至GRAY 色彩空間

4-2-1 使用cvtColor( ) 函數

4-2-2 OpenCV 內部轉換公式

4-3 HSV 色彩空間

4-3-1 認識HSV 色彩空間

4-3-2 將影像由BGR 色彩空間轉為HSV 色彩空間

4-3-3 將RGB 色彩轉換成HSV 色彩公式

4-4 拆分色彩通道

4-4-1 拆分BGR 影像的通道

4-4-2 拆分HSV 影像的通道

4-5 合併色彩通道

4-5-1 合併B、G、R 通道的影像

4-5-2 合併H、S、V 通道的影像

4-6 拆分與合併色彩通道的應用

4-6-1 色調Hue 調整

4-6-2 飽和度Saturation 調整

4-6-3 明度Value 調整

4-7 alpha 通道

第5章　妙手空空建立影像

5-1 影像座標

5-2 建立與編輯灰階影像

5-2-1 建立灰階影像

5-2-2 編輯灰階影像

5-2-3 使用隨機數建立灰階影像

5-3 建立彩色影像

第6章　影像處理的基礎知識

6-1 灰階影像的編輯

6-1-1 自創灰階影像與編輯的基礎實例

6-1-2 讀取灰階影像與編輯的實例

6-2 彩色影像的編輯

6-2-1 了解彩色影像陣列的結構

6-2-2 自創彩色影像與編輯的實例

6-2-3 讀取彩色影像與編輯的實例

6-3 編輯含alpha 通道的彩色影像

6-4 影像感興趣區域的編輯

6-4-1 擷取影像感興趣區塊

6-4-2 建立影像馬賽克效果

6-4-3 感興趣區塊在不同影像間移植

6-5 負片影像處理

6-5-1 負片的基本概念與應用

6-5-2 負片應用在灰階影像

6-5-3 負片應用在彩色影像

6-5-4 ROI 負片處理

第7章　從靜態到動態的繪圖功能

7-1 建立畫布

7-2 繪製直線

7-3 畫布背景色彩的設計

7-3-1 單區塊的底部色彩

7-3-2 建立含底色圖案的畫布

7-3-3 漸層色背景設計

7-4 繪製矩形

7-5 繪製圓

7-5-1 繪製圓的基礎知識

7-5-2 隨機色彩的應用

7-6 繪製橢圓或橢圓弧度

7-7 繪製多邊形

7-8 輸出文字

7-8-1 預設英文字輸出

7-8-2 中文字輸出

7-9 反彈球的設計

7-10 滑鼠事件

7-10-1 OnMouseAction( )

7-10-2 setMouseCallback( )

7-10-3 建立隨機圓

7-10-4 滑鼠與鍵盤的混合應用

7-11 滾動條的設計

7-12 滾動條當作開關的應用

第8章　影像計算邁向影像創作

8-1 影像加法運算

8-1-1 使用add( ) 函數執行影像加法運算

8-1-2 使用數學加法 + 符號執行影像加法運算

8-1-3 加總B、G、R 原色的實例

8-2 遮罩mask

8-2-1 遮罩的基本概念

8-2-2 遮罩的應用場景

8-3 重複曝光技術

8-3-1 影像的加權和觀念

8-3-2 OpenCV 的影像加權和方法

8-4 影像的位元運算

8-4-1 邏輯的and 運算

8-4-2 邏輯的or 運算

8-4-3 邏輯的not 運算

8-4-4 邏輯的xor 運算

8-5 影像加密與解密

8-6 動態影像GIF 設計

8-6-1 移動遮罩的設計與應用

8-6-2 保存為 GIF 動畫

8-7 設計MP4 影片檔案

8-7-1 MP4 檔案設計步驟

8-7-2 MP4 影片實作

第9章　閾值處理邁向數位情報

9-1 threshold( ) 函數

9-1-1 基礎語法

9-1-2 二值化處理THRESH_BINARY 與現代情報戰

9-1-3 反二值化處理THRESH_BINARY_INV

9-1-4 截斷閾值處理THRESH_TRUNC

9-1-5 低閾值用0 處理THRESH_TOZERO

9-1-6 高閾值用0 處理THRESH_TOZERO_INV

9-2 Otsu 演算法

9-3 自適應閾值方法adaptiveThreshold( ) 函數

9-4 平面圖的分解

9-5 隱藏在影像內的數位浮水印

9-5-1 驗證最低有效位元對影像沒有太大的影響

9-5-2 建立數位浮水印

9-5-3 取得原始影像的row 和column

9-5-4 建立像素值是254 的提取矩陣

9-5-5 取得原始影像的高7 位影像

9-5-6 建立浮水印影像

9-5-7 將浮水印影像嵌入原始影像

9-5-8 擷取浮水印影像

9-6 動態展示影像處理過程

第10章　影像的幾何變換

10-1 認識幾何變換

10-2 影像縮放效果

10-2-1 使用dsize 參數執行影像縮放

10-2-2 使用fx 和fy 執行影像的縮放

10-3 影像翻轉

10-4 影像仿射

10-4-1 仿射的數學基礎

10-4-2 仿射的函數語法

10-4-3 影像平移

10-4-4 影像旋轉

10-4-5 影像傾斜

10-5 影像透視

10-6 重映射

10-6-1 解說map1 和map2

10-6-2 影像複製

10-6-3 垂直翻轉

10-6-4 水平翻轉的實例

10-6-5 影像縮放

10-6-6 影像垂直壓縮

10-7 重映射創意應用 - 波浪效果

10-7-1 波浪效果

10-7-2 設計波浪動畫

第11章　影像除噪與平滑技術

11-1 建立平滑影像需認識的名詞

11-1-1 濾波核

11-1-2 影像噪音

11-1-3 刪除噪音

11-2 均值濾波器

11-2-1 理論基礎

11-2-2 像素位於邊界的考量

11-2-3 濾波核與卷積

11-2-4 均值濾波器函數

11-3 方框濾波器

11-3-1 理論基礎

11-3-2 方框濾波器函數

11-4 中值濾波器

11-4-1 理論基礎

11-4-2 中值濾波器函數

11-5 高斯濾波器

11-5-1 理論基礎

11-5-2 高斯濾波器函數

11-6 雙邊濾波器

11-6-1 理論基礎

11-6-2 雙邊濾波器函數

11-7 2D 濾波核

11-8 創意應用 – 圖像油畫效果模擬

第12章　數學形態學

12-1 腐蝕(Erosion)

12-1-1 理論基礎

12-1-2 腐蝕函數

12-2 膨脹(Dilation)

12-2-1 理論基礎

12-2-2 膨脹函數dilate( )

12-3 OpenCV 應用在數學形態學的通用函數

12-4 開運算(Opening)

12-4-1 開運算於AI 視覺場景的應用

12-4-2 開運算的程式應用

12-5 閉運算(Closing)

12-5-1 閉運算與開運算功能差異

12-5-2 閉運算在 AI 視覺中的應用場景

12-5-3 閉運算的程式應用

12-6 形態學梯度(Morphological gradient)

12-6-1 形態學梯度的作用與影響

12-6-2 形態學梯度在 AI 視覺中的場景應用

12-6-3 閉運算的程式應用

12-7 禮帽運算(tophat)

12-7-1 禮帽運算的特色與影響

12-7-2 禮帽運算在 AI 視覺中的場景應用

12-7-3 禮帽運算的程式應用

12-8 黑帽運算(blackhat)

12-8-1 黑帽運算的特色與影響

12-8-2 黑帽運算在 AI 視覺中的場景應用

12-8-3 黑帽運算的程式應用

12-9 核函數

第13章　影像梯度與邊緣偵測

13-1 影像梯度的基礎觀念

13-1-1 直覺方法認識影像邊界

13-1-2 認識影像梯度

13-1-3 機器視覺

13-2 OpenCV 函數Sobel( )

13-2-1 Sobel 運算子

13-2-2 使用Sobel 運算子計算x 軸方向影像梯度

13-2-3 使用Sobel 運算子計算y 軸方向影像梯度

13-2-4 Sobel( ) 函數

13-2-5 考量ddepth 與取絕對值函數convertScaleAbs( )

13-2-6 x 軸方向的影像梯度

13-2-7 y 軸方向的影像梯度

13-2-8 x 軸和y 軸影像梯度的融合

13-3 OpenCV 函數Scharr( )

13-3-1 Scharr 算子

13-3-2 Scharr( ) 函數

13-4 OpenCV 函數Laplacian( )

13-4-1 二階微分

13-4-2 Laplacian 運算子

13-4-3 Laplacian( ) 函數

13-5 Canny 邊緣檢測

13-5-1 認識Canny 邊緣檢測

13-5-2 Canny 演算法的步驟

13-5-3 Canny( ) 函數

13-6 灰階圖像在邊緣檢測中的優勢

第14章　影像金字塔

14-1 影像金字塔的原理

14-1-1 認識層次(level) 名詞

14-1-2 基礎理論

14-1-3 濾波器與採樣

14-1-4 高斯濾波器與向下採樣

14-1-5 向上採樣

14-1-6 影像失真

14-2 OpenCV 的pyrDown( ) 函數

14-3 OpenCV 的pyrUp( ) 函數

14-4 採樣逆運算的實驗

14-4-1 影像相加與相減

14-4-2 反向運算的結果觀察

14-5 拉普拉斯金字塔(Laplacian Pyramid, LP)

14-6 影像金字塔的應用與老照片修復實作

14-6-1 影像金字塔的應用

14-6-2 修復老舊照片原理解釋

14-6-3 實作老照片修復

第15章　輪廓的檢測與匹配

15-1 影像內圖形的輪廓

15-1-1 找尋圖形輪廓findContours( )

15-1-2 繪製圖形的輪廓

15-2 繪製影像內圖形輪廓的系列實例

15-2-1 找尋與繪製影像內圖形輪廓的基本應用

15-2-2 認識findCountours( ) 函數的回傳值contours

15-2-3 輪廓索引contoursIdx

15-2-4 輪廓的外形與特徵提取

15-2-5 輪廓內有輪廓

15-2-6 繪製一般影像的圖形輪廓

15-2-7 輪廓動畫

15-3 輪廓層級Hierarchy

15-3-1 輪廓層級的基本觀念

15-3-2 檢測模式RETR_EXTERNAL

15-3-3 檢測模式RETR_LIST

15-3-4 檢測模式RETR_CCOMP

15-3-5 檢測模式RETR_TREE

15-3-6 輪廓層級的創意場景

15-4 輪廓的特徵 – 影像矩(Image moments)

15-4-1 矩特徵moments( ) 函數

15-4-2 基礎影像矩推導 – 輪廓質心

15-4-3 影像矩實例

15-4-4 計算輪廓面積

15-4-5 計算輪廓周長

15-5 輪廓外形的匹配 – Hu 矩

15-5-1 OpenCV 計算Hu 矩的函數

15-5-2 第0 個Hu 矩的公式驗證

15-5-3 輪廓匹配

15-6 再談輪廓外形匹配

15-6-1 建立形狀場景距離

15-6-2 Hausdorff 距離

第16章　輪廓擬合與凸包的相關應用

16-1 輪廓的擬合

16-1-1 矩形包圍

16-1-2 最小包圍矩形

16-1-3 最小包圍圓形

16-1-4 最優擬合橢圓

16-1-5 最小包圍三角形

16-1-6 近似多邊形

16-1-7 最優擬合直線

16-2 凸包

16-2-1 獲得凸包

16-2-2 凸缺陷

16-3 輪廓的幾何測試

16-3-1 測試輪廓包圍線是否凸形

16-3-2 計算任意座標點與輪廓包圍線的最短距離

16-4 創意應用

第17章　輪廓的特徵

17-1 寬高比(Aspect Ratio)

17-2 輪廓的極點

17-2-1 認識輪廓點座標

17-2-2 Numpy 模組的argmax( ) 和argmin( ) 函數

17-2-3 找出輪廓極點座標

17-3 Extent

17-4 Solidity

17-5 等效直徑(Equivalent Diameter)

17-6 遮罩和非0 像素點的座標訊息

17-6-1 使用Numpy 的陣列模擬獲得非0 像素點座標訊息

17-6-2 獲得空心與實心非0 像素點座標訊息

17-6-3 使用OpenCV 函數獲得非0 像素點座標訊息

17-7 找尋影像物件最小值與最大值與他們的座標

17-7-1 從陣列找最大值與最小值和他們的座標

17-7-2 影像實作與醫學應用說明

17-8 計算影像的像素的均值與標準差

17-8-1 計算影像的像素均值

17-8-2 影像的像素均值簡單實例

17-8-3 使用遮罩觀念計算像素均值

17-8-4 計算影像的像素標準差

17-9 方向

17-10 輪廓動態創意設計

17-10-1 圓形輪廓動畫

17-10-2 不規則外形的外框收縮

17-10-3 動畫標記像素點

第18章　自動駕駛車道檢測

18-1 霍夫變換的基礎原理解說

18-1-1 認識笛卡兒座標與霍夫座標

18-1-2 映射

18-1-3 認識極座標的基本定義

18-1-4 霍夫變換與極座標

18-2 HoughLines( ) 函數

18-3 HoughLinesP( ) 函數

18-4 霍夫圓環變換檢測

18-5 高速公路車道檢測

18-5-1 高速公路車道檢測

18-5-2 優化版的車道檢測 - 均值左右車道線

第19章　直方圖均衡化 - 增強影像對比度

19-1 認識直方圖

19-1-1 認識直方圖

19-1-2 正規化直方圖

19-2 繪製直方圖

19-2-1 使用matplotlib 繪製直方圖

19-2-2 使用OpenCV 取得直方圖數據

19-2-3 繪製彩色影像的直方圖

19-2-4 繪製遮罩的直方圖

19-3 直方圖均衡化

19-3-1 直方圖均衡化演算法

19-3-2 直方圖均衡化equalizeHist( )

19-3-3 直方圖均衡化應用在彩色影像

19-4 限制自適應直方圖均衡化方法

19-4-1 直方圖均衡化的優缺點

19-4-2 直方圖均衡化的缺點實例

19-4-3 自適應直方圖函數createCLAHE( ) 和apply( ) 函數

19-5 區域化直方圖增強技術

第20章　模板匹配Template Matching

20-1 模板匹配的基礎觀念

20-2 模板匹配函數matchTemplate( )

20-2-1 認識匹配函數matchTemplate( )

20-2-2 模板匹配結果

20-2-3 TM_SQDIFF_NORMED 模板匹配結果

20-3 單模板匹配

20-3-1 回顧minMaxLoc( ) 函數

20-3-2 單模板匹配的實例

20-3-3 找出比較接近的影像

20-3-4 多目標匹配的實例

20-3-5 在地圖搜尋山脈

20-3-6 計算距離最近的機場

20-4 多模板匹配

第21章　傅立葉(Fourier) 變換

21-1 數據座標軸轉換的基礎知識

21-2 傅立葉基礎理論

21-2-1 認識傅立葉(Fourier)

21-2-2 認識弦波

21-2-3 正弦函數的時域圖與頻率域圖

21-2-4 傅立葉變換理論基礎

21-3 使用Numpy 執行傅立葉變換

21-3-1 實作傅立葉變換

21-3-2 逆傅立葉變換

21-4 訊號與濾波器

21-4-1 高頻訊號與低頻訊號

21-4-2 高通濾波器與低通濾波器

21-5 使用OpenCV 完成傅立葉變換

21-5-1 使用dft( ) 函數執行傅立葉變換

21-5-2 使用OpenCV 執行逆傅立葉運算

21-5-3 低通濾波器

21-6 低通濾波器的藝術創作

第22章　影像分割使用分水嶺演算法

22-1 影像分割基礎

22-2 分水嶺演算法與OpenCV 官方推薦網頁

22-2-1 認識分水嶺演算法

22-2-2 OpenCV 官方推薦網頁

22-3 分水嶺演算法步驟1 – 認識distanceTransform( )

22-4 分水嶺演算法步驟2 – 找出未知區域

22-5 分水嶺演算法步驟3 – 建立標記

22-6 完成分水嶺演算法

22-7 分水嶺演算法專案 – 複雜圖像分割

第23章　影像擷取

23-1 認識影像擷取的原理

23-2 OpenCV 的grabCut( ) 函數

23-3 grabCut( ) 基礎實作

23-4 自定義遮罩實例

23-5 影像擷取創意應用

23-5-1 更換影像背景

23-5-2 模糊背景凸顯主題

第24章　影像修復- 搶救蒙娜麗莎的微笑

24-1 影像修復的演算法

24-1-1 Navier-Stroke 演算法

24-1-2 Alexander 演算法

24-1-3 Navier-Strokes 與Alexander 演算法的比較

24-2 影像修復的函數inpaint( )

24-3 修復蒙娜麗莎的微笑

24-4 局部修復圖像

第25章　辨識手寫數字

25-1 認識KNN 演算法

25-1-1 數據分類的基礎觀念

25-1-2 手寫數字的特徵

25-1-3 不同數字特徵值的比較

25-1-4 手寫數字分類原理

25-1-5 簡化特徵比較

25-2 認識Numpy 與KNN 演算法相關的知識

25-2-1 Numpy 的ravel( ) 函數

25-2-2 Numpy 的flatten( ) 函數

25-2-3 數據分類

25-2-4 建立與分類30 筆訓練數據

25-3 OpenCV 的KNN 演算法函數

25-3-1 基礎實作

25-3-2 更常見的分類

25-4 有關手寫數字識別的Numpy 基礎知識

25-4-1 vsplit( ) 垂直方向分割數據

25-4-2 hsplit( ) 水平方向分割數據

25-4-3 元素重複repeat( )

25-5 識別手寫數字

25-5-1 實際設計識別手寫數字

25-5-2 儲存訓練和分類數據

25-5-3 下載訓練和分類數據

第26章　OpenCV 的攝影功能

26-1 啟用攝影機功能VideoCapture 類別

26-1-1 初始化VideoCapture

26-1-2 檢測攝影功能是否開啟成功

26-1-3 讀取攝影鏡頭的影像

26-1-4 關閉攝影功能

26-1-5 讀取影像的基礎實例

26-1-6 影像翻轉

26-1-7 保存某一時刻的幀

26-2 使用VideoWriter 類別執行錄影

26-3 播放影片

26-3-1 播放所錄製的影片

26-3-2 播放iPhone 所錄製的影片

26-3-3 灰階播放影片

26-3-4 暫停與繼續播放

26-3-5 更改顯示視窗大小

26-4 認識攝影功能的屬性

26-4-1 獲得攝影功能的屬性

26-4-2 設定攝影功能的屬性

26-4-3 顯示影片播放進度

26-4-4 裁剪影片

26-5 車道辨識影片專題

26-5-1 取得車道辨識影片

26-5-2 車道辨識影片程式實作

第27章　認識物件偵測原理與資源檔案

27-1 物件偵測原理

27-1-1 階層分類器原理

27-1-2 Haar 特徵緣由

27-1-3 哈爾特徵原理

27-2 找尋OpenCV 的資源檔案來源

27-3 認識資源檔案

27-4 人臉的偵測

27-4-1 臉形階層式分類器資源檔

27-4-2 基礎臉形偵測程式

27-4-3 史上最牛的物理科學家合照

27-5 偵測側面的人臉

27-5-1 基礎觀念

27-5-2 側面臉形偵測

27-6 路人偵測

27-6-1 路人偵測

27-6-2 下半身的偵測

27-6-3 上半身的偵測

27-7 眼睛的偵測

27-7-1 眼睛分類器資源檔

27-7-2 偵測雙眼實例

27-7-3 偵測左眼與右眼的實例

27-8 偵測貓臉

27-9 俄羅斯車牌辨識

27-10 AI 監控系統設計專題

27-10-1 圖像人臉標記

27-10-2 影片人臉標記

27-10-3 影片人臉標記用MP4 紀錄過程

27-10-4 AI 監控系統設計

第28章　攝影機與人臉檔案

28-1 擷取相同大小的人臉存檔

28-2 使用攝影機擷取人臉影像

28-3 自動化攝影和擷取人像

28-4 半自動拍攝多張人臉的實例

28-5 全自動拍攝人臉影像

第29章　人臉辨識

29-1 LBPH 人臉辨識

29-1-1 LBP（Local Binary Patterns）基本概念

29-1-2 LBPH（Local Binary Patterns Histograms）步驟

29-1-3 LBPH 用於人臉辨識的優點

29-1-4 LBPH 可能的侷限性

29-1-5 LBPH 函數解說

29-1-6 簡單的人臉辨識程式實作

29-1-7 繪製LBPH 直方圖

29-1-8 人臉識別實務 – 儲存與開啟訓練數據

29-1-9 結論

29-2 Eigenfaces 人臉辨識

29-2-1 Eigenfaces 原理思維

29-2-2 「Eigenfaces」如何表示臉部

29-2-3 優點與侷限

29-2-4 Eigenfaces 函數解說

29-2-5 簡單的人臉辨識程式實作

29-2-6 結論

29-3 Fisherfaces 人臉辨識

29-3-1 緣由與目標

29-3-2 主要步驟

29-3-3 Fisherface 與 Eigenfaces 的比較

29-3-4 Fisherfaces 函數解說

29-3-5 簡單的人臉辨識程式實作

29-3-6 總結

29-4 專題實作 - 建立員工人臉識別登入系統

29-4-1 建立與訓練人臉資料庫 – ch29_6.py

29-4-2 員工人臉識別 – ch29_7.py

29-5 專題實作 - AI 監控與人臉辨識

第30章　建立哈爾特徵分類器- 車牌辨識

30-1 準備正樣本與負樣本影像資料

30-1-1 準備正樣本影像 – 含汽車車牌影像

30-1-2 準備負樣本影像 – 不含汽車車牌影像

30-2 處理正樣本影像

30-2-1 將正樣本影像處理成固定寬度與高度

30-2-2 將正樣本影像轉成bmp 檔案

30-3 處理負樣本影像

30-4 建立辨識車牌的哈爾(Haar) 特徵分類器

30-4-1 下載建立哈爾特徵分類器工具

30-4-2 儲存正樣本影像

30-4-3 儲存負樣本影像

30-4-4 為正樣本加上標記

30-4-5 設計程式顯示標記

30-5 訓練辨識車牌的哈爾特徵分類器

30-5-1 建立向量檔案

30-5-2 訓練哈爾分類器

30-5-3 建立哈爾特徵分類器資源檔

30-6 車牌偵測

30-7 心得報告

第31章　車牌辨識

31-1 擷取所讀取的車牌影像

31-2 使用Tesseract OCR 執行車牌辨識

31-3 偵測車牌與辨識車牌

31-4 二值化處理車牌

31-5 形態學的開運算處理車牌

31-6 車牌辨識心得

第32章　MediaPipe 手勢偵測與應用解析

32-1 MediaPipe 是什麼

32-1-1 Google 的影像處理解決方案

32-1-2 為什麼要用 MediaPipe

32-2 初探 MediaPipe Hands 模組

32-2-1 MediaPipe Hands 功能概覽

32-2-2 21 個關鍵點的座標定義與排列

32-2-3 如何判斷手勢

32-2-4 偵測手勢的原理

32-3 剪刀、石頭、布的程式設計思路

32-3-1 手指伸直判斷

32-3-2 程式流程規劃

32-3-3 與 OpenCV 的整合繪製

32-4 偵測手語繪製關節

32-4-1 初始化MediaPipe Hands 物件

32-4-2 建立Hands 物件

32-4-3 hands.process( ) 函數用法

32-4-4 mp_drawing.draw_landmarks( ) 函數用法

32-5 專題實作 - 剪刀、石頭與布

附錄A　OpenCV 函數、名詞與具名常數索引表