描述
內容簡介
|
OpenCV 影像創意邁向AI視覺 王者歸來（全彩印刷） ★★★★★ 國內作者【第一本】×【全彩印刷】×【AI視覺】書籍 ★★★★★ ★★★★★ 完整解說【影像創意】×【AI視覺】的實例 ★★★★★ ★★★★★【31個主題】＋【423個Python實例】★★★★★ 筆者在撰寫這本書除了採用當下最熱門的Python程式語言，同時採用2步驟說明： ◤函數數學原理解說◢ ◤套用OpenCV函數講解影像創意與AI視覺的實例◢
當讀者遵循這些步驟學習時，相信所設計的物件就是一個帶有靈魂與智慧的程式碼了。這本書從影像原理開始說起，逐一解說從影像到AI視覺所需的完整知識，本書的主題內容如下： ☆ 完整解說操作OpenCV需要的Numpy知識 ★ 影像讀取、輸出與儲存 ☆ 認識色彩空間、BGR、RGB、HSV ★ 建立藝術畫作 ☆ 建立靜態與動態影像，打破OpenCV限制建立中文字輸出函數 ★ 影像計算與影像的位元運算 ☆ 重複曝光技術 ★ 影像加密與解密 ☆ 閾值處理 ★ 數位情報員、深藏在影像的情報秘密 ☆ 數位浮水印、版權所有翻譯必究 ★ 影像幾何變換、翻轉、仿射、透視、重映射 ☆ 影像遮罩與影像濾波器 ★ 認識卷積 ☆ 認識與刪除影像雜質 ★ 數學形態學、腐蝕、膨脹、開運算、閉運算、禮帽運算、黑帽運算 ☆ 從影像梯度到內部圖形的邊緣偵測 ★ 影像金字塔 ☆ 影像輪廓特徵與匹配 ★ 輪廓的擬合、凸包與幾何測試 ☆ 醫學應用器官影像的徵兆 ★ 霍夫變換(Hough Transform)與直線檢測 ☆ 無人車駕駛車道檢測技術 ★ 直方圖、增強影像對比度、修復太曝或太黑影像、去霧處理 ☆ 模板匹配、找尋距離最近的機場、找尋某區域高山數量 ★ 傅立葉變換的方法與意義、空間域與頻率域的切換，進行影像處理 ☆ 分水嶺演算法執行影像分割 ★ 前景影像擷取 ☆ 影像修復—搶救蒙娜麗莎的微笑 ★ 辨識手寫數字 ☆ OpenCV的攝影功能、活用拍照與錄影 ★ 應用OpenCV內建的哈爾(Haar)特徵階層式分配器 ☆ 偵測人臉、身體、眼睛、貓臉、俄羅斯車牌 ★ 設計自己的哈爾偵測分配器，應用在偵測台灣汽車車牌 ☆ 人臉辨識原理與應用 ★ 執行車牌辨識 |
作者簡介
|
一位跨越電腦作業系統與科技時代的電腦專家，著作等身的作家。 ■ DOS時代他的代表作品是IBM PC組合語言、C、C++、Pascal、資料結構。 ■ Windows時代他的代表作品是Windows Programming使用C、Visual Basic。 ■ Internet時代他的代表作品是網頁設計使用HTML。 ■ 大數據時代他的代表作品是R語言邁向Big Data之路。 ■ 人工智慧時代他的代表作品是機器學習彩色圖解+基礎數學與基礎微積分+Python 實作。 除了作品被翻譯為簡體中文、馬來西亞文外，2000 年作品更被翻譯為Mastering HTML 英文版行銷美國，近年來作品則是在北京清華大學和台灣深智同步發行： 1 - Java入門邁向高手之路王者歸來 2 - Python最強入門邁向頂尖高手、數據科學之路王者歸來 3 - Python最強入門邁向數據科學之路王者歸來 4 - Python網路爬蟲：大數據擷取、清洗、儲存與分析王者歸來 5 - 演算法最強彩色圖鑑+Python程式實作王者歸來 6 - 網頁設計HTML+CSS+JavaScript+jQuery+Bootstrap+Google Maps王者歸來 7 - 機器學習彩色圖解+基礎數學、基礎微積分+Python實作王者歸來 8 - R語言邁向Big Data之路王者歸來 9 - Excel完整學習、Excel函數庫、Excel VBA應用王者歸來 10 - Power BI最強入門—大數據視覺化+智慧決策+雲端分享王者歸來 他的近期著作分別登上天瓏、博客來、Momo電腦書類暢銷排行榜前幾名，他的著作最大的特色是，所有程式語法或是功能解說會依特性分類，同時以實用的程式範例做解說，讓整本書淺顯易懂，讀者可以由他的著作事半功倍輕鬆掌握相關知識。 |
目錄
| 第一章 影像的讀取、顯示與儲存
1-0 建議閱讀書籍 1-1 程式導入OpenCV模組 1-2 讀取影像檔案 1-3 顯示影像與關閉影像視窗 1-4 儲存影像
第二章 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 2-4 BGR色彩空間 2-5 獲得影像的屬性 2-6 像素的BGR值
第三章 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 3-4 一維陣列的運算與切片 3-5 多維陣列的索引與切片 3-6 陣列水平與垂直合併
第四章 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 4-3 HSV色彩空間 4-4 拆分色彩通道 4-5 合併色彩通道 4-6 拆分與合併色彩通道的應用 4-7 alpha通道
第五章 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 5-3 建立彩色影像
第六章 影像處理的基礎知識 6-1 灰階影像的編輯 6-2 彩色影像的編輯 6-3 編輯含alpha通道的彩色影像 6-4 Numpy高效率讀取與設定像素的方法 6-5 影像感興趣區域的編輯
第七章 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 7-4 繪製矩形 7-5 繪製圓 7-6 繪製橢圓或橢圓弧度 7-7 繪製多邊形 7-8 輸出文字 7-9 反彈球的設計 7-10 滑鼠事件 7-11 滾動條的設計 7-12 滾動條當作開關的應用
第八章 影像計算邁向影像創作 8-1 影像加法運算 8-2 遮罩mask 8-3 重複曝光技術 8-4 影像的位元運算 8-5 影像加密與解密
第九章 閾值處理邁向數位情報 9-1 threshold( )函數 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
第十章 影像的幾何變換 10-1 影像縮放效果 10-2 影像翻轉 10-3 影像仿射 10-4 影像透視 10-5 重映射
第十一章 刪除影像雜訊 11-1 建立平滑影像需認識的名詞 11-2 均值濾波器 11-3 方框濾波器 11-4 中值濾波器 11-5 高斯濾波器 11-6 雙邊濾波器 11-7 2D濾波核
第十二章 數學形態學 12-1 腐蝕(Erosion) 12-2 膨脹(Dilation) 12-3 OpenCV應用在數學形態學的通用函數 12-4 開運算(Opening) 12-5 閉運算(Closing) 12-6 形態學梯度(morphological gradient) 12-7 禮帽運算(tophat) 12-8 黑帽運算(blackhat) 12-9 核函數
第十三章 影像梯度與邊緣偵測 13-1 影像梯度的基礎觀念 13-2 OpenCV函數Sobel( ) 13-3 OpenCV函數Scharr( ) 13-4 OpenCV函數Laplacian( ) 13-5 Canny邊緣檢測
第十四章 影像金字塔 14-1 影像金字塔的原理 14-2 OpenCV的pyrDown( )函數 14-3 OpenCV的pyrUp( )函數 14-4 採樣逆運算的實驗 14-5 拉普拉斯金字塔(Laplacian Pyramid, LP)
第十五章 輪廓的檢測與匹配 15-1 影像內圖形的輪廓 15-2 繪製影像內圖形輪廓的系列實例 15-3 認識輪廓層級hierarchy 15-4 輪廓的特徵—影像矩(Image moments) 15-5 輪廓外形的匹配—Hu矩 15-6 再談輪廓外形匹配
第十六章 輪廓擬合與凸包的相關應用 16-1 輪廓的擬合 16-2 凸包 16-3 輪廓的幾何測試
第十七章 輪廓的特徵 17-1 寬高比(Aspect Ratio) 17-2 輪廓的極點 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 17-7 找尋影像物件最小值與最大值與他們的座標 17-8 計算影像的像素的均值與標準差 17-9 方向
第十八章 從直線檢測到無人駕駛車道檢測 18-1 霍夫變換的基礎原理解說 18-2 HoughLines( )函數 18-3 HoughLinesP( )函數 18-4 霍夫圓環變換檢測
第十九章 直方圖均衡化—增強影像對比度 19-1 認識直方圖 19-2 繪製直方圖 19-3 直方圖均衡化 19-4 限制自適應直方圖均衡化方法
第二十章 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( ) 20-3 單模板匹配 20-4 多模板匹配
第二十一章 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 21-3 使用Numpy執行傅立葉變換 21-4 使用OpenCV完成傅立葉變換
第二十二章 影像分割使用分水嶺演算法 22-1 前言 22-2 分水嶺演算法與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
第二十三章 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
第二十四章 影像修復—搶救蒙娜麗莎的微笑 24-1 影像修復的演算法 24-2 影像修復的函數inpaint( ) 24-3 修復蒙娜麗莎的微笑
第二十五章 辨識手寫數字 25-1 認識KNN演算法 25-2 認識Numpy與KNN演算法相關的知識 25-3 OpenCV的KNN演算法函數 25-4 有關手寫數字識別的Numpy基礎知識 25-5 識別手寫數字
第二十六章 OpenCV的攝影功能 26-1 啟用攝影機功能VideoCapture類別 26-2 使用VideoWriter類別執行錄影 26-3 播放影片 26-4 認識攝影功能的屬性
第二十七章 認識物件偵測原理與資源檔案 27-1 物件偵測原理 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 27-5 偵測側面的人臉 27-6 路人偵測 27-7 眼睛的偵測 27-8 偵測貓臉 27-9 俄羅斯車牌辨識
第二十八章 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
第二十九章 人臉辨識 29-1 LBPH人臉辨識 29-2 Eigenfaces人臉辨識 29-3 Fisherfaces人臉辨識 29-4 專題實作 - 建立員工人臉識別登入系統
第三十章 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 30-2 處理正樣本影像 30-3 處理負樣本影像 30-4 建立辨識車牌的哈爾(Haar)分類器 30-5 訓練辨識車牌的哈爾分類器 30-6 車牌偵測 30-7 心得報告
第三十一章 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
附錄A 安裝OpenCV A-1 安裝Numpy A-2 基本安裝OpenCV A-3 擴展模組安裝 A-4 OpenCV的階層式分類器資源檔案
附錄B OpenCV函數、名詞與具名常數索引表 |
序
| 人工智慧的興起，除了機器學習與深度學習帶領風潮，AI視覺也成為人工智慧工程師鑽研的主題，多次與教育界的朋友聊天，一致感覺目前國內缺乏這方面完整敘述的書籍，這也是筆者撰寫這本書的動力。
其實一幅影像要做分析，讓電腦認知影像本質，牽涉許多複雜的數學運算，所幸OpenCV已經將這些複雜的數學運算封裝在一個個的函數內，讓整個學習變得簡化與容易許多。然而學習一個知識如果只是會調用函數，不了解函數內部數學原理，所設計的程式只是空洞沒有靈魂的程式碼，為此筆者在撰寫這本書除了採用當下最熱門的Python程式語言，同時採用2步驟說明。 1：函數數學原理解說。 2：套用函數講解影像創意與AI視覺的實例。 當讀者遵循這步驟學習時，相信所設計的物件就是一個帶有靈魂與智慧的程式碼了。在撰寫這本書時，筆者先從影像原理開始說起，逐一解說從影像到AI視覺所需的完整知識，這本書的主題內容如下： ●含31個主題、423個程式實例 ●完整解說操作OpenCV需要的Numpy知識 ●影像讀取、輸出與儲存 ●認識色彩空間、BGR、RGB、HSV ●建立藝術畫作 ●建立靜態與動態影像，打破OpenCV限制建立中文字輸出函數 ●影像計算與影像的位元運算 ●重複曝光技術 ●影像加密與解密 ●閾值處理 ●數位情報員、深藏在影像的情報秘密 ●數位浮水印、版權所有翻譯必究 ●影像幾何變換、翻轉、仿射、透視、重映射 ●影像遮罩與影像濾波器 ●認識卷積 ●認識與刪除影像雜質 ●數學形態學、腐蝕、膨脹、開運算、閉運算、禮帽運算、黑帽運算 ●從影像梯度到內部圖形的邊緣偵測 ●影像金字塔 ●影像輪廓特徵與匹配 ●輪廓的擬合、凸包與幾何測試 ●醫學應用器官影像的徵兆 ●霍夫變換(Hough Transform)與直線檢測 ●無人車駕駛車道檢測技術 ●直方圖、增強影像對比度、修復太曝或太黑影像、去霧處理 ●模板匹配、找尋距離最近的機場、找尋某區域高山數量 ●傅立葉變換的方法與意義、空間域與頻率域的切換，進行影像處理 ●分水嶺演算法執行影像分割 ●前景影像擷取 ●影像修復—搶救蒙娜麗莎的微笑 ●辨識手寫數字 ●OpenCV的攝影功能、活用拍照與錄影 ●應用OpenCV內建的哈爾(Haar)特徵階層式分配器 ●偵測人臉、身體、眼睛、貓臉、俄羅斯車牌 ●設計自己的哈爾偵測分配器，應用在偵測台灣汽車車牌 ●人臉辨識原理與應用 ●執行車牌辨識 寫過許多的電腦書著作，本書沿襲筆者著作的特色，程式實例豐富，相信讀者只要遵循本書內容必定可以在最短時間精通OpenCV + Python，設計AI視覺的應用程式，編著本書雖力求完美，但是學經歷不足，謬誤難免，尚祈讀者不吝指正。 洪錦魁2021-12-30 jiinkwei@me.com |
