標籤：映像聚類 os x 地區 地址 com ofo pickle 軟體 描述
：網盤下載
內容簡介 · · · · · ·
《python電腦視覺編程》是電腦視覺編程的權威實踐指南，依賴python語言講解了基礎理論與演算法，並通過大量樣本細緻分析了對象識別、基於內容的Image Search、光學字元辨識、光流法、跟蹤、三維重建、立體成像、增強現實、姿態估計、全景建立、映像分割、降噪、映像分組等技術。另外，書中附帶的練習還能讓讀者鞏固並學會應用編程知識。
《python電腦視覺編程》適合的讀者是：有一定編程與數學基礎，想要瞭解電腦視覺的基本理論與演算法的學生，以及電腦科學、訊號處理、物理學、應用數學和統計學、神經生理學、認知科學等領域的研究人員和從業者。
作者簡介 · · · · · ·
Jan Erik Solem
瑞典隆德大學副教授（數學成像小組），Polar Rose公司創始人兼CTO，電腦視覺研究者，Python愛好者，技術圖書作家，經常出席各種電腦視覺、映像分析、機器智能等國際會議並發表演講。他主要關注3D重建、變分問題與最佳化、映像分割與識別、形狀分析，有多年Python電腦視覺教學、研究和行業應用經驗，技術部落格為http://www.janeriksolem.net。另著有Computing with Python: An Introduction to Python for Science and Engineering一書。
目錄 · · · · · ·《python電腦視覺編程》
推薦序 xi
前言 xiii
第1章 基本的映像操作和處理 1
1.1 pil：python影像處理類庫 1
1.1.1 轉換映像格式 2
1.1.2 建立縮圖 3
1.1.3 複製和粘貼映像區域 3
1.1.4 調整尺寸和旋轉 3
1.2 matplotlib 4
1.2.1 繪製映像、點和線 4
1.2.2 映像輪廓和長條圖 6
1.2.3 互動式標註 7
1.3 numpy 8
1.3.1 映像數組表示 8
1.3.2 灰階變換 9
1.3.3 映像縮放 11
1.3.4 長條圖均衡化 11
1.3.5 映像平均 13
1.3.6 映像的主成分分析（pca） 14
1.3.7 使用pickle模組 16
1.4 scipy 17
1.4.1 映像模糊 18
1.4.2 映像導數 19
1.4.3 形態學：對象計數 22
1.4.4 一些有用的scipy模組 23
1.5 進階樣本：映像去噪 24
練習 28
程式碼範例約定 29
第2章 局部映像描述子 31
2.1 harris角點檢測器 31
2.2 sift（尺度不變特徵變換） 39
2.2.1 興趣點 39
2.2.2 描述子 39
2.2.3 檢測興趣點 40
2.2.4 匹配描述子 43
2.3 匹配地理標記映像 47
2.3.1 從panoramio下載地理標記映像 47
2.3.2 使用局部描述子匹配 50
2.3.3 可視化串連的映像 52
練習 54
第3章 映像到映像的映射 57
3.1 單應性變換 57
3.1.1 直接線性變換演算法 59
3.1.2 仿射變換 60
3.2 映像扭曲 61
3.2.1 映像中的映像 63
3.2.2 分段仿射扭曲 67
3.2.3 映像配准 70
3.3 建立全景 76
3.3.1 ransac 77
3.3.2 穩健的單應性矩陣估計 78
3.3.3 拼接映像 81
練習 84
第4章 照相機模型與增強現實 85
4.1 針孔照相機模型 85
4.1.1 照相機矩陣 86
4.1.2 三維點的投影 87
4.1.3 照相機矩陣的分解 89
4.1.4 計算照相機中心 90
4.2 照相機標定 91
4.3 以平面和標記物進行姿態估計 93
4.4 增強現實 97
4.4.1 pygame和pyopengl 97
4.4.2 從照相機矩陣到opengl格式 98
4.4.3 在映像中放置虛擬物體 100
4.4.4 綜合整合 102
4.4.5 載入模型 104
練習 106
第5章 多視圖幾何 107
5.1 外極幾何 107
5.1.1 一個簡單的資料集 109
5.1.2 用matplotlib繪製三維資料 111
5.1.3 計算f：八點法 112
5.1.4 外極點和外極線 113
5.2 照相機和三維結構的計算 116
5.2.1 三角剖分 116
5.2.2 由三維點計算照相機矩陣 118
5.2.3 由基礎矩陣計算照相機矩陣 120
5.3 多視圖重建 122
5.3.1 穩健估計基礎矩陣 123
5.3.2 三維重建樣本 125
5.3.3 多視圖的擴充樣本 129
5.4 立體映像 130
練習 135
第6章 映像聚類 137
6.1 k-means聚類 137
6.1.1 scipy聚類包 138
6.1.2 映像聚類 139
6.1.3 在主成分上可視化映像 140
6.1.4 像素聚類 142
6.2 層次聚類 144
6.3 譜聚類 152
練習 157
第7章 Image Search 159
7.1 基於內容的映像檢索 159
7.2 視覺單詞 160
7.3 映像索引 164
7.3.1 建立資料庫 164
7.3.2 添加映像 165
7.4 在資料庫中搜尋映像 167
7.4.1 利用索引擷取候選映像 168
7.4.2 用一幅映像進行查詢 169
7.4.3 確定對比基準並繪製結果 171
7.5 使用幾何特性對結果排序 172
7.6 建立示範程式及web應用 176
7.6.1 用cherrypy建立web應用 176
7.6.2 Image Search示範程式 176
練習 179
第8章 映像內容分類 181
8.1 k鄰近分類法（knn） 181
8.1.1 一個簡單的二維樣本 182
8.1.2 用稠密sift作為映像特徵 185
8.1.3 映像分類：手勢識別 187
8.2 貝葉斯分類器 190
8.3 支援向量機 195
8.3.1 使用libsvm 196
8.3.2 再論手勢識別 198
8.4 光學字元辨識 199
8.4.1 訓練分類器 200
8.4.2 選取特徵 200
8.4.3 多類支援向量機 201
8.4.4 提取儲存格並識別字元 202
8.4.5 映像校正 205
練習 206
第9章 映像分割 209
9.1 圖割（graph cut） 209
9.1.1 從映像建立圖 211
9.1.2 使用者互動式分割 216
9.2 利用聚類進行分割 218
9.3 變分法 224
練習 226
第10章 opencv 227
10.1 opencv的python介面 227
10.2 opencv基礎知識 228
10.2.1 讀取和寫入映像 228
10.2.2 色彩空間 228
10.2.3 顯示映像及結果 229
10.3 處理視頻 232
10.3.1 視頻輸入 232
10.3.2 將視頻讀取到numpy數組中 234
10.4 跟蹤 234
10.4.1 光流 235
10.4.2 lucas-kanade演算法 237
10.5 更多樣本 243
10.5.1 映像修複 243
10.5.2 利用分水嶺變換進行分割 244
10.5.3 利用霍夫變換檢測直線 245
練習 246
附錄a 安裝軟體包 247
a.1 numpy和scipy 247
a.1.1 windows 247
a.1.2 mac os x 247
a.1.3 linux 248
a.2 matplotlib 248
a.3 pil 248
a.4 libsvm 249
a.5 opencv 249
a.5.1 windows 和 unix 249
a.5.2 mac os x 249
a.5.3 linux 250
a.6 vlfeat 250
a.7 pygame 250
a.8 pyopengl 250
a.9 pydot 251
a.10 python-graph 251
a.11 simplejson 252
a.12 pysqlite 252
a.13 cherrypy 252
附錄b 映像集 253
b.1 flickr 253
b.2 panoramio 254
b.3 牛津大學視覺幾何組 255
b.4 肯塔基大學識別基準映像 255
b.5 其他 256
b.5.1 prague texture segmentation datagenerator與基準 256
b.5.2 微軟研究院grab cut資料集 256
b.5.3 caltech 101 256
b.5.4 靜態手勢資料庫 256
b.5.5 middlebury stereo資料集 256
附錄c 圖片來源 257
c.1 來自flickr的映像 257
c.2 其他映像 258
c.3 插圖 258
參考文獻 259
索引 263
：網盤下載
Python電腦視覺編程pdf
