《计算机视觉40例从入门到深度学习：OpenCV-Python》内容简介

《计算机视觉40例从入门到深度学习（OpenCV-Python）》以OpenCV-Python（the Python API for OpenCV）为工具，以案例为载体，系统介绍了计算机视觉从入门到深度学习的相关知识点。
《计算机视觉40例从入门到深度学习（OpenCV-Python）》从基础知识、基础案例、机器学习、深度学习和人脸识别5个方面对计算机视觉的相关知识点进行了全面、系统、深入的介绍。书中共介绍了40余个经典的计算机视觉案例，其中既有图像加密、指纹识别、车牌识别、缺陷检测等基于传统技术的计算机视觉经典案例，也有图像分类、目标检测、语义分割、实例分割、风格迁移、姿势识别等基于深度学习的计算机视觉案例，还有表情识别、驾驶员疲劳检测、易容术、性别和年龄识别等基于人脸识别的计算机视觉案例。
在介绍具体的算法原理时，本书尽量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用复杂抽象的公式来介绍。
目标读者： 《计算机视觉40例从入门到深度学习（OpenCV-Python）》适合计算机视觉领域的初学者阅读，也适合学生、教师、专业技术人员、图像处理爱好者阅读。
李立宗，天津职业技术师范大学信息技术工程学院副教授，参与了《数字图像处理》等多本图书的编写工作，对数字图像处理研究颇深。

作品目录

前言
第1部分
基础知识导读篇
第1章：数字图像基础
1.1、图像表示基础
1.2、彩色图像的表示
1.3、应用基础
1.4、智能图像处理基础
1.5、抽象
第2章：Python基础
2.1、如何开始
2.2、基础语法
2.3、数据类型
2.4、选择结构
2.5、循环结构
2.6、函数
2.7、模块
第3章：OpenCV基础
3.1、基础
3.2、图像处理
3.3、感兴趣区域
3.4、掩模
3.5、色彩处理
3.6、滤波处理
3.7、形态学
第2部分
基础案例篇
第4章：图像加密与解密
4.1、加密与解密原理
4.2、图像整体加密与解密
4.3、脸部打码及解码
第5章：数字水印
5.1、位平面
5.2、数字水印原理
5.3、实现方法
5.4、具体实现
5.5、可视化水印
5.6、扩展学习
第6章：物体计数
6.1、理论基础
6.2、核心程序
6.3、程序设计
6.4、实现程序
第7章：缺陷检测
7.1、理论基础
7.2、程序设计
7.3、实现程序
第8章：手势识别
8.1、理论基础
8.2、识别过程
8.3、扩展学习：石头、剪刀、布的识别
第9章：答题卡识别
9.1、单道题目的识别
9.2、整张答题卡识别原理
9.3、整张答题卡识别程序
第10章：隐身术
10.1、图像的隐身术
10.2、视频隐身术
第11章：以图搜图
11.1、原理与实现
11.2、实现程序
11.3、扩展学习
第12章：手写数字识别
12.1、基本原理
12.2、实现细节
12.3、实现程序
12.4、扩展阅读
第13章：车牌识别
13.1、基本原理
13.2、实现程序
13.3、下一步学习
第14章：指纹识别
14.1、指纹识别基本原理
14.2、指纹识别算法概述
14.3、尺度不变特征变换
14.4、基于SIFT的指纹识别
第3部分
机器学习篇
第15章：机器学习导读
15.1、机器学习是什么
15.2、机器学习基础概念
15.3、OpenCV中的机器学习模块
15.4、OpenCV机器学习模块的使用
第16章：KNN实现字符识别
16.1、手写数字识别
16.2、英文字母识别
第17章：求解数独图像
17.1、基本过程
17.2、定位数独图像内的单元格
17.3、构造KNN模型
17.4、识别数独图像内的数字
17.5、求解数独
17.6、绘制数独求解结果
17.7、实现程序
17.8、扩展学习
第18章：SVM数字识别
18.1、基本流程
18.2、倾斜校正
18.3、HOG特征提取
18.4、数据处理
18.5、构造及使用SVM分类器
18.6、实现程序
18.7、参考学习
第19章：行人检测
19.1、方向梯度直方图特征
19.2、基础实现
19.3、函数detectMultiScale参数及优化
19.4、完整程序
19.5、参考学习
第20章：K均值聚类实现艺术画
20.1、理论基础
20.2、K均值聚类模块
20.3、艺术画
第4部分
深度学习篇
第21章：深度学习导读
21.1、从感知机到人工神经网络
21.2、人工神经网络如何学习
21.3、深度学习是什么
21.4、激活函数的分类
21.5、损失函数
21.6、学习的技能与方法
21.7、深度学习游乐场
第22章：卷积神经网络基础
22.1、卷积基础
22.2、卷积原理
22.3、填充和步长
22.4、池化操作
22.5、感受野
22.6、预处理与初始化
22.7、CNN
第23章：DNN模块
23.1、工作流程
23.2、模型导入
23.3、图像预处理
23.4、推理相关函数
第24章：深度学习应用实践
24.1、图像分类
24.2、目标检测
24.3、图像分割
24.4、风格迁移
24.5、姿势识别
24.6、说明
第5部分
人脸识别篇
第25章：人脸检测
25.1、基本原理
25.2、级联分类器的使用
25.3、函数介绍
25.4、人脸检测实现
25.5、表情检测
第26章：人脸识别
26.1、人脸识别基础
26.2、LBPH人脸识别
26.3、EigenFaces人脸识别
26.4、FisherFaces人脸识别
26.5、人脸数据库
第27章：dlib库
27.1、定位人脸
27.2、绘制关键点
27.3、勾勒五官轮廓
27.4、人脸对齐
27.5、调用CNN实现人脸检测
第28章：人脸识别应用案例
28.1、表情识别
28.2、驾驶员疲劳检测
28.3、易容术
28.4、年龄和性别识别
参考文献