計算機視覺技術 ( 簡體 字) |
| 作者：李紅蕾 等 | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 54618
詢問書籍請說出此書號！【有庫存】
NT售價： 300 元 |
| 出版日：6/1/2021 |
| 頁數：248 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121411793 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：人工智能是目前迅速發展的新興學科，已經成為眾多智能產品的核心技術。教育部在《高等學校人工智能創新行動計劃》中明確指出要將人工智能納入大學計算機基礎教學內容。計算機視覺作為人工智能體的“眼睛”，賦予了智能體“看”的能力，是人工智能最重要的核心技術之一，是人工智能基礎教學的重要內容。目前計算機視覺相關課程已經成為許多高等院校的基礎課程，很多高職與專科院校也開設了人工智能相關專業，培養高技能人才，對計算機視覺相關課程的重視程度日益提升。然而，目前適合高職院校教學的計算機視覺相關教材十分缺乏，開發面向高職學生的計算機視覺技術基礎教材具有重要意義。
基于對目標讀者的學習特點，本書選擇了任務驅動的編寫方式，將理論知識與開發方法和任務案例相結合，使讀者在完成任務過程中，快速理解技術原理、拓寬知識面、啟發思路，為后續進階學習奠定基礎。
本書共9章，每章都有獨立的知識點，通過知識點與有趣的任務相組合，激發讀者的學習興趣，提升讀者的學習積極性。知識點的安排采用由淺入深的方式，從計算機視覺概述、開發工具的使用等基礎知識點出發，向與具體任務相結合的技術知識點延伸。其中技術知識點涉及圖像運算、圖像增強、圖像去噪、圖像分割、視頻處理、人臉識別、目標檢測等。
本書注重計算機視覺技術與實際應用的結合，同時關注讀者學習的心理狀態，知識點解耦度高，可實現知識點的按需抽取。同時，任務案例的選擇實用度高，在提升讀者學習興趣的同時，提高學生的創新能力以及用專業知識解決實際問題的能力。
本書的編寫特色如下。
（1）語言簡明，可讀性好。
（2）知識點與任務相結合，培養學生的創新能力和實際應用能力。
（3）拓展內容豐富，擴寬學生眼界。
（4）知識點編排合理，方便按需學習。
（5）每章提煉了任務背景、學習重點和任務單，引導讀者有針對性地閱讀和學習。
本書教學學時數一般建議為48∼64學時。對于人工智能、計算機等專業，后續實踐部分可以安排總學時的一半及其以上。除了前兩章的概述和環境配置部分，本書的其他章節內容相對獨立，教師可以根據課程需要靈活調整教學順序。
本書由從事人工智能研究的教育工作人員和企業開發人員共同編寫。非常感謝重慶電子工程職業學院的胡云冰老師和重慶大學的王翊老師在編寫過程中的辛勤付出。英特爾FPGA中國創新中心為實驗案例開發提供了參考樣例，并安排了田亮、柴廣龍、萬毅、楊振宇等工程師提供技術支持和部署驗證，為教材及課程資源建設提供了大力支持，在此表示真誠的感謝！最后，感謝電子工業出版社給予的協助和支持。
本書還參考了國內外一些機器學習方面的書籍及大量的網上資料，力求有所突破和創新。然而，教材建設是一項系統工程，需要在實踐中不斷加以完善及改進，由于編著者水平有限，書中難免存在欠妥之處，因此，由衷希望廣大讀者和專家學者能夠撥冗提出寶貴的改進意見。
編著者
2021年4月 |
內容簡介：本書旨在建立計算機視覺技術的基礎知識體系，為讀者進入人工智能視覺領域奠定基礎。全書共9章，分別從計算機視覺概述、開發工具的使用等基礎知識點出發，向與具體任務相結合的技術知識點（包括圖像運算、圖像增強、圖像去噪、圖像分割、視頻處理、人臉識別、目標檢測等）延伸，由淺入深，層層遞進，為讀者呈現豐富的技術實踐場景。本書采用任務驅動的編寫方式，配套相應的案例分析、實驗過程以及源代碼，在為讀者提供生動的視覺技術體驗場景的同時，幫助讀者提升項目開發及工程實踐能力。本書適合作為中職、高職高專及應用型本科人工智能通識課的教材，也可作為人工智能的普及讀物供廣大讀者自學或參考。 |
目錄：第1章 計算機視覺概述 001
1.1 什么是計算機視覺 002
1.1.1 人類視覺 002
1.1.2 計算機視覺 005
1.1.3 計算機視覺的應用 006
1.2 什么是圖像處理 007
1.2.1 圖像的表示 008
1.2.2 色彩模型 010
1.2.3 圖像處理的基本過程 015
1.3 圖像處理庫 016
1.3.1 NumPy 017
1.3.2 Pillow 020
任務總結 024
思考和拓展 025
第2章 OpenCV基本使用 026
2.1 OpenCV的基礎知識 027
2.1.1 什么是OpenCV 027
2.1.2 OpenCV的發展歷程 028
2.1.3 OpenCV的模塊 029
2.2 OpenCV的環境配置 030
2.2.1 安裝Python 030
2.2.2 安裝開發工具 031
2.2.3 安裝OpenCV 032
2.3 編寫第一個OpenCV程序 034
2.4 使用OpenCV讀取圖像 036
2.4.1 圖像讀取 037
2.4.2 圖像轉換 040
2.4.3 色彩分離與合并 043
任務總結 044
思考和拓展 045
第3章 給圖像加濾鏡 046
3.1 圖像運算的基礎知識 047
3.1.1 圖像運算 047
3.1.2 基本繪圖 056
3.1.3 圖像濾鏡 058
3.2 任務內容 060
3.2.1 任務分析 060
3.2.2 任務過程分解 061
3.2.3 函數語法 061
3.3 編程實現 065
任務總結 070
思考和拓展 071
第4章 攝像頭的夜視功能 072
4.1 圖像增強的基礎知識 073
4.1.1 圖像增強 073
4.1.2 直方圖修正 074
4.2 任務內容 081
4.2.1 任務分析 081
4.2.2 函數語法 082
4.3 編程實現 090
任務總結 095
思考和拓展 096
第5章 去除圖像噪聲 097
5.1 圖像去噪的基礎知識 098
5.1.1 噪聲的概念 098
5.1.2 圖像去噪的常用技術 100
5.1.3 圖像平滑處理 101
5.1.4 圖像形態學操作 103
5.2 任務內容 108
5.2.1 任務分析 108
5.2.2 任務過程分解 109
5.2.3 函數語法 109
5.3 編程實現 117
任務總結 122
思考和拓展 122
第6章 識別車牌 123
6.1 車牌識別的技術原理 124
6.1.1 車牌定位 124
6.1.2 圖像分割 127
6.1.3 模板匹配 129
6.2 任務內容 130
6.2.1 任務分析 130
6.2.2 任務過程分解 131
6.2.3 函數語法 131
6.3 編程實現 140
任務總結 147
思考和拓展 147
第7章 車流量計數器 148
7.1 運動視覺的基礎知識 149
7.1.1 視頻的原理 149
7.1.2 運動目標檢測 152
7.1.3 輪廓提取 154
7.2 任務原理內容 157
7.2.1 任務分析 157
7.2.2 任務過程分解 158
7.2.3 函數語法 159
7.3 編程實現 176
任務總結 180
思考和拓展 181
第8章 人臉識別門禁系統 182
8.1 人臉識別的基礎知識 183
8.1.1 人臉檢測 183
8.1.2 人臉識別 186
8.1.3 人臉數據集 187
8.2 任務內容 188
8.2.1 任務分析 188
8.2.2 任務過程分解 189
8.2.3 函數語法 189
8.3 編程實現 200
任務總結 207
思考和拓展 208
第9章 基于深度學習的目標檢測 209
9.1 目標檢測的基礎知識 210
9.1.1 目標檢測的概念 210
9.1.2 目標檢測的方法 211
9.2 任務內容 214
9.2.1 任務分析 214
9.2.2 任務過程分解 214
9.2.3 函數語法 215
9.3 編程實現 219
任務總結 222
思考和拓展 222 |
| 序： |
