進階/全文搜尋
IP : 216.73.216.108
首頁 電腦 詳目頁
0人評分過此書

OpenCV影像創意邁向AI視覺王者歸來

作者
：
洪錦魁 (著)
出版社
：
深智數位股份有限公司
出版日期
：
2022
閱讀格式
：
PDF
書籍分類
：
電腦
學科分類
：
科學類
ISBN
：
9789860776782
電腦視覺 數位影像處理 Python(電腦程式語言)

本館館藏

借閱規則
當前可使用人數 30 人
借閱天數 14 天
線上看 0 人
丨
借閱中 0 人

計次服務

借閱規則
借閱天數 14 天
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館，圖書館會參考讀者意見進行採購

讀者資料
圖書館 ：
* 姓名 ：
* 身分 ：
系所 ：
* E-mail ：
※ 我們會寄送一份副本至您填寫的Email中
電話 ：
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼 ：
更新驗證碼
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
  • 第1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
      • 1-2-1 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.rantint（）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 Numpy 高效率讀取與設定像素的方法
      • 6-4-1 灰階影像的應用
      • 6-4-2 彩色影像的應用
    • 6-5 影像感興趣區域的編輯
      • 6-5-1 擷取影像感興趣區塊
      • 6-5-2 建立影像馬賽克效果
      • 6-5-3 感興趣區塊在不同影像間移植
  • 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
    • 7-4 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
    • 8-3 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
  • 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
  • 第10章 影像的幾何變換
    • 10-1 影像縮放效果
      • 10-1-1 使用dsize 參數執行影像縮放
      • 10-1-2 使用fx 和fy 執行影像的縮放
    • 10-2 影像翻轉
    • 10-3 影像仿射
      • 10-3-1 仿射的數學基礎
      • 10-3-2 仿射的函數語法
      • 10-3-3 影像平移
      • 10-3-4 影像旋轉
      • 10-3-5 影像傾斜
    • 10-4 影像透視
    • 10-5 重映射
      • 10-5-1 解說map1 和map2
      • 10-5-2 影像複製
      • 10-5-3 垂直翻轉
      • 10-5-4 水平翻轉的實例
      • 10-5-5 影像縮放
      • 10-5-6 影像垂直壓縮
  • 第11章 刪除影像雜訊
    • 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
      • 11-1-4 影像降噪處理的方法
    • 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
  • 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）
    • 12-5 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 算子
      • 13-2-2 使用Sobel 算子計算x 軸方向影像梯度
      • 13-2-3 使用Sobel 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 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
  • 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）
  • 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 認識輪廓的屬性
      • 15-2-5 輪廓內有輪廓
      • 15-2-6 繪製一般影像的圖形輪廓
    • 15-3 認識輪廓層級hierarchy
      • 15-3-1 檢測模式RETR_EXTERNAL
      • 15-3-2 檢測模式RETR_LIST
      • 15-3-3 檢測模式RETR_CCOMP
      • 15-3-4 檢測模式RETR_TREE
    • 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
  • 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
  • 第18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
      • 18-1-1 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
  • 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 歸一化直方圖
    • 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
  • 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
    • 20-3 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
      • 21-3-3 高頻訊號與低頻訊號
      • 21-3-4 高通濾波器與低通濾波器
    • 21-4 使用OpenCV 完成傅立葉變換
      • 21-4-1 使用dft（）函數執行傅立葉變換
      • 21-4-2 使用OpenCV 執行逆傅立葉運算
      • 21-4-3 高通濾波器與低通濾波器
  • 第22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
      • 22-2-1 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
  • 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
  • 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
    • 24-2 影像修復的函數inpaint（）
    • 24-3 修復蒙娜麗莎的微笑
  • 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seed（）函數
      • 25-2-2 Numpy 的ravel（）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
      • 26-2-1 VideoWriter 類別
      • 26-2-2 拍攝影片的編碼格式VideoWriter_fourcc（）函數
      • 26-2-3 寫入幀的功能write（）函數
      • 26-2-4 保存錄製影片實例
    • 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
  • 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
  • 第28章 攝影機與人臉檔案
    • 28-1 擷取相同大小的人臉存擋
    • 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 LBPH 原理解說
      • 29-1-2 LBPH 函數解說
      • 29-1-3 簡單的人臉辨識程式實作
      • 29-1-4 繪製LBPH 直方圖
      • 29-1-5 人臉識別實務–儲存與開啟訓練數據
    • 29-2 Eigenfaces 人臉辨識
      • 29-2-1 Eigenfaces 原理解說
      • 29-2-2 Eigenfaces 函數解說
      • 29-2-3 簡單的人臉辨識程式實作
    • 29-3 Fisherfaces 人臉辨識
      • 29-3-1 Fisherfaces 原理解說
      • 29-3-2 Fisherfaces 函數解說
      • 29-3-3 簡單的人臉辨識程式實作
    • 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
  • 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
  • 附錄A 安裝OpenC
    • A-1 安裝Nump
    • A-2 基本安
    • A-3 擴展模組安
    • A-4 OpenCV 的階層式分類器資源檔
  • 附錄B OpenCV 函數、名詞與具名常數
OpenCV影像創意邁向AI視覺王者歸來

評分與評論

請登入後再留言與評分
幫助
您好，請問需要甚麼幫助呢?
使用指南
借閱規則 使用教學
常見問題
下載書紐教育版

客服專線：0800-000-747

服務時間：週一至週五 AM 09:00~PM 06:00

聯絡我們
loading