[
-
内容大纲
本书是学习机器视觉的基础教材，采用“项目驱动”的教学模式，通过完整的智能分拣项目案例，系统地介绍使用机器视觉进行应用开发的方法和技术。本书共10章，主要讲解机器视觉、机器视觉智能分拣实训平台、图像与机器视觉系统、图像数据结构和标注、图像特征提取、光学字符识别、图像分类识别、目标检测与识别、人脸识别、机器视觉云服务等。
本书注重理论与实践相结合，内容详尽，与时俱进。本书提供了大量实例，突出应用能力的培养，并将一个实际项目的知识点分解在各章作为案例讲解，是一本实践性突出的教材。
本书适合作为高等学校计算机相关专业的教材，也可供从事机器视觉研究与开发的专业人员参考使用。 -
作者介绍
梁立新，毕业于中国科学技术大学，获理学学士和管理科学硕士学位，后留学美国伊利诺依理工大学，获工商管理硕士学位。毕业后工作于美国华尔街、加拿大多伦多证券交易所和Canada Gain Fortune Inc.，担任高级软件设计师和首席技术官。现任深圳技术大学大数据与互联网学院副教授、外国专家局特聘专家。作为主审和作者与教育部高等学校计算机科学与技术教学指导委员会及高校学者研发出“全国高等院校项目驱动案例实践系列教材”并由清华大学出版社出版。其中两本教材获得国家级十二五规划优秀教材。 -
目录
第1章 机器视觉
1.1 机器视觉的历史
1.2 机器视觉的研究范畴
1.3 机器视觉的发展和展望
1.4 本书结构
1.5 本章小结
习题1
第2章 机器视觉智能分拣实训平台
2.1 智能分拣实训平台的基本介绍
2.2 智能分拣实训平台的硬件设备
2.2.1 机械臂
2.2.2 边缘计算主机
2.2.3 高清摄像头
2.3 智能分拣实训平台的软件系统
2.4 系统的综合演示
2.4.1 设备启动
2.4.2 机械臂启动
2.4.3 启动分拣程序
2.5 本章小结
习题2
第3章 图像与机器视觉系统
3.1 图像处理基础
3.1.1 色彩空间
3.1.2 图像滤波
3.1.3 图像分割
3.1.4 图像特征提取
3.1.5 目标识别
3.1.6 图像运算
3.2 机器视觉系统
3.2.1 机器视觉系统简介
3.2.2 机器视觉系统的发展历程
3.2.3 机器视觉系统的特点
3.2.4 机器视觉系统构成
3.3 机器视觉工具
3.3.1 OpenCV
3.3.2 图像数据结构
3.3.3 OpenCV基本画图函数
3.4 环境部署与软件安装
3.4.1 安装Python
3.4.2 安装pip（Python包管理器）
3.4.3 安装Numpy
3.4.4 安装OpenCV
3.4.5 OpenCV环境测试
3.5 OpenCV完成数据采集和存取
3.5.1 通过OpenCV录制视频
3.5.2 通过OpenCV读取视频
3.5.3 图像读取与保存
3.6 应用案例：图像数据采集
3.6.1 算法原理
3.6.2 关键代码
3.6.3 工程运行
3.7 本章小结
习题3
第4章 图像数据结构和标注
4.1 图像数据结构
4.1.1 图像的数字化
4.1.2 数字图像的存储格式
4.2 图像文件处理
4.2.1 图像显示
4.2.2 图像读取
4.2.3 图像保存
4.2.4 视频处理
4.3 图像标注介绍
4.3.1 数据标注简介
4.3.2 数据预处理
4.3.3 图像数据标注
4.3.4 数据标注管理
4.4 应用案例：智能分拣图像数据标注操作
4.4.1 图像数据标注工具介绍
4.4.2 应用案例：使用LabelImg完成智能分拣图像数据标注
4.4.3 应用案例：图片数据预处理
4.5 应用案例：图像标记
4.5.1 算法原理
4.5.2 关键代码
4.5.3 工程运行
4.6 本章小结
习题4
第5章 图像特征提取
5.1 图像变换
5.1.1 图像仿射变换
5.1.2 图像透射变换
5.1.3 图像重映射变换
5.1.4 Hough（霍夫）变换
5.2 图像边缘检测
5.2.1 Prewitt边缘检测
5.2.2 Sobel边缘检测
5.2.3 Scharr边缘检测
5.2.4 Canny边缘检测
5.3 图像分割
5.3.1 图像二值化
5.3.2 基于二值化的图像分割实现
5.3.3 区域生长
5.3.4 分水岭算法
5.3.5 GrabCut交互式分割
5.4 数学形态学
5.4.1 腐蚀
5.4.2 膨胀
5.4.3 开运算
5.4.4 闭运算
5.4.5 形态学梯度
5.4.6 形态学检测边缘
5.5 应用案例
5.5.1 应用案例1：图像变换
5.5.2 应用案例2：形态学变换
5.5.3 应用案例3：图像特征提取
5.6 本章小结
习题5
第6章 光学字符识别
6.1 光学字符识别概述
6.1.1 光学字符识别分类
6.1.2 OCR的发展
6.1.3 光学字符识别应用场景
6.1.4 光学字符识别的优缺点
6.1.5 光学字符识别算法
6.2 图像直方图
6.2.1 绘制灰度直方图
6.2.2 绘制彩色直方图
6.2.3 直方图正规化
6.2.4 直方图均衡化
6.2.5 利用直方图进行图像分割
6.3 Sobel边缘算子
6.3.1 Sobel边缘算子简介
6.3.2 Sobel边缘算子常见应用场景
6.3.3 Sobel边缘算子的数学原理和应用
6.4 图像模板匹配
6.4.1 图像模板匹配简介
6.4.2 常见的匹配算法
6.4.3 模板匹配应用
6.5 应用案例：基于模式匹配的光学字符识别
6.6 本章小结
习题6
第7章 图像分类识别
7.1 深度学习概述
7.1.1 神经元
7.1.2 激活函数
7.1.3 神经网络
7.1.4 损失函数和反向传播算法
7.1.5 优化策略
7.2 卷积神经网络
7.2.1 卷积运算
7.2.2 卷积神经网络的基本组件
7.2.3 卷积神经网络示例
7.3 深度学习框架介绍
7.3.1 PyTorch
7.3.2 TensorFlow
7.3.3 Keras
7.3.4 3个框架对比
7.3.5 图像识别基本流程
7.4 迁移学习介绍
7.4.1 迁移学习简介
7.4.2 传统机器学习与迁移学习
7.4.3 迁移学习用法
7.4.4 迁移学习的分类
7.5 应用案例
7.5.1 应用案例1：手写字识别应用
7.5.2 应用案例2：基于深度学习的54类的图像分类
7.6 本章小结
习题7
第8章 目标检测与识别
8.1 概述
8.2 传统目标检测算法介绍
8.2.1 区域选择
8.2.2 特征提取
8.2.3 分类器
8.2.4 目标跟踪
8.2.5 目标检测数据集
8.3 深度学习目标检测框架
8.3.1 基于Faster-RCNN的目标分类
8.3.2 基于SSD模型的目标检测
8.3.3 YOLO目标检测算法
8.4 应用案例：基于YOLO的汉字分拣目标检测
8.4.1 算法原理
8.4.2 关键代码
8.4.3 工程运行
8.5 本章小结
习题8
第9章 人脸识别
9.1 人脸识别原理
9.1.1 人脸识别技术发展历程
9.1.2 人脸识别技术的分类及特点
9.1.3 人脸识别技术的安全与隐私问题
9.2 人脸检测与人数统计技术
9.2.1 人脸检测技术原理及常见算法
9.2.2 人数统计技术原理及应用场景
9.3 人脸识别技术
9.3.1 人脸特征提取技术
9.3.2 人脸识别算法分类及优缺点比较
9.3.3 人脸对比技术
9.4 应用案例
9.4.1 应用案例1：人脸检测
9.4.2 应用案例2：人脸属性
9.4.3 应用案例3：人脸识别
9.5 本章小结
习题9
第10章 机器视觉云服务
10.1 概述
10.2 基于百度云服务的数字识别
10.3 基于百度云服务的图像分类
10.4 基于百度云服务的人物特征识别
10.4.1 百度人脸识别
10.4.2 百度云人体分析
10.5 应用案例：基于百度云服务的车型识别
10.6 本章小结
习题10
附录A 系统配置
A.1 系统网络配置
A.2 系统音频配置
A.3 智云网关配置
A.4 无线节点配置
A.5 启动应用案例
附录B GW3399边缘计算网关连接
B.1 通过SSH连接
B.2 上传、下载文件到实验平台
B.3 通过VNC连接
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...