Python计算机视觉编程的PDF电子书免费下载

　　本书是计算机视觉编程的权威实践指南，依赖 Python 语言讲解了基础理论与算法，并通过大量示例细致分析了对象识别、基于内容的图像搜索、光学字符识别、光流法、跟踪、三维重建、立体成像、增强现实、姿态估计、全景创建、图像分割、降噪、图像分组等技术。另外，书中附带的练习还能让读者巩固并学会应用编程知识。本书适合的读者是 ：有一定编程与数学基础，想要了解计算机视觉的基本理论与算法的学生，以及计算机科学、信号处理、物理学、应用数学和统计学、神经生理学、认知科学等领域的研究人员和从业者。

　　计算机视觉是一门实践性很强的课程，虽然已经有了不少教科书，但大多数都只重视其中的理论和算法，很少有实践指导书。因而对于学习者而言，如果希望在实践中学习，往往需要编写大量的程序。在这方面，本书的出版可以算是一个有效的补充，相信本书将成为计算机视觉学习者的一个重要参考。作为一本面向计算机视觉编程的书，本书涉及了这一学科中相对成熟并且被以往实践验证有效的部分典型算法，因而具有很好的实用性。例如第 2 章描述子部分选择了 Harris 角点检测器和 SIFT 描述子及其实现加以介绍；第 3 章则以全景图的创建为例，给出了 RANSAC 的实现；第 9 章图像分割中讨论了 Graph Cut 的实现等。这些方法大多数具有很好的通用性，因而为读者提供了一种实现范例。本书的另一个特点是对介绍的单一方法，通过综合运用提升学习者灵活应用这些方法的能力。例如第 4 章给出的增强现实的例子，以及第 8 章给出的数独图像校正的例子。这些例子能够帮助进一步提升学习者对前述方法的感性认识。与早期计算机视觉领域多数程序都是由 C/C++ 写就的情形不同。随着计算机硬件速度越来越快，研究者在考虑选择实现算法语言的时候会更多地考虑编写代码的效率和易用性，而不是像早年那样把算法的执行效率放在首位。这直接导致近年来越来越多的研究者选择 Python 来实现算法。与此同时，Python 的开放性使不同领域的研究者能够有机会在 Python 中加入他们需要的特性，甚至可以纳入 Python 的标准库，这也大大吸引了众多研究者对 Python 的参与。本书的第三个特点是提供了与 OpenCV 接口的介绍。这为利用 OpenCV 中的资源提供了方便的途径。今天在计算机视觉领域，越来越多的研究者使用 Python 开展研究。本书中文版的出版一方面能够鼓励更多的研究者采用这一语言，另一方面则为 Python 的学习者提供了一种尝试不同领域算法的机会。

　　今天，图像和视频无处不在，在线照片分享网站和社交网络上的图像有数十亿之多。几乎对于任意可能的查询图像，搜索引擎都会给用户返回检索的图像。实际上，几乎所有手机和计算机都有内置的摄像头，所以在人们的设备中，有几 G 的图像和视频是一件很寻常的事。计算机视觉就是用计算机编程，并设计算法来理解在这些图像中有什么。计算机视觉的有力应用有图像搜索、机器人导航、医学图像分析、照片管理等。本书旨在为计算机视觉实战提供一个简单的切入点，让学生、研究者和爱好者充分理解其基础理论和算法。本书中的编程语言是 Python，Python 自带了很多可以免费获取的强大而便捷的图像处理、数学计算和数据挖掘模块，可以免费获取。写作本书的时候，我遵循了以下原则。 • 鼓励探究式学习，让读者在阅读本书的时候，在计算机上跟着书中示例进行练习。 • 推广和使用免费且开源的软件，设立较低的学习门槛。显然，我们选择了 Python。 • 保持内容完整性和独立性。本书没有介绍计算机视觉的全部内容，而是完整呈现并解释所有代码。你应该能够重现这些示例，并可以直接在它们之上构建其他应用。 • 内容追求广泛而非详细，且相对于理论更注重鼓舞和激励。总之，如果你对计算机视觉编程感兴趣，希望它能给你带来启发。

　　第 1 章“基本的图像操作和处理”介绍用来处理图像的基本工具及本书用到的核心 Python 模块，同时涵盖了很多贯穿全书的基础示例。第 2 章“局部图像描述子”讲解检测图像兴趣点的方法，以及怎样使用它们在图像间寻找相应点和区域。第 3 章“图像到图像的映射”描述图像间基本的变换及其计算方法。涵盖从图像扭曲到创建全景图像的示例。第 4 章“照相机模型与增强现实”介绍如何对照相机建模、生成从三维空间到图像特征的图像投影，并估计照相机视点。第 5 章“多视图几何”讲解如何对具有相同场景、多视图几何基本面的图像进行处理，以及怎样从图像计算三维重建。第 6 章“图像聚类”介绍一些聚类方法，并展示如何基于相似性或内容对图像进行分组和组织。第 7 章“图像搜索”展示如何建立有效的图像检索技术，以便能够存储图像的表示，并基于图像的视觉内容搜索图像。第 8 章“图像内容分类”描述了图像内容分类算法，以及怎样使用它们识别图像中的物体。第 9 章“图像分割”介绍了通过聚类、用户交互或图像模型，将图像分割成有意义区域的不同技术。第 10 章“OpenCV”展示怎样使用常用的 OpenCV 计算机视觉库 Python 接口，以及如何处理视频及摄像头的输入。