书名：计算机视觉40例从入门到深度学习（OpenCV-Python）  
定价：129.0  
ISBN：9787121436857  
作者：李立宗  
版次：第1版  
出版时间：2022-06  

内容提要：  
本书以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。本书从基础知识、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。本书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。  



作者简介：  
李立宗，天津职业技术师范大学信息技术工程学院副教授，对数字图像处理研究颇深。  

目录：  
目录  
第1部分 基础知识导读篇  
第1章 数字图像基础 2  
1.1 图像表示基础 2  
1.1.1 艺术与生活 2  
1.1.2 数字图像 3  
1.1.3 二值图像的处理 5  
1.1.4 像素值的范围 5  
1.1.5 图像索引 7  
1.2 彩色图像的表示 8  
1.3 应用基础 9  
1.3.1 量化 10  
1.3.2 特征 10  
1.3.3 距离 11  
1.3.4 图像识别 13  
1.3.5 信息隐藏 15  
1.4 智能图像处理基础 16  
1.5 抽象 18  
第2章 Python基础 21  
2.1 如何开始 21  
2.2 基础语法 22  
2.2.1 变量的概念 22  
2.2.2 变量的使用 22  
2.3 数据类型 24  
2.3.1 基础类型 25  
2.3.2 列表 25  
2.3.3 元组 28  
2.3.4 字典 29  
2.4 选择结构 31  
2.5 循环结构 35  
2.6 函数 39  
2.6.1 什么是函数 39  
2.6.2 内置函数 41  
2.6.3 自定义函数 42  
2.7 模块 44  
2.7.1 标准模块 44  
2.7.2 第三方模块 45  
2.7.3 自定义模块 46  
第3章 OpenCV基础 47  
3.1 基础 47  
3.1.1 安装OpenCV 47  
3.1.2 读取图像 49  
3.1.3 显示图像 50  
3.1.4 保存图像 51  
3.2 图像处理 52  
3.2.1 像素处理 52  
3.2.2 通道处理 57  
3.2.3 调整图像大小 60  
3.3 感兴趣区域 62  
3.4 掩模 63  
3.4.1 掩模基础及构造 64  
3.4.2 乘法运算 65  
3.4.3 逻辑运算 66  
3.4.4 掩模作为函数参数 68  
3.5 色彩处理 69  
3.5.1 色彩空间基础 69  
3.5.2 色彩空间转换 71  
3.5.3 获取皮肤范围 72  
3.6 滤波处理 73  
3.6.1 均值滤波 75  
3.6.2 高斯滤波 78  
3.6.3 中值滤波 82  
3.7 形态学 84  
3.7.1 腐蚀 85  
3.7.2 膨胀 88  
3.7.3 通用形态学函数 91  
第2部分 基础案例篇  
第4章 图像加密与解密 94  
4.1 加密与解密原理 94  
4.2 图像整体加密与解密 96  
4.3 脸部打码及解码 98  
4.3.1 掩模方式实现 98  
4.3.2 ROI方式实现 101  
第5章 数字水印 105  
5.1 位平面 106  
5.2 数字水印原理 114  
5.3 实现方法 115  
5.4 具体实现 119  
5.5 可视化水印 121  
5.5.1 ROI 121  
5.5.2 加法运算 123  
5.6 扩展学习 125  
5.6.1 算术运算实现数字水印 125  
5.6.2 艺术字 128  
第6章 物体计数 131  
6.1 理论基础 131  
6.1.1 如何计算图像的中心点 131  
6.1.2 获取图像的中心点 133  
6.1.3 按照面积筛选前景对象 135  
6.2 核心程序 138  
6.2.1 核函数 138  
6.2.2 zip函数 140  
6.2.3 阈值处理函数threshold 140  
6.3 程序设计 141  
6.4 实现程序 142  
第7章 缺陷检测 144  
7.1 理论基础 144  
7.1.1 开运算 144  
7.1.2 距离变换函数distanceTransform 146  
7.1.3 最小包围圆形 148  
7.1.4 筛选标准 149  
7.2 程序设计 150  
7.3 实现程序 151  
第8章 手势识别 153  
8.1 理论基础 154  
8.1.1 获取凸包 154  
8.1.2 凸缺陷 156  
8.1.3 凸缺陷占凸包面积比 159  
8.2 识别过程 161  
8.2.1 识别流程 162  
8.2.2 实现程序 165  
8.3 扩展学习：石头、剪刀、布的识别 167  
8.3.1 形状匹配 167  
8.3.2 实现程序 170  
第9章 答题卡识别 173  
9.1 单道题目的识别 173  
9.1.1 基本流程及原理 173  
9.1.2 实现程序 178  
9.2 整张答题卡识别原理 180  
9.2.1 图像预处理 180  
9.2.2 答题卡处理 181  
9.2.3 筛选出所有选项 189  
9.2.4 将选项按照题目分组 190  
9.2.5 处理每一道题目的选项 195  
9.2.6 显示结果 195  
9.3 整张答题卡识别程序 195  
第10章 隐身术 201  
10.1 图像的隐身术 201  
10.1.1 基本原理与实现 201  
10.1.2 实现程序 213  
10.1.3 问题及优化方向 214  
10.2 视频隐身术 215  
第11章 以图搜图 217  
11.1 原理与实现 218  
11.1.1 算法原理 218  
11.1.2 感知哈希值计算方法 220  
11.1.3 感知哈希值计算函数 224  
11.1.4 计算距离 224  
11.1.5 计算图像库内所有图像的哈希值 225  
11.1.6 结果显示 226  
11.2 实现程序 228  
11.3 扩展学习 230  
第12章 手写数字识别 231  
12.1 基本原理 232  
12.2 实现细节 233  
12.3 实现程序 235  
12.4 扩展阅读 236  
第13章 车牌识别 238  
13.1 基本原理 238  
13.1.1 提取车牌 238  
13.1.2 分割车牌 240  
13.1.3 识别车牌 242  
13.2 实现程序 246  
13.3 下一步学习 249  
第14章 指纹识别 250  
14.1 指纹识别基本原理 251  
14.2 指纹识别算法概述 251  
14.2.1 描述关键点特征 251  
14.2.2 特征提取 252  
14.2.3 MCC匹配方法 254  
14.2.4 参考资料 258  
14.3 尺度不变特征变换 258  
14.3.1 尺度空间变换 260  
14.3.2 关键点定位 266  
14.3.3 通过方向描述关键点 267  
14.3.4 显示关键点 271  
14.4 基于SIFT的指纹识别 273  
14.4.1 距离计算 273  
14.4.2 特征匹配 274  
14.4.3 算法及实现程序 277  
第3部分 机器学习篇  
第15章 机器学习导读 282  
15.1 机器学习是什么 283  
15.2 机器学习基础概念 284  
15.2.1 机器学习的类型 284  
15.2.2 泛化能力 289  
15.2.3 数据集的划分 290  
15.2.4 模型的拟合 291  
15.2.5 性能度量 292  
15.2.6 偏差与方差 293  
15.3 OpenCV中的机器学习模块 294  
15.3.1 人工神经网络 295  
15.3.2 决策树 296  
15.3.3 EM模块 300  
15.3.4 K近邻模块 300  
15.3.5 logistic回归 303  
15.3.6 贝叶斯分类器 305  
15.3.7 支持向量机 308  
15.3.8 随机梯度下降 SVM 分类器 310  
15.4 OpenCV机器学习模块的使用 312  
15.4.1 使用KNN模块分类 312  
15.4.2 使用SVM模块分类 314  
第16章 KNN实现字符识别 317  
16.1 手写数字识别 317  
16.2 英文字母识别 319  
第17章 求解数独图像 322  
17.1 基本过程 322  
17.2 定位数独图像内的单元格 323  
17.3 构造KNN模型 327  
17.4 识别数独图像内的数字 330  
17.5 求解数独 332  
17.6 绘制数独求解结果 334  
17.7 实现程序 335  
17.8 扩展学习 338  
第18章 SVM数字识别 339  
18.1 基本流程 339  
18.2 倾斜校正 340  
18.3 HOG特征提取 343  
18.4 数据处理 348  
18.5 构造及使用SVM分类器 351  
18.6 实现程序 352  
18.7 参考学习 354  
第19章 行人检测 355  
19.1 方向梯度直方图特征 355  
19.2 基础实现 358  
19.2.1 基本流程 359  
19.2.2 实现程序 359  
19.3 函数detectMultiScale参数及优化 360  
19.3.1 参数winStride 360  
19.3.2 参数padding 362  
19.3.3 参数scale 364  
19.3.4 参数useMeanshiftGrouping 366  
19.4 完整程序 369  
19.5 参考学习 370  
第20章 K均值聚类实现艺术画 371  
20.1 理论基础 371  
20.1.1 案例 371  
20.1.2 K均值聚类的基本步骤 373  
20.2 K均值聚类模块 374  
20.3 艺术画 377  
第4部分 深度学习篇  
第21章 深度学习导读 384  
21.1 从感知机到人工神经网络 384  
21.1.1 感知机 384  
21.1.2 激活函数 385  
21.1.3 人工神经网络 387  
21.1.4 完成分类 388  
21.2 人工神经网络如何学习 389  
21.3 深度学习是什么 390  
21.3.1 深度的含义 390  
21.3.2 表示学习 391  
21.3.3 端到端 392  
21.3.4 深度学习可视化 393  
21.4 激活函数的分类 394  
21.4.1 sigmoid函数 394  
21.4.2 tanh函数 395  
21.4.3 ReLU函数 395  
21.4.4 Leaky ReLU函数 396  
21.4.5 ELU函数 396  
21.5 损失函数 397  
21.5.1 为什么要用损失值 397  
21.5.2 损失值如何起作用 398  
21.5.3 均方误差 399  
21.5.4 交叉熵误差 400  
21.6 学习的技能与方法 401  
21.6.1 全连接 401  
21.6.2 随机失活 402  
21.6.3 One-hot编码 403  
21.6.4 学习率 403  
21.6.5 正则化 404  
21.6.6 mini-batch方法 405  
21.6.7 超参数 406  
21.7 深度学习游乐场 406  
第22章 卷积神经网络基础 407  
22.1 卷积基础 407  
22.2 卷积原理 409  
22.2.1 数值卷积 409  
22.2.2 图像卷积 410  
22.2.3 如何获取卷积核 411  
22.3 填充和步长 412  
22.4 池化操作 413  
22.5 感受野 414  
22.6 预处理与初始化 416  
22.6.1 扩充数据集 416  
22.6.2 标准化与归一化 417  
22.6.3 网络参数初始化 418  
22.7 CNN 418  
22.7.1 LeNet 418  
22.7.2 AlexNet 419  
22.7.3 VGG网络 420  
22.7.4 NiN 420  
22.7.5 GooLeNet 421  
22.7.6 残差网络 423  
第23章 DNN模块 426  
23.1 工作流程 427  
23.2 模型导入 428  
23.3 图像预处理 429  
23.4 推理相关函数 438  
第24章 深度学习应用实践 440  
24.1 图像分类 441  
24.1.1 图像分类模型 441  
24.1.2 实现程序 442  
24.2 目标检测 443  
24.2.1 YOLO 444  
24.2.2 SSD 447  
24.3 图像分割 450  
24.3.1 语义分割 450  
24.3.2 实例分割 453  
24.4 风格迁移 458  
24.5 姿势识别 460  
24.6 说明 463  
第5部分 人脸识别篇  
第25章 人脸检测 466  
25.1 基本原理 466  
25.2 级联分类器的使用 469  
25.3 函数介绍 470  
25.4 人脸检测实现 471  
25.5 表情检测 473  
第26章 人脸识别 475  
26.1 人脸识别基础 475  
26.1.1 人脸识别基本流程 475  
26.1.2 OpenCV人脸识别基础 476  
26.2 LBPH人脸识别 478  
26.2.1 基本原理 478  
26.2.2 函数介绍 482  
26.2.3 案例介绍 482  
26.3 EigenFaces人脸识别 484  
26.3.1 基本原理 484  
26.3.2 函数介绍 485  
26.3.3 案例介绍 485  
26.4 FisherFaces人脸识别 487  
26.4.1 基本原理 487  
26.4.2 函数介绍 489  
26.4.3 案例介绍 489  
26.5 人脸数据库 491  
第27章 dlib库 493  
27.1 定位人脸 493  
27.2 绘制关键点 494  
27.3 勾勒五官轮廓 497  
27.4 人脸对齐 500  
27.5 调用CNN实现人脸检测 502  
第28章 人脸识别应用案例 504  
28.1 表情识别 504  
28.2 驾驶员疲劳检测 507  
28.3 易容术 511  
28.3.1 仿射 511  
28.3.2 算法流程 512  
28.3.3 实现程序 514  
28.4 年龄和性别识别 517