دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Learn OpenCV with Python by Examples
دانلود کتاب OpenCV را با پایتون با مثال یاد بگیرید
مشخصات کتاب
Learn OpenCV with Python by Examples
ویرایش:
نویسندگان: James Chen
سری:
ISBN (شابک) : 9781738908455
ناشر:
سال نشر: 2023
تعداد صفحات: 316
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 35 Mb
قیمت کتاب (تومان) : 82,000
در صورت تبدیل فایل کتاب Learn OpenCV with Python by Examples به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب OpenCV را با پایتون با مثال یاد بگیرید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب OpenCV را با پایتون با مثال یاد بگیرید
این کتاب راهنمای جامعی برای یادگیری اصول بینایی کامپیوتر و یادگیری ماشین با استفاده از کتابخانه قدرتمند OpenCV و زبان برنامه نویسی پایتون است. این کتاب یک رویکرد عملی و عملی برای یادگیری مفاهیم و تکنیک های بینایی کامپیوتر از طریق مثال های عملی ارائه می دهد. تمام کدهای این کتاب در Github موجود است. از طریق مجموعهای از مثالها، این کتاب طیف گستردهای از موضوعات از جمله پردازش تصویر و ویدئو، تشخیص ویژگی، تشخیص و تشخیص اشیا، یادگیری ماشین، و شبکههای عصبی عمیق را پوشش میدهد. هر فصل شامل توضیحات مفصلی در مورد مفاهیم و تکنیکهای درگیر، و همچنین مثالهای عملی و تکههای کد است که نحوه پیادهسازی آنها در پایتون را نشان میدهد. در سراسر کتاب، خوانندگان از طریق مثالها و پروژههای عملی کار میکنند و یاد میگیرند که چگونه برنامههای پردازش تصویر را از ابتدا بسازند. چه مبتدی یا یک برنامه نویس با تجربه باشید، این کتاب منبع ارزشمندی برای یادگیری بینایی کامپیوتر با OpenCV و Python است. سبک نوشتاری واضح و مختصر باعث میشود خوانندگان آن را به راحتی دنبال کنند و مثالهای متعدد تضمین میکند که خوانندگان میتوانند آموختههای خود را تمرین کرده و به کار ببرند. در پایان کتاب، خوانندگان درک کاملی از اصول بینایی کامپیوتر خواهند داشت و قادر خواهند بود برنامه های بینایی کامپیوتری خود را با اطمینان بسازند. این کتاب یک منبع عالی برای کسانی است که به دنبال یادگیری بینایی کامپیوتر و یادگیری ماشین با استفاده از کتابخانه OpenCV و زبان برنامه نویسی پایتون هستند. فهرست مطالب 1. مقدمه 1.1 درباره OpenCV 1.2 مخاطبان هدف این کتاب 1.3 کدهای منبع برای این کتاب 1.4 سخت افزار مورد نیاز و نسخه های نرم افزار 1.5 نحوه سازماندهی این کتاب 2. نصب 2.1 نصب در ویندوز 2.2 نصب Python2.3 Install Python.3 Install Pythonm.3 OpenCV 3. OpenCV Basics 3.1 Load and Display Images 3.2 Load and Display Videos 3.3 Display Webcam 3.4 Image Fundamentals 3.5 Draw Shapes 3.6 Draw Texts 3.7 رسم نماد OpenCV 4. تعامل کاربر 4.1 Mouse Operations Draw3 Draw4. ماوس 4.4 برش تصویر با ماوس 4.5 مقادیر ورودی با نوارهای ردیابی 5. پردازش تصویر 5.1 تبدیل فضاهای رنگی 5.2 تغییر اندازه، برش و چرخش تصویر 5.3 تنظیم کنتراست و روشنایی تصویر 5.4 تنظیم رنگ، اشباع و مقدار عملکرد تصویر 5.5 5.7 Warp Image 5.8 Blur Image 5.9 Histogram 6. Object Detection 6.1 Canny Edge Detection 6.2 Dilation and Erosion 6.3 Shape Detection 6.4 Color Recognition 6.5 Text Recognition with Tesseract 6.6 Human Faction Detection 6.8 Regrounde 6.6 7. یادگیری ماشینی 7.1 K-Means Clustering 7.2 K-Nearest Neighbors 7.3 Support Machine Vector 7.4 Artificial Neural Network (ANN) 7.5 Convolutional Neural Network (CNN) مراجع درباره نویسنده
توضیحاتی درمورد کتاب به خارجی
This book is a comprehensive guide to learning the basics of computer vision and machine learning using the powerful OpenCV library and the Python programming language. The book offers a practical, hands-on approach to learning the concepts and techniques of computer vision through practical examples. All codes in this book are available on Github. Through a series of examples, the book covers a wide range of topics including image and video processing, feature detection, object detection and recognition, machine learning, and deep neural networks. Each chapter includes detailed explanations of the concepts and techniques involved, as well as practical examples and code snippets demonstrating how to implement them in Python. Throughout the book, readers will work through hands-on examples and projects, learning how to build image-processing applications from scratch. Whether you are a beginner or an experienced programmer, this book provides a valuable resource for learning computer vision with OpenCV and Python. The clear and concise writing style makes it easy for readers to follow along, and the numerous examples ensure that readers can practice and apply what they have learned. By the end of the book, readers will have a solid understanding of the fundamentals of computer vision and be able to build their own computer vision applications with confidence. This book is an excellent resource for anyone looking to learn computer vision and machine learning using the OpenCV library and Python programming language. Table of Contents 1. Introduction 1.1 About OpenCV 1.2 Target Audients of This Book 1.3 Source Codes for This Book 1.4 Hardware Requirements and Software Versions 1.5 How This Book Is Organized 2. Installation 2.1 Install on Windows 2.2 Install Python on Ubuntu 2.3 Configure PyCharm and Install OpenCV 3. OpenCV Basics 3.1 Load and Display Images 3.2 Load and Display Videos 3.3 Display Webcam 3.4 Image Fundamentals 3.5 Draw Shapes 3.6 Draw Texts 3.7 Draw an OpenCV-like Icon 4. User Interaction 4.1 Mouse Operations 4.2 Draw Circles with Mouse 4.3 Draw Polygon with Mouse 4.4 Crop an Image with Mouse 4.5 Input Values with Trackbars 5. Image Processing 5.1 Conversion of Color Spaces 5.2 Resize, Crop and Rotate an Image 5.3 Adjust Contrast and Brightness of an Image 5.4 Adjust Hue, Saturation and Value 5.5 Blend Image 5.6 Bitwise Operation 5.7 Warp Image 5.8 Blur Image 5.9 Histogram 6. Object Detection 6.1 Canny Edge Detection 6.2 Dilation and Erosion 6.3 Shape Detection 6.4 Color Detection 6.5 Text Recognition with Tesseract 6.6 Human Detection 6.7 Face and Eye Detection 6.8 Remove Background 6.9 Blur Background 7. Machine Learning 7.1 K-Means Clustering 7.2 K-Nearest Neighbors 7.3 Support Vector Machine 7.4 Artificial Neural Network (ANN) 7.5 Convolutional Neural Network (CNN) References About the Author
فهرست مطالب
Introduction About OpenCV Target Audients of This Book Source Codes for This Book Hardware Requirements and Software Versions How This Book Is Organized Installation Install on Windows Install Python on Windows 10 PyCharm, the Integrated Development Environment Install Python on Ubuntu Install Python on Ubuntu Install PyCharm on Ubuntu Configure PyCharm and Install OpenCV Create a New Python Project Install and Upgrade OpenCV and Libraries Load the Project Files Hello OpenCV OpenCV Basics Load and Display Images Load Color Images Load Grayscale Images Convert Color Image to Grayscale Load and Display Videos Display Webcam Image Fundamentals Pixels BGR Color Space and Channels HSV Color Space and Channels Draw Shapes Create an Empty Canvas Draw a Line Draw Rectangles, Circles, Ellipses and Polylines Draw Texts Draw an OpenCV-like Icon User Interaction Mouse Operations Draw Circles with Mouse Draw Polygon with Mouse Crop an Image with Mouse Input Values with Trackbars Image Processing Conversion of Color Spaces Convert BGR to Gray Convert Grayscale to BGR Convert BGR to HSV Convert HSV to BGR Resize, Crop and Rotate an Image Adjust Contrast and Brightness of an Image Adjust Hue, Saturation and Value Blend Image Bitwise Operation Warp Image Blur Image What is Gaussian Blur Gaussian Blur Median Blur Histogram About Histogram Histogram for Grayscale Images Histogram for Color Images Object Detection Canny Edge Detection Dilation and Erosion Shape Detection Pre-processing for Shape Detection Find Contours Detect the Type, Area and Perimeter of the Shapes Other Contour Features Color Detection Find Color from an Image Find Color Labels Text Recognition with Tesseract Install and configure Tesseract Text Recognition Human Detection Human Detection from Pictures Human Detection from Videos Face and Eye Detection Remove Background Remove Background by Color Remove Background by Contour Remove Background by Machine Learning Remove Background by Mask Blur Background Machine Learning K-Means Clustering What is K-Means Clustering Color Quantization Handwritten Digits Grouping K-Nearest Neighbors What is K-Nearest Neighbors KNN Evaluation Recognize Handwritten Digits with KNN Support Vector Machine What is Support Vector Machine Recognize Handwritten Digits with SVM IRIS Dataset Classification Artificial Neural Network (ANN) What is an Artificial Neural Network (ANN)? Activation Functions Recognize Handwritten Digits with ANN Convolutional Neural Network (CNN) What is a Convolutional Neural Network Convolution Layer Pooling Layer Fully Connected Layer CNN Architecture Build a CNN Model with Tensorflow/Keras Popular CNN Architectures References About the Author
نظرات کاربران
کتاب های تصادفی
دانلود کتاب The long march: a reform agenda for Latin America and the Caribbean in the next decade
دانلود کتاب Engineering Your Future: The Professional Practice of Engineering, Third Edition
دانلود کتاب Механізм інтеграції наукових знань при складанні навчальних програм
دانلود کتاب Japanese Cockpit Interiors
