Readmoo 讀墨電子書
每日問答 每日優惠 版權到期
AI視覺：最強入門邁向頂尖高手－王者歸來
0 則劃線
0 篇書評

AI視覺：最強入門邁向頂尖高手－王者歸來

分類導覽 > 電腦科技 > 程式設計
  • 出版日期： 2025/02/18
  • 語言：繁體中文
  • 檔案大小：121.2MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9786267569542
  • eISBN: 9786267569603
  • 頁數： 834
紙本書定價：NT$ 1280
電子書定價：NT$ 1280
電子書售價：NT$ 1024
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

◎ 台灣作者第一本「AI視覺」專書！五大最強亮點
✔1. AI 影像技術全解析，從入門到頂尖高手
✔2. 影像不只是影像，讓 AI 賦予它智慧與靈魂
✔3. 數學、演算法、函數與Python程式，三大學習核心，建立的AI影像專案
✔4. AI 影像應用無極限，打造你的專屬智慧影像系統
✔5. 最完整 AI 視覺學習資源，帶你進入與設計 AI 影像時代

喜歡這本的人，也看了...

  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 520

    https://youtu.be/aCXqTqqQzVY Gemini 3 x NotebookLM 領軍 Nano Banana Pro x Veo x Whisk x Flow x Gem Google 多模態 AI 工作流 本書內容 ☆★☆從 Gemini...

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書： NT$ 864

    ►►►重量級Claude Code手冊◄◄◄ ►►►涵蓋最新更新Agent Skills內容◄◄◄ ►►►從新手晉升為高手◄◄◄ ★內容介紹 ☆Vibe Coding 時代第一名的 AI 開發助手 Claude ...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 496

    ☆★☆從 Gemini 到 NotebookLM，打造個人知識與創作☆★☆ ☆★☆整合 Google Workspace全系列 AI 工具☆★☆ ☆★☆圖像、語音、影片與文件的多模態☆★☆ ☆★☆讓 AI 真的成...

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書： NT$ 704

    https://youtu.be/Jqv2QYNff-4 ＼\國內第一本！Cursor教戰手冊/／ ☆★☆Context Engineering 頂級實作工具☆★☆ ☆★☆100倍速開發，一天完成原型及產品佈署☆★☆

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 576

    "★★★「程式設計不再孤軍奮戰，讓 AI 成為你的戰友！」★★★ ☆☆☆「用 VS Code + Copilot，讓寫程式變得像聊天一樣簡單！」☆☆☆ ★★★「專案實戰，立即上手，程式...

    試讀
  • 柳絮 段采伶
    深智數位股份有限公司
    電子書： NT$ 496

    市面上第一本結合「八字命盤、AI 覺察與人生指引信」的自我探索說明書。 寫給站在人生岔路前、猶豫著該往哪裡走的你， 寫給忙得不敢停下、只能硬撐著往前走的...

    試讀
  • 蔡煥麟
    一步出版
    電子書： NT$ 440

    這不是一本鉅細靡遺的 C# 語法字典。 本書將介紹 C# 語言當中較為核心、進階、或需要花較多時間深度理解的部分。不同於傳統程式設計書籍的是，本書特別強調...

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 464

    為什麼這本《AI 思維 - 原子習慣》值得你帶回家？ 如果你已經看過無數「自律」、「時間管理」、「成功習慣」的書，卻始終做不到、撐不久、三分鐘熱度，那不...

    試讀
  • 許國政（Kuro）
    博碩文化
    出版日期：2021-02-07
    電子書： NT$ 450

    從零開始！快速上手！網羅完整Vue.js功能的實戰指南

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 496

    NotebookLM筆記術 打造你的AI「第二大腦」 ★☆★ 從「抄重點」走向「理解與輸出」 ★☆★ ★☆★ 多來源整合 x 提問思考 x 知識累積 ★☆★ ★☆★ 學生、教師、上班...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 544

    ★☆★「AI 時代最全面的 ChatGPT 5 實戰指南」★☆★ 在 AI 快速演進的浪潮中，ChatGPT 5 不僅是工具，更是未來工作與創作的強大戰友。本書從基礎到進階，完整揭...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 464

    AI提示詞 打造精準Prompt的對話力與創造力 【台灣首創Prompt教戰守則】 【解密AI對話的黃金鑰匙】 【實戰範例，學Prompt超有感】 【職場創新，掌握AI...

    試讀
  • 許恆修
    深智數位股份有限公司
    電子書： NT$ 656

    你與 AI 大神的距離，只差這本「動手做」的實戰指南！ 翻開本書，開始打造專屬於你的第一個 AI 應用吧！ ★ AI 當你的程式助教，從零開始不怕痛！ 本書專...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 704

    【本書內容】 ★☆★☆★【技術最強、功能最廣】★☆★☆★ ★☆★☆★【AI助力效率飛躍】★☆★☆★ ★☆★☆★【多執行緒設計效能提升】★☆★☆★

    試讀
  • Sam T.
    深智數位股份有限公司
    電子書： NT$ 632

    ★★★《AWS自學聖經》作者Sam T.全新作★★★ ★★★圖解教學★★★ ✦什麼是K8S？ K8S全名為Kubernetes，是一套容器化管理框架，常與Docker等技術一起運用。近年來...

    試讀
  • 胡立
    深智數位股份有限公司
    電子書： NT$ 608

    這不是一本給初學者的JavaScript教科書。相反地，它是寫給那些已經學過JavaScript卻依然感到卡關，對某些觀念依然模糊的開發者。 就像大學課程一樣，或許都是...

    試讀
  • 李允中
    國立臺灣大學出版中心
    電子書： NT$ 474

    軟體開發本身有著本質上的問題及困難，軟體工程各種工程層面及管理層面中涉及的技術，便是為了逐步克服與減緩這些軟體與生俱來的複雜性、易變性、隱藏性及一...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 624

    演算法 圖解原理 x Python實作 x 創意應用 王者歸來 (全彩印刷) 本書內容 ★★★★★【國內第1本演算法 + 創意實作】★★★★★ ★★★★★【彩色圖解演算法】【Python...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 632

    ►《AI之眼》—— AI視覺時代的必讀指南！◄ ►幻影操控 × AI變臉 × 人臉識別 × 手勢追蹤◄ ►解鎖 AI 影像技術 × Python打造 AI 創意應用！◄ 「AI變臉、表情分...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 960

    ★★★★★【內容最多、範圍最廣】【40個主題】★★★★★ ★★★★★【程式實例最多】【超過1300個Python實例】★★★★★ ★★★★★【AI數據科學專題實戰】★★★★★ ★★★★★【420個是...

    試讀

    • 詳細資訊

    "https://youtu.be/dDWiAF1WQ8A

    AI視覺
    最強入門邁向頂尖高手
    王者歸來

    【書籍內容】

    ◎ 台灣作者第一本「AI視覺」專書！五大最強亮點
    ✔1. AI 影像技術全解析，從入門到頂尖高手
    ✔2. 影像不只是影像，讓 AI 賦予它智慧與靈魂
    ✔3. 數學、演算法、函數與Python程式，三大學習核心，建立的AI影像專案
    ✔4. AI 影像應用無極限，打造你的專屬智慧影像系統
    ✔5. 最完整 AI 視覺學習資源，帶你進入與設計 AI 影像時代

    ◎ AI視覺最強入門，從新手到頂尖高手！
    在 AI 影像技術的浪潮下，你是否曾想過，如何讓影像處理不只是單純的圖像變換，而是賦予它智慧，讓程式「看見」並理解世界？本書 《AI視覺最強入門邁向頂尖高手》 將帶你從零開始，一步步掌握 AI 視覺的核心技術，讓你的影像程式不再只是空洞的代碼，而是充滿靈魂與創意的智慧應用！

    ◎ 這本書，適合誰？
    　★ Python & AI 初學者：從影像基礎開始，循序漸進學習。
    　★ 影像處理 & OpenCV 愛好者：探索影像創意與高級應用。
    　★ 開發者 & 工程師：打造 AI 監控、人臉識別、物件追蹤專案。
    　★ 學生 & 研究人員：數學 + 演算法 + OpenCV，全方位掌握 AI 視覺技術。

    ◎ AI 影像技術，從基礎到進階
    　★ 影像處理基礎：影像讀取、色彩空間（BGR、RGB、HSV）、影像儲存與計算。
    　★ 影像創意與特效：數位浮水印、動態影像（GIF、MP4）、藝術畫作設計。
    　★ 影像增強與變換：圖像去霧、濾波降噪、傅立葉變換、直方圖對比度增強。
    　★ AI 影像識別應用：手寫數字辨識、人臉偵測、車牌識別、醫學影像分析。
    　★ AI 監控與自動追蹤：動態車道偵測、AI 監控系統、模板匹配物件搜尋。

    ◎ 為什麼選擇這本書？
    　★ 獨家「三步驟」學習法：
    　★ 數學原理 → 演算法邏輯 → Python x OpenCV x MediaPipe 實作，讓你學得深入又靈活應用！
    　★ 從基礎到高階 AI 視覺應用，完整解構影像處理技術！
    　★ 結合 OpenCV x MediaPipe x Python，打造創新影像應用專案！

    ◎ AI 影像技術，開啟無限可能！
    影像處理與 AI 的結合，正顛覆我們的世界。無論是攝影特效、醫學影像、智慧監控還是自動駕駛，AI 視覺技術都是未來不可或缺的核心技能。現在，就是你踏入這個領域的最佳時機！

    ☆立即入手《AI視覺最強入門邁向頂尖高手》，解鎖影像處理的無限可能，讓你的程式擁有真正的智慧與創意！☆"

    目錄列表

  • 目錄
    1. COVER
      1. 第1章 影像的讀取、顯示與儲存
        1. 1-0 建議閱讀書籍
        2. 1-1 程式導入OpenCV模組
          1. 1-1-1 安裝主要模組
          2. 1-1-2 擴展模組安裝
          3. 1-1-3 導入模組
          4. 1-1-4 OpenCV版本
        3. 1-2 讀取影像檔案
          1. 1-2-1 影像讀取imread( )的語法
          2. 1-2-2 可讀取的影像格式
        4. 1-3 顯示影像與關閉影像視窗
          1. 1-3-1 使用OpenCV顯示影像
          2. 1-3-2 關閉OpenCV視窗
          3. 1-3-3 等待按鍵的事件
          4. 1-3-4 建立OpenCV影像視窗
        5. 1-4 儲存影像
      2. 第2章 認識影像表示方法
        1. 2-1 位元影像表示法
        2. 2-2 GRAY色彩空間
        3. 2-3 RGB色彩空間
          1. 2-3-1 由色彩得知RGB通道值
          2. 2-3-2 使用RGB通道值獲得色彩區塊
          3. 2-3-3 RGB彩色像素的表示法
        4. 2-4 BGR色彩空間
        5. 2-5 獲得影像的屬性
        6. 2-6 像素的BGR值
          1. 2-6-1 讀取特定灰階影像像素座標的BGR值
          2. 2-6-2 讀取特定彩色影像像素座標的BGR值
          3. 2-6-3 修改特定影像像素座標的BGR值
      3. 第3章 學習OpenCV需要的Numpy知識
        1. 3-1 陣列ndarray
        2. 3-2 Numpy的資料型態
        3. 3-3 建立一維或多維陣列
          1. 3-3-1 認識ndarray的屬性
          2. 3-3-2 使用array( )建立一維陣列
          3. 3-3-3 使用array( )函數建立多維陣列
          4. 3-3-4 使用zeros( )建立內容是0的多維陣列
          5. 3-3-5 使用ones( )建立內容是1的多維陣列
          6. 3-3-6 使用empty( )建立未初始化的多維陣列
          7. 3-3-7 使用random.randint( )建立隨機數內容的多維陣列
          8. 3-3-8 使用arange( )函數建立陣列數據
          9. 3-3-9 使用reshape( )函數更改陣列形式
        4. 3-4 一維陣列的運算與切片
          1. 3-4-1 一維陣列的四則運算
          2. 3-4-2 一維陣列的關係運算子運算
          3. 3-4-3 陣列切片
          4. 3-4-4 使用參數copy=True複製數據
          5. 3-4-5 使用copy( )函數複製陣列
        5. 3-5 多維陣列的索引與切片
          1. 3-5-1 認識axis的定義
          2. 3-5-2 多維陣列的索引
          3. 3-5-3 多維陣列的切片
        6. 3-6 陣列水平與垂直合併
          1. 3-6-1 陣列垂直合併vstack( )
          2. 3-6-2 陣列水平合併hstack( )
      4. 第4章 認識色彩空間到藝術創作
        1. 4-1 BGR與RGB色彩空間的轉換
        2. 4-2 BGR色彩空間轉換至GRAY色彩空間
          1. 4-2-1 使用cvtColor( )函數
          2. 4-2-2 OpenCV內部轉換公式
        3. 4-3 HSV色彩空間
          1. 4-3-1 認識HSV色彩空間
          2. 4-3-2 將影像由BGR色彩空間轉為HSV色彩空間
          3. 4-3-3 將RGB色彩轉換成HSV色彩公式
        4. 4-4 拆分色彩通道
          1. 4-4-1 拆分BGR影像的通道
          2. 4-4-2 拆分HSV影像的通道
        5. 4-5 合併色彩通道
          1. 4-5-1 合併B、G、R通道的影像
          2. 4-5-2 合併H、S、V通道的影像
        6. 4-6 拆分與合併色彩通道的應用
          1. 4-6-1 色調Hue調整
          2. 4-6-2 飽和度Saturation調整
          3. 4-6-3 明度Value調整
        7. 4-7 alpha通道
      5. 第5章 妙手空空建立影像
        1. 5-1 影像座標
        2. 5-2 建立與編輯灰階影像
          1. 5-2-1 建立灰階影像
          2. 5-2-2 編輯灰階影像
          3. 5-2-3 使用隨機數建立灰階影像
        3. 5-3 建立彩色影像
      6. 第6章 影像處理的基礎知識
        1. 6-1 灰階影像的編輯
          1. 6-1-1 自創灰階影像與編輯的基礎實例
          2. 6-1-2 讀取灰階影像與編輯的實例
        2. 6-2 彩色影像的編輯
          1. 6-2-1 了解彩色影像陣列的結構
          2. 6-2-2 自創彩色影像與編輯的實例
          3. 6-2-3 讀取彩色影像與編輯的實例
        3. 6-3 編輯含alpha通道的彩色影像
        4. 6-4 影像感興趣區域的編輯
          1. 6-4-1 擷取影像感興趣區塊
          2. 6-4-2 建立影像馬賽克效果
          3. 6-4-3 感興趣區塊在不同影像間移植
        5. 6-5 負片影像處理
          1. 6-5-1 負片的基本概念與應用
          2. 6-5-2 負片應用在灰階影像
          3. 6-5-3 負片應用在彩色影像
          4. 6-5-4 ROI負片處理
      7. 第7章 從靜態到動態的繪圖功能
        1. 7-1 建立畫布
        2. 7-2 繪製直線
        3. 7-3 畫布背景色彩的設計
          1. 7-3-1 單區塊的底部色彩
          2. 7-3-2 建立含底色圖案的畫布
          3. 7-3-3 漸層色背景設計
        4. 7-4 繪製矩形
        5. 7-5 繪製圓
          1. 7-5-1 繪製圓的基礎知識
          2. 7-5-2 隨機色彩的應用
        6. 7-6 繪製橢圓或橢圓弧度
        7. 7-7 繪製多邊形
        8. 7-8 輸出文字
          1. 7-8-1 預設英文字輸出
          2. 7-8-2 中文字輸出
        9. 7-9 反彈球的設計
        10. 7-10 滑鼠事件
          1. 7-10-1 OnMouseAction( )
          2. 7-10-2 setMouseCallback( )
          3. 7-10-3 建立隨機圓
          4. 7-10-4 滑鼠與鍵盤的混合應用
        11. 7-11 滾動條的設計
        12. 7-12 滾動條當作開關的應用
      8. 第8章 影像計算邁向影像創作
        1. 8-1 影像加法運算
          1. 8-1-1 使用add( )函數執行影像加法運算
          2. 8-1-2 使用數學加法+符號執行影像加法運算
          3. 8-1-3 加總B、G、R原色的實例
        2. 8-2 遮罩mask
          1. 8-2-1 遮罩的基本概念
          2. 8-2-2 遮罩的應用場景
        3. 8-3 重複曝光技術
          1. 8-3-1 影像的加權和觀念
          2. 8-3-2 OpenCV的影像加權和方法
        4. 8-4 影像的位元運算
          1. 8-4-1 邏輯的and運算
          2. 8-4-2 邏輯的or運算
          3. 8-4-3 邏輯的not運算
          4. 8-4-4 邏輯的xor運算
        5. 8-5 影像加密與解密
        6. 8-6 動態影像GIF設計
          1. 8-6-1 移動遮罩的設計與應用
          2. 8-6-2 保存為GIF動畫
        7. 8-7 設計MP4影片檔案
          1. 8-7-1 MP4檔案設計步驟
          2. 8-7-2 MP4影片實作
      9. 第9章 閾值處理邁向數位情報
        1. 9-1 threshold( )函數
          1. 9-1-1 基礎語法
          2. 9-1-2 二值化處理THRESH_BINARY與現代情報戰
          3. 9-1-3 反二值化處理THRESH_BINARY_INV
          4. 9-1-4 截斷閾值處理THRESH_TRUNC
          5. 9-1-5 低閾值用0處理THRESH_TOZERO
          6. 9-1-6 高閾值用0處理THRESH_TOZERO_INV
        2. 9-2 Otsu演算法
        3. 9-3 自適應閾值方法adaptiveThreshold( )函數
        4. 9-4 平面圖的分解
        5. 9-5 隱藏在影像內的數位浮水印
          1. 9-5-1 驗證最低有效位元對影像沒有太大的影響
          2. 9-5-2 建立數位浮水印
          3. 9-5-3 取得原始影像的row和column
          4. 9-5-4 建立像素值是254的提取矩陣
          5. 9-5-5 取得原始影像的高7位影像
          6. 9-5-6 建立浮水印影像
          7. 9-5-7 將浮水印影像嵌入原始影像
          8. 9-5-8 擷取浮水印影像
        6. 9-6 動態展示影像處理過程
      10. 第10章 影像的幾何變換
        1. 10-1 認識幾何變換
        2. 10-2 影像縮放效果
          1. 10-2-1 使用dsize參數執行影像縮放
          2. 10-2-2 使用fx和fy執行影像的縮放
        3. 10-3 影像翻轉
        4. 10-4 影像仿射
          1. 10-4-1 仿射的數學基礎
          2. 10-4-2 仿射的函數語法
          3. 10-4-3 影像平移
          4. 10-4-4 影像旋轉
          5. 10-4-5 影像傾斜
        5. 10-5 影像透視
        6. 10-6 重映射
          1. 10-6-1 解說map1和map2
          2. 10-6-2 影像複製
          3. 10-6-3 垂直翻轉
          4. 10-6-4 水平翻轉的實例
          5. 10-6-5 影像縮放
          6. 10-6-6 影像垂直壓縮
        7. 10-7 重映射創意應用–波浪效果
          1. 10-7-1 波浪效果
          2. 10-7-2 設計波浪動畫
      11. 第11章 影像降噪與平滑技術
        1. 11-1 影像平滑處理的基本概念
          1. 11-1-1 濾波核
          2. 11-1-2 影像噪音
          3. 11-1-3 刪除噪音
        2. 11-2 均值濾波器
          1. 11-2-1 理論基礎
          2. 11-2-2 像素位於邊界的考量
          3. 11-2-3 濾波核與卷積
          4. 11-2-4 均值濾波器函數
        3. 11-3 方框濾波器
          1. 11-3-1 理論基礎
          2. 11-3-2 方框濾波器函數
        4. 11-4 中值濾波器
          1. 11-4-1 理論基礎
          2. 11-4-2 中值濾波器函數
        5. 11-5 高斯濾波器
          1. 11-5-1 理論基礎
          2. 11-5-2 高斯濾波器函數
        6. 11-6 雙邊濾波器
          1. 11-6-1 理論基礎
          2. 11-6-2 雙邊濾波器函數
        7. 11-7 2D 濾波核
        8. 11-8 創意應用–圖像油畫效果模擬
      12. 第12章 數學形態學
        1. 12-1 腐蝕(Erosion)
          1. 12-1-1 理論基礎
          2. 12-1-2 腐蝕函數
        2. 12-2 膨脹(Dilation)
          1. 12-2-1 理論基礎
          2. 12-2-2 膨脹函數dilate( )
        3. 12-3 OpenCV應用在數學形態學的通用函數
        4. 12-4 開運算(Opening)
          1. 12-4-1 開運算於AI視覺場景的應用
          2. 12-4-2 開運算的程式應用
        5. 12-5 閉運算(Closing)
          1. 12-5-1 閉運算與開運算功能差異
          2. 12-5-2 閉運算在AI視覺中的應用場景
          3. 12-5-3 閉運算的程式應用
        6. 12-6 形態學梯度(Morphological gradient)
          1. 12-6-1 形態學梯度的作用與影響
          2. 12-6-2 形態學梯度在AI視覺中的場景應用
          3. 12-6-3 閉運算的程式應用
        7. 12-7 禮帽運算(tophat)
          1. 12-7-1 禮帽運算的特色與影響
          2. 12-7-2 禮帽運算在AI視覺中的場景應用
          3. 12-7-3 禮帽運算的程式應用
        8. 12-8 黑帽運算(blackhat)
          1. 12-8-1 黑帽運算的特色與影響
          2. 12-8-2 黑帽運算在AI視覺中的場景應用
          3. 12-8-3 黑帽運算的程式應用
        9. 12-9 核函數
      13. 第13章 影像梯度與邊緣偵測
        1. 13-1 影像梯度的基礎觀念
          1. 13-1-1 直覺方法認識影像邊界
          2. 13-1-2 認識影像梯度
          3. 13-1-3 機器視覺
        2. 13-2 OpenCV函數Sobel( )
          1. 13-2-1 Sobel運算子
          2. 13-2-2 使用Sobel運算子計算x軸方向影像梯度
          3. 13-2-3 使用Sobel運算子計算y軸方向影像梯度
          4. 13-2-4 Sobel( )函數
          5. 13-2-5 考量ddepth與取絕對值函數convertScaleAbs( )
          6. 13-2-6 x軸方向的影像梯度
          7. 13-2-7 y軸方向的影像梯度
          8. 13-2-8 x軸和y軸影像梯度的融合
        3. 13-3 OpenCV函數Scharr( )
          1. 13-3-1 Scharr算子
          2. 13-3-2 Scharr( )函數
        4. 13-4 OpenCV函數Laplacian( )
          1. 13-4-1 二階微分
          2. 13-4-2 Laplacian運算子
          3. 13-4-3 Laplacian( )函數
        5. 13-5 Canny邊緣檢測
          1. 13-5-1 認識Canny邊緣檢測
          2. 13-5-2 Canny演算法的步驟
          3. 13-5-3 Canny( )函數
        6. 13-6 灰階圖像在邊緣檢測中的優勢
      14. 第14章 影像金字塔
        1. 14-1 影像金字塔的原理
          1. 14-1-1 認識層次(level)名詞
          2. 14-1-2 基礎理論
          3. 14-1-3 濾波器與採樣
          4. 14-1-4 高斯濾波器與向下採樣
          5. 14-1-5 向上採樣
          6. 14-1-6 影像失真
        2. 14-2 OpenCV的pyrDown( )函數
        3. 14-3 OpenCV的pyrUp( )函數
        4. 14-4 採樣逆運算的實驗
          1. 14-4-1 影像相加與相減
          2. 14-4-2 反向運算的結果觀察
        5. 14-5 拉普拉斯金字塔(Laplacian Pyramid, LP)
        6. 14-6 影像金字塔的應用與老照片修復實作
          1. 14-6-1 影像金字塔的應用
          2. 14-6-2 修復老舊照片原理解釋
          3. 14-6-3 實作老照片修復
      15. 第15章 輪廓的檢測與匹配
        1. 15-1 影像內圖形的輪廓
          1. 15-1-1 找尋圖形輪廓findContours( )
          2. 15-1-2 繪製圖形的輪廓
        2. 15-2 繪製影像內圖形輪廓的系列實例
          1. 15-2-1 找尋與繪製影像內圖形輪廓的基本應用
          2. 15-2-2 認識findCountours( )函數的回傳值contours
          3. 15-2-3 輪廓索引contoursIdx
          4. 15-2-4 輪廓的外形與特徵提取
          5. 15-2-5 輪廓內有輪廓
          6. 15-2-6 繪製一般影像的圖形輪廓
          7. 15-2-7 輪廓動畫
        3. 15-3 輪廓層級Hierarchy
          1. 15-3-1 輪廓層級的基本觀念
          2. 15-3-2 檢測模式RETR_EXTERNAL
          3. 15-3-3 檢測模式RETR_LIST
          4. 15-3-4 檢測模式RETR_CCOMP
          5. 15-3-5 檢測模式RETR_TREE
          6. 15-3-6 輪廓層級的創意場景
        4. 15-4 輪廓的特徵–影像矩(Image moments)
          1. 15-4-1 矩特徵moments( )函數
          2. 15-4-2 基礎影像矩推導–輪廓質心
          3. 15-4-3 影像矩實例
          4. 15-4-4 計算輪廓面積
          5. 15-4-5 計算輪廓周長
        5. 15-5 輪廓外形的匹配–Hu矩
          1. 15-5-1 OpenCV計算Hu矩的函數
          2. 15-5-2 第0個Hu矩的公式驗證
          3. 15-5-3 輪廓匹配
        6. 15-6 再談輪廓外形匹配
          1. 15-6-1 建立形狀場景距離
          2. 15-6-2 Hausdorff距離
      16. 第16章 輪廓擬合與凸包的相關應用
        1. 16-1 輪廓的擬合
          1. 16-1-1 矩形包圍
          2. 16-1-2 最小包圍矩形
          3. 16-1-3 最小包圍圓形
          4. 16-1-4 最優擬合橢圓
          5. 16-1-5 最小包圍三角形
          6. 16-1-6 近似多邊形
          7. 16-1-7 最優擬合直線
        2. 16-2 凸包
          1. 16-2-1 獲得凸包
          2. 16-2-2 凸缺陷
        3. 16-3 輪廓的幾何測試
          1. 16-3-1 測試輪廓包圍線是否凸形
          2. 16-3-2 計算任意座標點與輪廓包圍線的最短距離
        4. 16-4 創意應用
      17. 第17章 輪廓的特徵
        1. 17-1 寬高比(Aspect Ratio)
        2. 17-2 輪廓的極點
          1. 17-2-1 認識輪廓點座標
          2. 17-2-2 Numpy模組的argmax( )和argmin( )函數
          3. 17-2-3 找出輪廓極點座標
        3. 17-3 Extent
        4. 17-4 Solidity
        5. 17-5 等效直徑(Equivalent Diameter)
        6. 17-6 遮罩和非0像素點的座標訊息
          1. 17-6-1 使用Numpy的陣列模擬獲得非0像素點座標訊息
          2. 17-6-2 獲得空心與實心非0像素點座標訊息
          3. 17-6-3 使用OpenCV函數獲得非0像素點座標訊息
        7. 17-7 找尋影像物件最小值與最大值與他們的座標
          1. 17-7-1 從陣列找最大值與最小值和他們的座標
          2. 17-7-2 影像實作與醫學應用說明
        8. 17-8 計算影像的像素的均值與標準差
          1. 17-8-1 計算影像的像素均值
          2. 17-8-2 影像的像素均值簡單實例
          3. 17-8-3 使用遮罩觀念計算像素均值
          4. 17-8-4 計算影像的像素標準差
        9. 17-9 方向
        10. 17-10 輪廓動態創意設計
          1. 17-10-1 圓形輪廓動畫
          2. 17-10-2 不規則外形的外框收縮
          3. 17-10-3 動畫標記像素點
      18. 第18章 自動駕駛車道檢測
        1. 18-1 霍夫變換的基礎原理解說
          1. 18-1-1 認識笛卡兒座標與霍夫座標
          2. 18-1-2 映射
          3. 18-1-3 認識極座標的基本定義
          4. 18-1-4 霍夫變換與極座標
        2. 18-2 HoughLines( )函數
        3. 18-3 HoughLinesP( )函數
        4. 18-4 霍夫圓環變換檢測
        5. 18-5 高速公路車道檢測
          1. 18-5-1 高速公路車道檢測
          2. 18-5-2 優化版的車道檢測–均值左右車道線
      19. 第19章 直方圖均衡化–增強影像對比度
        1. 19-1 認識直方圖
          1. 19-1-1 認識直方圖
          2. 19-1-2 正規化直方圖
        2. 19-2 繪製直方圖
          1. 19-2-1 使用matplotlib繪製直方圖
          2. 19-2-2 使用OpenCV取得直方圖數據
          3. 19-2-3 繪製彩色影像的直方圖
          4. 19-2-4 繪製遮罩的直方圖
        3. 19-3 直方圖均衡化
          1. 19-3-1 直方圖均衡化演算法
          2. 19-3-2 直方圖均衡化equalizeHist( )
          3. 19-3-3 直方圖均衡化應用在彩色影像
        4. 19-4 限制自適應直方圖均衡化方法
          1. 19-4-1 直方圖均衡化的優缺點
          2. 19-4-2 直方圖均衡化的缺點實例
          3. 19-4-3 自適應直方圖函數createCLAHE( )和apply( )函數
        5. 19-5 區域化直方圖增強技術
      20. 第20章 模板匹配Template Matching
        1. 20-1 模板匹配的基礎觀念
        2. 20-2 模板匹配函數matchTemplate( )
          1. 20-2-1 認識匹配函數matchTemplate( )
          2. 20-2-2 模板匹配結果
          3. 20-2-3 TM_SQDIFF_NORMED模板匹配結果
        3. 20-3 單模板匹配
          1. 20-3-1 回顧minMaxLoc( )函數
          2. 20-3-2 單模板匹配的實例
          3. 20-3-3 找出比較接近的影像
          4. 20-3-4 多目標匹配的實例
          5. 20-3-5 在地圖搜尋山脈
          6. 20-3-6 計算距離最近的機場
        4. 20-4 多模板匹配
      21. 第21章 傅立葉(Fourier)變換
        1. 21-1 數據座標軸轉換的基礎知識
        2. 21-2 傅立葉基礎理論
          1. 21-2-1 認識傅立葉(Fourier)
          2. 21-2-2 認識弦波
          3. 21-2-3 正弦函數的時域圖與頻率域圖
          4. 21-2-4 傅立葉變換理論基礎
        3. 21-3 使用Numpy執行傅立葉變換
          1. 21-3-1 實作傅立葉變換
          2. 21-3-2 逆傅立葉變換
        4. 21-4 訊號與濾波器
          1. 21-4-1 高頻訊號與低頻訊號
          2. 21-4-2 高通濾波器與低通濾波器
        5. 21-5 使用OpenCV完成傅立葉變換
          1. 21-5-1 使用dft( )函數執行傅立葉變換
          2. 21-5-2 使用OpenCV執行逆傅立葉運算
          3. 21-5-3 低通濾波器
        6. 21-6 低通濾波器的藝術創作
      22. 第22章 影像分割使用分水嶺演算法
        1. 22-1 影像分割基礎
        2. 22-2 分水嶺演算法與OpenCV官方推薦網頁
          1. 22-2-1 認識分水嶺演算法
          2. 22-2-2 OpenCV官方推薦網頁
        3. 22-3 分水嶺演算法步驟1–認識distanceTransform( )
        4. 22-4 分水嶺演算法步驟2–找出未知區域
        5. 22-5 分水嶺演算法步驟3–建立標記
        6. 22-6 完成分水嶺演算法
        7. 22-7 分水嶺演算法專案–複雜圖像分割
      23. 第23章 影像擷取
        1. 23-1 認識影像擷取的原理
        2. 23-2 OpenCV的grabCut( )函數
        3. 23-3 grabCut( )基礎實作
        4. 23-4 自定義遮罩實例
        5. 23-5 影像擷取創意應用
          1. 23-5-1 更換影像背景
          2. 23-5-2 模糊背景凸顯主題
      24. 第24章 影像修復–搶救蒙娜麗莎的微笑
        1. 24-1 影像修復的演算法
          1. 24-1-1 Navier-Stroke演算法
          2. 24-1-2 Alexander演算法
          3. 24-1-3 Navier-Strokes與Alexander演算法的比較
        2. 24-2 影像修復的函數inpaint( )
        3. 24-3 修復蒙娜麗莎的微笑
        4. 24-4 局部修復圖像
      25. 第25章 辨識手寫數字
        1. 25-1 認識KNN演算法
          1. 25-1-1 數據分類的基礎觀念
          2. 25-1-2 手寫數字的特徵
          3. 25-1-3 不同數字特徵值的比較
          4. 25-1-4 手寫數字分類原理
          5. 25-1-5 簡化特徵比較
        2. 25-2 認識Numpy與KNN演算法相關的知識
          1. 25-2-1 Numpy的ravel( )函數
          2. 25-2-2 Numpy的flatten( )函數
          3. 25-2-3 數據分類
          4. 25-2-4 建立與分類30筆訓練數據
        3. 25-3 OpenCV的KNN演算法函數
          1. 25-3-1 基礎實作
          2. 25-3-2 更常見的分類
        4. 25-4 有關手寫數字識別的Numpy基礎知識
          1. 25-4-1 vsplit( )垂直方向分割數據
          2. 25-4-2 hsplit( )水平方向分割數據
          3. 25-4-3 元素重複repeat( )
        5. 25-5 識別手寫數字
          1. 25-5-1 實際設計識別手寫數字
          2. 25-5-2 儲存訓練和分類數據
          3. 25-5-3 下載訓練和分類數據
      26. 第26章 OpenCV的攝影功能
        1. 26-1 啟用攝影機功能VideoCapture類別
          1. 26-1-1 初始化VideoCapture
          2. 26-1-2 檢測攝影功能是否開啟成功
          3. 26-1-3 讀取攝影鏡頭的影像
          4. 26-1-4 關閉攝影功能
          5. 26-1-5 讀取影像的基礎實例
          6. 26-1-6 影像翻轉
          7. 26-1-7 保存某一時刻的幀
        2. 26-2 使用VideoWriter類別執行錄影
        3. 26-3 播放影片
          1. 26-3-1 播放所錄製的影片
          2. 26-3-2 播放iPhone所錄製的影片
          3. 26-3-3 灰階播放影片
          4. 26-3-4 暫停與繼續播放
          5. 26-3-5 更改顯示視窗大小
        4. 26-4 認識攝影功能的屬性
          1. 26-4-1 獲得攝影功能的屬性
          2. 26-4-2 設定攝影功能的屬性
          3. 26-4-3 顯示影片播放進度
          4. 26-4-4 裁剪影片
        5. 26-5 車道辨識影片專題
          1. 26-5-1 取得車道辨識影片
          2. 26-5-2 車道辨識影片程式實作
      27. 第27章 認識物件偵測原理與資源檔案
        1. 27-1 物件偵測原理
          1. 27-1-1 階層分類器原理
          2. 27-1-2 Haar特徵緣由
          3. 27-1-3 哈爾特徵原理
        2. 27-2 找尋OpenCV的資源檔案來源
        3. 27-3 認識資源檔案
        4. 27-4 人臉的偵測
          1. 27-4-1 臉形階層式分類器資源檔
          2. 27-4-2 基礎臉形偵測程式
          3. 27-4-3 史上最牛的物理科學家合照
        5. 27-5 偵測側面的人臉
          1. 27-5-1 基礎觀念
          2. 27-5-2 側面臉形偵測
        6. 27-6 路人偵測
          1. 27-6-1 路人偵測
          2. 27-6-2 下半身的偵測
          3. 27-6-3 上半身的偵測
        7. 27-7 眼睛的偵測
          1. 27-7-1 眼睛分類器資源檔
          2. 27-7-2 偵測雙眼實例
          3. 27-7-3 偵測左眼與右眼的實例
        8. 27-8 偵測貓臉
        9. 27-9 俄羅斯車牌辨識
        10. 27-10 AI監控系統設計專題
          1. 27-10-1 圖像人臉標記
          2. 27-10-2 影片人臉標記
          3. 27-10-3 影片人臉標記用MP4紀錄過程
          4. 27-10-4 AI監控系統設計
      28. 第28章 攝影機與人臉檔案
        1. 28-1 擷取相同大小的人臉存檔
        2. 28-2 使用攝影機擷取人臉影像
        3. 28-3 自動化攝影和擷取人像
        4. 28-4 半自動拍攝多張人臉的實例
        5. 28-5 全自動拍攝人臉影像
      29. 第29章 人臉辨識
        1. 29-1 LBPH人臉辨識
          1. 29-1-1 LBP（Local Binary Patterns）基本概念
          2. 29-1-2 LBPH（Local Binary Patterns Histograms）步驟
          3. 29-1-3 LBPH用於人臉辨識的優點
          4. 29-1-4 LBPH可能的侷限性
          5. 29-1-5 LBPH函數解說
          6. 29-1-6 簡單的人臉辨識程式實作
          7. 29-1-7 繪製LBPH直方圖
          8. 29-1-8 人臉識別實務–儲存與開啟訓練數據
          9. 29-1-9 結論
        2. 29-2 Eigenfaces人臉辨識
          1. 29-2-1 Eigenfaces原理思維
          2. 29-2-2 「Eigenfaces」如何表示臉部
          3. 29-2-3 優點與侷限
          4. 29-2-4 Eigenfaces函數解說
          5. 29-2-5 簡單的人臉辨識程式實作
          6. 29-2-6 結論
        3. 29-3 Fisherfaces人臉辨識
          1. 29-3-1 緣由與目標
          2. 29-3-2 主要步驟
          3. 29-3-3 Fisherface與Eigenfaces的比較
          4. 29-3-4 Fisherfaces函數解說
          5. 29-3-5 簡單的人臉辨識程式實作
          6. 29-3-6 總結
        4. 29-4 專題實作–建立員工人臉識別登入系統
          1. 29-4-1 建立與訓練人臉資料庫–ch29_6.py
          2. 29-4-2 員工人臉識別–ch29_7.py
        5. 29-5 專題實作–AI監控與人臉辨識
      30. 第30章 建立哈爾特徵分類器–車牌辨識
        1. 30-1 準備正樣本與負樣本影像資料
          1. 30-1-1 準備正樣本影像–含汽車車牌影像
          2. 30-1-2 準備負樣本影像–不含汽車車牌影像
        2. 30-2 處理正樣本影像
          1. 30-2-1 將正樣本影像處理成固定寬度與高度
          2. 30-2-2 將正樣本影像轉成bmp檔案
        3. 30-3 處理負樣本影像
        4. 30-4 建立辨識車牌的哈爾(Haar)特徵分類器
          1. 30-4-1 下載建立哈爾特徵分類器工具
          2. 30-4-2 儲存正樣本影像
          3. 30-4-3 儲存負樣本影像
          4. 30-4-4 為正樣本加上標記
          5. 30-4-5 設計程式顯示標記
        5. 30-5 訓練辨識車牌的哈爾特徵分類器
          1. 30-5-1 建立向量檔案
          2. 30-5-2 訓練哈爾分類器
          3. 30-5-3 建立哈爾特徵分類器資源檔
        6. 30-6 車牌偵測
        7. 30-7 心得報告
      31. 第31章 車牌辨識
        1. 31-1 擷取所讀取的車牌影像
        2. 31-2 使用Tesseract OCR執行車牌辨識
        3. 31-3 偵測車牌與辨識車牌
        4. 31-4 二值化處理車牌
        5. 31-5 形態學的開運算處理車牌
        6. 31-6 車牌辨識心得
      32. 第32章 MediaPipe手勢偵測與應用解析
        1. 32-1 MediaPipe是什麼
          1. 32-1-1 Google的影像處理解決方案
          2. 32-1-2 為什麼要用MediaPipe
        2. 32-2 初探MediaPipe Hands模組
          1. 32-2-1 MediaPipe Hands功能概覽
          2. 32-2-2 21個關鍵點的座標定義與排列
          3. 32-2-3 如何判斷手勢
          4. 32-2-4 偵測手勢的原理
        3. 32-3 剪刀、石頭、布的程式設計思路
          1. 32-3-1 手指伸直判斷
          2. 32-3-2 程式流程規劃
          3. 32-3-3 與OpenCV的整合繪製
        4. 32-4 偵測手語繪製關節
          1. 32-4-1 初始化MediaPipe Hands物件
          2. 32-4-2 建立Hands物件
          3. 32-4-3 hands.process( )函數用法
          4. 32-4-4 mp_drawing.draw_landmarks( )函數用法
        5. 32-5 專題實作–剪刀、石頭與布
      33. 附錄A OpenCV函數、名詞與具名常數索引表

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    作者其他作品

    NotebookLM筆記術：打造你的AI「第二大腦」

    Nano Banana藝術宇宙－Veo x Sora：多模態AI創作時代

    Gemini x NotebookLM 領軍：Nano Banana x Imagen x Veo x Gem x Gemini Live - Google 多模態 AI 工作流

    Clean Code：Python 寫乾淨程式碼－告別技術債，不再為爛程式加班收爛攤

    ChatGPT 5 全能實戰：Agent、Prompt、Projects、Canvas、GPT、Sora - AI工作流

    MORE
    出版社簡介
    深智數位股份有限公司
    出版社作品

    生成式AI × 穩健提示爬蟲技術 I－數據抓取篇：爬蟲× OCR × 多模態API應用×Perplexity AI Comet Generative AI × Robust Prompted Sampling

    大型語言模型應用實戰：從Prompt Engineering到Agentic RAG與MCP

    NotebookLM筆記術：打造你的AI「第二大腦」

    更多出版社作品
    試讀