|Chapter 01| 影像辨識簡介?

1-1 我認為的影像辨識是…

1-2 影像辨識的過程—以車牌辨識為例

1-3 簡化影像

1-4 正規化目標影像

1-5 字模比對確認資料

1-6 目標辨識只是影像辨識的一種

1-7 眼見為憑，看到過程很重要



|Chapter 02| 數位影像的拆解與顯示

2-0 本書程式使用Visual Studio 2019軟體製作

2-1 拆解數位影像的RGB資訊

2-2 繪製RGB代表的灰階資訊

2-3 繪製二值化圖

2-4 繪製負片

2-5 儲存處理過程的影像

2-6 車牌辨識不是你想的那麼簡單



|Chapter 03| 目標二值化與輪廓化

3-1 目標切割是目的，二值化與輪廓化是手段

3-2 建立區塊亮度平均值作為二值化門檻

3-3 二值化處理

3-4 輪廓化處理

3-5 用氾濫式演算法檢視封閉曲線

3-6 本節相關議題討論



|Chapter 04| 目標物件的建立與篩選

4-1 目標物件定義

4-2 二值化與輪廓化的功能整併

4-3 建立目標物件

4-4 依據寬高篩選目標物件

4-5 依據目標與背景的亮度對比篩選

4-6 檢視目標屬性

4-7 建立目標物件是必要的里程碑



|Chapter 05| 如何找出字元目標群組

5-1 準備工作與介紹

5-2 整合後的Outline功能

5-3 整合後的Targets功能

5-4 搜尋最佳目標群組



|Chapter 06| 字模製作與目標比對

6-1 建立車牌字模圖檔

6-2 字模建立與比對示範的專案

6-3 用影像載入字模

6-4 建立字模的二進位檔案

6-5 以資源檔案方式匯入專案

6-6 字模比對的示範

6-7 有關此章內容的討論



|Chapter 07| 字元影像目標的正規化

7-1 為何需要正規化？

7-2 建立單一目標之二值化圖

7-3 旋轉目標

7-4 寬高正規化

7-5 完整車牌正規化的呈現

7-6 如何辨識車牌的分隔短線？

7-7 革命尚未成功，同志仍須努力



|Chapter 08| 車牌的字元辨識

8-1 匯入字模資料與建立專案

8-2 比對字元目標

8-3 你找到的答案是對的嗎？

8-4 可以補字嗎？

8-5 影像辨識不只是辨識「影像」



|Chapter 09| 負片與黯淡車牌的辨識

9-1 如果你的車牌不是最耀眼的明星怎麼辦？

9-2 程式架構整理

9-3 如何完成多組車牌辨識的嘗試？

9-4 負片辨識



|Chapter 10| 立體空間斜視影像的處理

10-1 光是旋轉與縮放還是不夠的

10-2 上下平移錯位的實驗

10-3 將平移錯位變形處理納入辨識程序

10-4 這一章教我們的事情



|Chapter 11| 影像分割可以很簡單

11-1 一個辨識浮萍面積的案例

11-2 辨識浮萍目標

11-3 辨識水面邊界

11-4 建立邊界計算浮萍面積

11-5 其他影像辨識書沒說的重點



|Chapter 12| 挑戰蝕刻與浮雕字元的辨識

12-1 如果目標與背景根本是同色怎麼辨識？

12-2 這是一個微分影像

12-3 鎖定字元列的上下邊界

12-4 二值化

12-5 建立目標物件

12-6 融合與分割目標

12-7 正規化目標大小



|Chapter 13| 動態影像辨識的基本動作

13-1 如何從動態串流影像中取得可辨識的靜態影像？

13-2 製作出一個半透明的辨識區域設定框

13-3 拷貝螢幕的程式

13-4 動態偵測的程式

13-5 後記



?