影像辨識實務應用：使用C#【好評回饋版】

|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

|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...