viggo96的博客

OpenCVintroducesanewsetoftutorialswhichwillguideyouthroughvariousfunctionsavailableinOpenCV-Python. This guide is mainly focused on OpenCV 3.x version (although most of the tutorials will work with OpenCV 2.x also). A prior knowledge on Python and Numpy is required before starting because they won’t be covered in this guide. Especially,agoodknowledgeonNumpyismusttowriteoptimizedcodesinOpenCV-Python. ThistutorialhasbeenstartedbyAbidRahmanK.aspartofGoogleSummerofCode2013program,undertheguidance of Alexander Mordvintsev.

课后习题，英文版 在数字图像处理领域，《数字图像处理(第三版)》作为主要教材已有30多年。这一版本是作者在前两版的基础上修订而成的，是前两版的发展与延续。除保留了前两版的大部分内容外，根据读者的反馈，作者在13个方面对《数字图像处理(第三版)》进行了修订，新增了400多幅图像、200多幅图表及80多道习题，融入了近年来数字图像处理领域的重要进展，因而《数字图像处理(第三版)》特色鲜明且与时俱进。

【名人推荐】, “科学计算和数据分析社区已经等待这本书很多年了：大量具体的实践建议，以及大量综合应用方法。本书在未来几年里肯定会成为Python领域中技术计算的权威指南。”, ——Fernando Pérez　加州大学伯克利分校 研究科学家， IPython的创始人之一, 【内容简介】, 还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程？本书含有大量的实践案例，你将学会如何利用各种Python库（包括NumPy、pandas、matplotlib以及IPython等）高效地解决各式各样的数据分析问题。, 由于作者Wes McKinney是pandas库的主要作者，所以本书也可以作为利用Python实现数据密集型应用的科学计算实践指南。本书适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。, •将IPython这个交互式Shell作为你的首要开发环境。, •学习NumPy（Numerical Python）的基础和高级知识。, •从pandas库的数据分析工具开始。, •利用高性能工具对数据进行加载、清理、转换、合并以及重塑。, •利用matplotlib创建散点图以及静态或交互式的可视化结果。, •利用pandas的groupby功能对数据集进行切片、切块和汇总操作。, •处理各种各样的时间序列数据。, •通过详细的案例学习如何解决Web分析、社会科学、金融学以及经•济学等领域的问题。