2021-01-06 14:15:35

new/master-cv-tf-2x/0.md

@@ -74,9 +74,9 @@
 
 下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：
 
-*   Windows 的 WinRAR / 7-Zip
-*   Mac 版 Zipeg / iZip / UnRarX
-*   适用于 Linux 的 7-Zip / PeaZip
+*   Windows 的 WinRAR/7-Zip
+*   Mac 版 Zipeg/iZip/UnRarX
+*   适用于 Linux 的 7-Zip/PeaZip
 
 本书的代码包也托管在 [GitHub](https://github.com/PacktPublishing/Mastering-Computer-Vision-with-TensorFlow-2.0) 上。 如果代码有更新，它将在现有的 GitHub 存储库中进行更新。
 

new/master-cv-tf-2x/1.md

@@ -83,7 +83,7 @@ image_arr.shape
 Output:
 (296, 465, 4)
 gray = cv2.cvtColor(image_arr, cv2.COLOR_BGR2GRAY)
-plt.imshow(gray, cmap=‘gray')
+plt.imshow(gray, cmap='gray')
 ```
 
 下图显示了基于上述变换的彩色图像和相应的灰度图像：
@@ -118,21 +118,21 @@ plt.imshow(image_arr[:,:,2]) # blue channel
 
 ![](img/4ae0638c-c8cc-4c2c-8a27-bbfe0c59a3ef.png)
 
-*   **转换**：转换常数值的一些示例为`c11` = 1，`c12` = 0，并且`c13` = 10； `c21` = 0，`c22` = 1，`c23` =10。结果方程变为`u` = `x` + 10 和`v` = `y` + 10：
+*   **转换**：转换常数值的一些示例为`c11 = 1`，`c12 = 0`，并且`c13 = 10`； `c21 = 0`，`c22 = 1`，`c23 = 10`。结果方程变为`u = x + 10`和`v = y + 10`：
 
 ![](img/b211e915-e452-40c7-af3c-c1baaad93153.png)
 
-*   **旋转**：一些旋转常数值的示例是`c11` = 1，`c12` = 0.5，`c13` = 0； `c21` = -0.5，`c22` = 1，`c23` = 0。
+*   **旋转**：一些旋转常数值的示例是`c11 = 1`，`c12 = 0.5`，`c13 = 0`； `c21 = -0.5`，`c22 = 1`，`c23 = 0`。
 
-所得的等式变为`u` = `x` + 0.5 `y`和`v` = -0.5 `x` + `y`：
+所得的等式变为`u = x + 0.5y`和`v = -0.5x + y`：
 
 ![](img/aad8803a-48cf-4ba5-a284-aef5fbfec5ed.png)
 
-*   **旋转+平移**：旋转和平移组合常数的一些示例为`c11` = 1，`c12` = 0.5，`c13` = 10； `c21` = -0.5，`c22` = 1，`c23` =10。结果方程变为`u` = `x` + 0.5 `y` + 10 和`v` = -0.5 `x` + [ `y` +10：
+*   **旋转+平移**：旋转和平移组合常数的一些示例为`c11 = 1`，`c12 = 0.5`，`c13 = 10`； `c21 = -0.5`，`c22 = 1`，`c23 = 10`。结果方程变为`u = x + 0.5y + 10`和`v = -0.5x + y + 10`：
 
 ![](img/176dcee8-a33f-451b-bccd-abc7d2b530d6.png)
 
-*   **剪切**：`c11` = 10，`c12` = 0 和`c13` = 0 的一些剪切常数值示例； `c21` = 0，`c22` = 10，`c23` =0。所得方程变为`u` = 10 `x`和`v` = 10 `y`：
+*   **剪切**：一些剪切常数值示例为`c11 = 10`，`c12 = 0`和`c13 = 0`；`c21 = 0`，`c22 = 10`，`c23 = 0`。所得方程变为`u = 10x`和`v = 10y`：
 
 ![](img/7697542f-4863-4125-8e46-9196a33c27d6.png)
 
@@ -180,7 +180,7 @@ plt.imshow(blurimg, cmap='gray')
 
 左边是输入图像，右边是通过对图像应用水平核而获得的图像。 水平内核仅检测水平边缘，这可以通过水平线的白色条纹看到。 有关水平内核的详细信息，请参见“图像渐变”部分。
 
-前面的代码导入了用于机器学习和计算机视觉工作的必要 Python 库，例如 NumPy 处理数组，cv2 用于 openCV 计算机视觉工作，PIL 处理 Python 代码中的图像，以及 Matplotlib 绘制结果。 然后，它使用 PIL 导入图像，并使用 OpenCV `BGr2GRAY`缩放功能将其转换为灰度。 它使用 NumPy 数组创建用于边缘过滤的内核，使用内核模糊图像，然后使用`imshow()`函数显示图像。
+前面的代码导入了用于机器学习和计算机视觉工作的必要 Python 库，例如 NumPy 处理数组，`cv2`用于 openCV 计算机视觉工作，PIL 处理 Python 代码中的图像，以及 Matplotlib 绘制结果。 然后，它使用 PIL 导入图像，并使用 OpenCV `BGr2GRAY`缩放功能将其转换为灰度。 它使用 NumPy 数组创建用于边缘过滤的内核，使用内核模糊图像，然后使用`imshow()`函数显示图像。
 
 过滤操作分为三类：
 
@@ -386,7 +386,7 @@ for i,histcolor in enumerate(color):
  plt.xlim([0,256])
 ```
 
-前面的 Python 代码首先导入必要的 Python 库，例如 cv2（OpenCV），NumPy（用于数组计算），PIL（用于导入图像）和 Matplotlib（用于绘制图形）。 之后，它将图像转换成数组并循环遍历每种颜色，并绘制每种颜色（R，G 和 B）的直方图。
+前面的 Python 代码首先导入必要的 Python 库，例如`cv2`（OpenCV），NumPy（用于数组计算），PIL（用于导入图像）和 Matplotlib（用于绘制图形）。 之后，它将图像转换成数组并循环遍历每种颜色，并绘制每种颜色（R，G 和 B）的直方图。
 
 下图显示了汽车图像的直方图输出。`x`轴表示从`0`（黑色）到`256`（白色）的颜色强度值，`y`轴表示出现的频率：
 
@@ -522,7 +522,7 @@ cv2.imshow('HOG_image', hog_image_rescaled)
 *   我们将添加另一个形状类似于苹果和橙子的对象。
 *   我们将改变光的强度和反射率。
 
-如果我们执行上一部分中的相同代码，它将检测每个对象，就好像它是一个苹果一样。 这是因为所选的 width 和 height 参数太宽，并且包括所有对象以及 RGB 值，它们在此图像中的显示方式与以前不同。 为了正确检测对象，我们将对`if`语句的大小和颜色进行以下更改，如以下代码所示：
+如果我们执行上一部分中的相同代码，它将检测每个对象，就好像它是一个苹果一样。 这是因为所选的`width`和`height`参数太宽，并且包括所有对象以及 RGB 值，它们在此图像中的显示方式与以前不同。 为了正确检测对象，我们将对`if`语句的大小和颜色进行以下更改，如以下代码所示：
 
 ```py
   if (w >60 and w < 100 and h >60 and h <120):
@@ -600,7 +600,7 @@ pip install --upgrade pip
 pip install tensorflow
 ```
 
-除 TensorFlow 之外，上述命令还将在 Terminal 中下载并提取以下软件包：
+除 TensorFlow 之外，上述命令还将在终端中下载并提取以下软件包：
 
 *   Keras（用 Python 编写的高级神经网络 API，能够在 TensorFlow 的顶部运行）
 *   `protobuf`（用于结构化数据的序列化协议）
@@ -608,11 +608,11 @@ pip install tensorflow
 *   PyGPU（Python 功能，用于图像处理，GPU 计算以提高性能）
 *   `cctools`（适用于 Android 的本地 IDE）
 *   `c-ares`（库功能）
-*   `clang`（C，C++ ，Objective-C，OpenCL 和 OpenCV 的编译器前端）
+*   `clang`（C，C++，Objective-C，OpenCL 和 OpenCV 的编译器前端）
 *   `llvm`（用于生成前端和后端二进制代码的编译器架构）
 *   `theano`（用于管理多维数组的 Python 库）
 *   `grpcio`（用于 Python 的`gRPC`软件包，用于实现远程过程调用）
-*   `libgpuarray`（可用于 Python 中所有程序包的常见 n 维 GPU 阵列）
+*   `libgpuarray`（可用于 Python 中所有程序包的常见 N 维 GPU 阵列）
 *   `termcolor`（Python 中的颜色格式输出）
 *   `absl`（用于构建 Python 应用程序的 Python 库代码集合）
 *   `mock`（用虚拟环境替换真实对象以帮助测试）

new/mobi-dl-tflite/07.md

@@ -44,7 +44,7 @@
 *   数字制图
 *   自动驾驶汽车
 
-我们在较早的项目中讨论了图像处理的基础知识。 在这个项目中，我们将讨论一个非常流行的用于执行图像处理的库-OpenCV。 OpenCV 是*开源计算机视觉*的缩写。 它由 Intel 开发，并由 Willow Garage 和 Itseez（后来被 Intel 收购）推动。 毫无疑问，由于它与所有主要的机器学习框架（例如 TensorFlow，PyTorch 和 Caffe）兼容，因此它是执行图像处理的全球大多数开发人员的首要选择。 除此之外，OpenCV 还可以使用多种语言，例如 C++ ，Java 和 Python。
+我们在较早的项目中讨论了图像处理的基础知识。 在这个项目中，我们将讨论一个非常流行的用于执行图像处理的库-OpenCV。 OpenCV 是*开源计算机视觉*的缩写。 它由 Intel 开发，并由 Willow Garage 和 Itseez（后来被 Intel 收购）推动。 毫无疑问，由于它与所有主要的机器学习框架（例如 TensorFlow，PyTorch 和 Caffe）兼容，因此它是执行图像处理的全球大多数开发人员的首要选择。 除此之外，OpenCV 还可以使用多种语言，例如 C++，Java 和 Python。
 
 要在 Python 环境中安装 OpenCV，可以使用以下命令：