Programming Computer Vision with Python

Obra clásica escrita por Jan Erik Solem y publicada por O'Reilly que desglosa los algoritmos y fundamentos matemáticos de la visión computacional tradicional utilizando código conciso en Python. Aunque se concibió en el entorno de Python 2.7, los principios geométricos y algebraicos que enseña son atemporales y universales. Está dirigido a estudiantes de posgrado, desarrolladores e investigadores de nivel intermedio con conocimientos previos de álgebra lineal, cálculo matricial y estadística que buscan comprender qué ocurre detrás de las operaciones de visión sin depender ciegamente de librerías de alto nivel.

El temario profundiza en el procesamiento digital elemental con arrays matriciales, el cálculo de descriptores locales (detector de esquinas de Harris y descriptores SIFT con VLFeat), homografías y deformaciones de perspectiva, modelos geométricos de cámara pinhole y calibración, geometría epipolar para reconstrucción 3D a partir de múltiples vistas estéreo, y técnicas de agrupamiento visual (k-means y clustering jerárquico). En el apartado de reconocimiento aborda sistemas de búsqueda de imágenes por similitud visual (CBIR) mediante el modelo Bag of Visual Words y SQLite, clasificación de patrones con Support Vector Machines (SVM con libsvm) y k-NN, algoritmos de segmentación gráfica (Graph Cuts) e introducción a la interfaz de OpenCV. Las tecnologías empleadas incluyen NumPy, SciPy, Matplotlib, PIL (Pillow), OpenCV, VLFeat, PyGame / PyOpenGL, libsvm y SQLite.

El texto combina explicaciones teóricas con ejercicios al término de cada capítulo y la construcción guiada de proyectos representativos, como generadores de panoramas fotográficos, motores de búsqueda de imágenes y prototipos de realidad aumentada en 3D. Aporta una comprensión profunda y rigurosa sobre cómo reconstruir el espacio tridimensional a partir de fotografías bidimensionales. Como aspecto a considerar, al ser una publicación de 2012 anterior al auge de las redes neuronales convolucionales profundas, no abarca deep learning moderno y algunas dependencias antiguas (como PIL y VLFeat) requieren ser sustituidas por equivalentes modernos en Python 3 como scikit-image u OpenCV.