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  目標物件的建立與篩選
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  函式定義及呼叫
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    如果目標與背景根本是同色怎麼辨識？
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