计算机 类型
可以朗读 语音朗读
238千字 字数
2021-08-01 发行日期
展开全部

主编推荐语

广受好评的计算机作品，以清晰易懂的方式全面阐释OpenCV 4计算机视觉开发实践。

内容简介

本书内容是关于OpenCV的Python绑定的。从经典技术到先进技术，从几何知识到机器学习。在构建良好应用程序的过程中，这些内容都有助于解决实际的计算机视觉问题。

在使用OpenCV 4和Python 3的过程中，本书所采用的方法既适用于计算机视觉新手，又适用于希望扩展和更新技能的专家。

目录

  • 版权信息
  • 关于本书
  • 译者序
  • 前言
  • 作者简介
  • 译者简介
  • 审校者简介
  • 第1章 安装OpenCV
  • 1.1 技术需求
  • 1.2 OpenCV 4有哪些新特性
  • 1.3 选择和使用合适的安装工具
  • 1.3.1 在Windows上安装
  • 1.3.2 在macOS上安装
  • 1.3.3 在Debian、Ubuntu、Linux Mint以及类似系统上安装
  • 1.3.4 在其他类UNIX系统上安装
  • 1.4 运行示例
  • 1.5 查找文档、帮助和更新
  • 1.6 本章小结
  • 第2章 处理文件、摄像头和GUI
  • 2.1 技术需求
  • 2.2 基本I/O脚本
  • 2.2.1 读取/写入图像文件
  • 2.2.2 在图像和原始字节之间进行转换
  • 2.2.3 基于numpy.array访问图像数据
  • 2.2.4 读取/写入视频文件
  • 2.2.5 捕捉摄像头帧
  • 2.2.6 在窗口中显示图像
  • 2.2.7 在窗口中显示摄像头帧
  • 2.3 项目Cameo（人脸跟踪和图像处理）
  • 2.4 Cameo：面向对象的设计
  • 2.4.1 基于managers.CaptureManager提取视频流
  • 2.4.2 基于managers.WindowManager提取窗口和键盘
  • 2.4.3 基于cameo.Cameo应用所有内容
  • 2.5 本章小结
  • 第3章 基于OpenCV的图像处理
  • 3.1 技术需求
  • 3.2 在不同颜色模型之间进行图像转换
  • 3.3 探索傅里叶变换
  • 3.4 创建模块
  • 3.5 边缘检测
  • 3.6 自定义核：获取卷积
  • 3.7 修改应用程序
  • 3.8 基于Canny的边缘检测
  • 3.9 轮廓检测
  • 3.9.1 边框、最小矩形区域以及最小外接圆
  • 3.9.2 凸轮廓和Douglas-Peucker算法
  • 3.10 检测线、圆以及其他形状
  • 3.10.1 检测线
  • 3.10.2 检测圆
  • 3.10.3 检测其他形状
  • 3.11 本章小结
  • 第4章 深度估计和分割
  • 4.1 技术需求
  • 4.2 创建模块
  • 4.3 从深度摄像头捕捉帧
  • 4.4 将10位图像转换成8位图像
  • 4.5 由视差图创建掩模
  • 4.6 修改应用程序
  • 4.7 基于普通摄像头的深度估计
  • 4.8 基于GrabCut算法的前景检测
  • 4.9 基于分水岭算法的图像分割
  • 4.10 本章小结
  • 第5章 人脸检测和识别
  • 5.1 技术需求
  • 5.2 Haar级联的概念化
  • 5.3 获取Haar级联数据
  • 5.4 使用OpenCV进行人脸检测
  • 5.4.1 在静态图像上进行人脸检测
  • 5.4.2 在视频上进行人脸检测
  • 5.4.3 进行人脸识别
  • 5.5 在红外线下换脸
  • 5.5.1 修改应用程序的循环
  • 5.5.2 掩模复制操作
  • 5.6 本章小结
  • 第6章 使用图像描述符检索和搜索图像
  • 6.1 技术需求
  • 6.2 理解特征检测和匹配的类型
  • 6.3 检测Harris角点
  • 6.4 检测DoG特征并提取SIFT描述符
  • 6.5 检测快速Hessian特征并提取SURF描述符
  • 6.6 使用基于FAST特征和BRIEF描述符的ORB
  • 6.6.1 FAST
  • 6.6.2 BRIEF
  • 6.6.3 蛮力匹配
  • 6.6.4 匹配两幅图像中的标识
  • 6.7 使用K最近邻和比率检验过滤匹配
  • 6.8 基于FLANN的匹配
  • 6.9 基于FLANN进行单应性匹配
  • 6.10 示例应用程序：文身取证
  • 6.10.1 将图像描述符保存到文件
  • 6.10.2 扫描匹配
  • 6.11 本章小结
  • 第7章 建立自定义物体检测器
  • 7.1 技术需求
  • 7.2 理解HOG描述符
  • 7.2.1 HOG的可视化
  • 7.2.2 使用HOG描述图像的区域
  • 7.3 理解非极大值抑制
  • 7.4 理解支持向量机
  • 7.5 基于HOG描述符检测人
  • 7.6 创建并训练物体检测器
  • 7.6.1 理解BoW
  • 7.6.2 将BoW应用于计算机视觉领域
  • 7.6.3 k均值聚类
  • 7.7 检测汽车
  • 7.7.1 支持向量机和滑动窗口相结合
  • 7.7.2 检测场景中的汽车
  • 7.7.3 保存并加载经过训练的支持向量机
  • 7.8 本章小结
  • 第8章 物体跟踪
  • 8.1 技术需求
  • 8.2 基于背景差分检测运动物体
  • 8.2.1 实现基本背景差分器
  • 8.2.2 使用MOG背景差分器
  • 8.2.3 使用KNN背景差分器
  • 8.2.4 使用GMG和其他背景差分器
  • 8.3 利用MeanShift和CamShift跟踪彩色物体
  • 8.3.1 规划MeanShift示例
  • 8.3.2 计算和反投影颜色直方图
  • 8.3.3 实现MeanShift示例
  • 8.3.4 使用CamShift
  • 8.4 使用卡尔曼滤波器寻找运动趋势
  • 8.4.1 理解预测和更新阶段
  • 8.4.2 跟踪鼠标光标
  • 8.5 跟踪行人
  • 8.5.1 规划应用程序的流程
  • 8.5.2 比较面向对象范式和函数范式
  • 8.5.3 实现行人类
  • 8.5.4 实现主函数
  • 8.5.5 考虑接下来的步骤
  • 8.6 本章小结
  • 第9章 摄像头模型和增强现实
  • 9.1 技术需求
  • 9.2 理解3D图像跟踪和增强现实
  • 9.2.1 理解摄像头和镜头参数
  • 9.2.2 理解cv2.solvePnPRansac
  • 9.3 实现demo应用程序
  • 9.3.1 导入模块
  • 9.3.2 执行灰度转换
  • 9.3.3 执行2D到3D的空间转换
  • 9.3.4 实现应用程序类
  • 9.3.5 运行和测试应用程序
  • 9.4 改进3D跟踪算法
  • 9.5 本章小结
  • 第10章 基于OpenCV的神经网络导论
  • 10.1 技术需求
  • 10.2 理解人工神经网络
  • 10.2.1 理解神经元和感知器
  • 10.2.2 理解神经网络的层
  • 10.3 用OpenCV训练基本人工神经网络
  • 10.4 训练多阶段人工神经网络分类器
  • 10.5 基于人工神经网络识别手写数字
  • 10.5.1 理解手写数字的MNIST数据库
  • 10.5.2 为MNIST数据库选择训练参数
  • 10.5.3 实现模块来训练人工神经网络
  • 10.5.4 实现简单测试模块
  • 10.5.5 实现主模块
  • 10.5.6 试着提升人工神经网络训练性能
  • 10.5.7 寻找其他潜在应用程序
  • 10.6 在OpenCV中使用其他框架的深度神经网络
  • 10.7 基于第三方深度神经网络的物体检测和分类
  • 10.8 基于第三方深度神经网络的人脸检测和分类
  • 10.9 本章小结
  • 附录 基于曲线滤波器弯曲颜色空间
展开全部

评分及书评

评分不足
2个评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。