科技
类型
可以朗读
语音朗读
230千字
字数
2021-10-01
发行日期
展开全部
主编推荐语
基于OpenCV 4与Python，循序渐进介绍OpenCV从入门到实践的内容。
内容简介
OpenCV是一个开源的计算机视觉库，可以实现计算机视觉算法。
本书从OpenCV用Python实现的基础语法讲起，逐步深入计算机视觉的进阶实战，并在最后配合项目实战案例，重点介绍使用OpenCV进行人工智能项目以及日常生活中小应用程序开发的方法。通过本书读者不但可以系统地学习有关计算机视觉的知识，而且还能对图像处理的算法有更为深入的理解。
本书基于Python，由浅入深、循序渐进地介绍了OpenCV从入门到实践的内容。本书共13章，内容涵盖OpenCV基础知识、常见的图像操作、图像去噪、图像轮廓的提取与分析，以及人脸识别、目标追踪等计算机视觉的项目实战。
目录
- 版权信息
- 内容提要
- 前言
- 第1章 初识OpenCV
- 1.1 OpenCV简介
- 1.2 OpenCV的安装
- 1.2.1 在Visual Studio 2017上安装
- 1.2.2 在PyCharm上安装
- 1.2.3 在其他编译器上安装
- 1.3 OpenCV常用的Python内置函数
- 1.3.1 ord函数
- 1.3.2 max函数和min函数
- 1.3.3 sorted函数
- 1.4 常见的错误
- 1.4.1 NameError: name 'np' is not defined
- 1.4.2 未知&0xff产生的错误
- 1.4.3 图片无法正常显示或程序死机
- 1.4.4 OpenCV版本不同产生的问题
- 1.5 OpenCV代码体验
- 第2章 图片与初用OpenCV
- 2.1 图片在计算机中的存储形式
- 2.1.1 BGR图
- 2.1.2 灰度图
- 2.1.3 HSV图
- 2.1.4 二值图
- 2.2 图片的读取与写出
- 2.2.1 图片读取
- 2.2.2 图片保存
- 2.2.3 BGR图的读取与写出
- 2.2.4 灰度图的读取与写出
- 2.2.5 图片展示
- 2.2.6 图片延时
- 2.2.7 图片读取演示
- 2.3 计算机视觉中常用的图片属性
- 第3章 OpenCV的基础函数
- 3.1 OpenCV的绘图函数
- 3.1.1 画直线
- 3.1.2 画矩形
- 3.1.3 画圆
- 3.1.4 画椭圆
- 3.1.5 画多边形
- 3.1.6 添加文字
- 3.2 OpenCV的处理鼠标事件函数
- 3.2.1 调用回调函数
- 3.2.2 鼠标事件
- 3.2.3 回调函数
- 3.3 OpenCV实现滑动条式调色板
- 第4章 OpenCV的基础图像操作
- 4.1 图像的基础操作
- 4.1.1 获取像素值
- 4.1.2 修改像素值
- 4.1.3 拆分及合并图像通道
- 4.1.4 图像扩边
- 4.2 图像的算术操作
- 4.2.1 图像加法
- 4.2.2 OpenCV与NumPy模块算术加法的区别
- 4.2.3 图像加法练习
- 4.2.4 图像加权
- 4.2.5 图像逻辑运算
- 4.3 直接像素点操作与ROI
- 第5章 OpenCV中动态图像的基础操作
- 5.1 捕获视频
- 5.1.1 cv2.VideoCapture函数
- 5.1.2 摄像头捕获视频
- 5.1.3 获取本地视频
- 5.1.4 cv2.VideoWriter函数
- 5.1.5 视频的保存
- 5.1.6 错误处理：函数不存在
- 5.2 物体追踪
- 5.2.1 图像的颜色空间转换
- 5.2.2 构建掩膜
- 5.2.3 指定HSV图像物体追踪
- 5.2.4 找到要追踪对象的HSV值
- 第6章 OpenCV图像变换
- 6.1 缩放变换
- 6.2 平移变换
- 6.3 旋转变换
- 6.4 仿射变换
- 6.5 透视变换
- 第7章 OpenCV图像噪点
- 7.1 图像阈值
- 7.1.1 简单阈值
- 7.1.2 自适应阈值
- 7.1.3 Otsu's二值化算法
- 7.2 图像去噪
- 7.2.1 卷积
- 7.2.2 2D卷积
- 7.2.3 平均卷积
- 7.2.4 高斯模糊
- 7.2.5 中值滤波
- 7.2.6 双边滤波
- 7.2.7 滤波后的处理操作
- 7.3 形态学转换
- 7.3.1 形态学腐蚀
- 7.3.2 形态学膨胀
- 7.3.3 形态学高级操作
- 7.3.4 形态学梯度
- 7.3.5 形态学礼帽
- 7.3.6 形态学黑帽
- 7.3.7 结构化元素
- 第8章 图像边缘
- 8.1 图像梯度
- 8.1.1 cv2.Sobel函数
- 8.1.2 Sobel算子和Scharr算子
- 8.1.3 Laplacian算子
- 8.2 Canny边缘检测
- 8.2.1 Canny边缘检测原理
- 8.2.2 cv2.Canny函数
- 8.2.3 Canny边缘检测实例
- 8.3 图像金字塔
- 8.3.1 构建图像金字塔
- 8.3.2 高斯金字塔
- 8.3.3 拉普拉斯金字塔
- 第9章 图像轮廓
- 9.1 什么是轮廓
- 9.2 轮廓的寻找与绘制
- 9.2.1 轮廓寻找
- 9.2.2 轮廓绘制
- 9.2.3 轮廓的寻找与绘制实例
- 9.3 轮廓特征
- 9.3.1 图像的矩
- 9.3.2 轮廓的重心
- 9.3.3 轮廓的面积
- 9.3.4 轮廓的周长
- 9.3.5 轮廓近似
- 9.4 凸包
- 9.5 凸性检测
- 9.6 轮廓框定
- 9.6.1 轮廓外接
- 9.6.2 图像拟合
- 9.7 轮廓的性质
- 9.7.1 面积占比
- 9.7.2 密实度
- 9.7.3 圆替换
- 9.7.4 轮廓夹角
- 9.7.5 轮廓的极点坐标
- 9.8 常用的轮廓处理函数
- 9.8.1 找凸缺陷
- 9.8.2 判断点与轮廓的位置关系
- 9.8.3 形状匹配
- 9.9 轮廓的层次结构
- 第10章 综合运用1：现代物体追踪
- 10.1 霍夫变换——动态检测
- 10.1.1 霍夫变换
- 10.1.2 霍夫变换的工作原理
- 10.1.3 霍夫变换提取直线的实现原理
- 10.1.4 直线检测
- 10.1.5 基本霍夫变换的局限性
- 10.1.6 动态圆形检测
- 10.1.7 其他图形检测
- 10.1.8 广义霍夫变换
- 10.2 “HSV+轮廓”追踪物体
- 10.2.1 基本原理
- 10.2.2 实际运用
- 10.2.3 优化算法
- 10.2.4 噪点去除
- 10.3 Camshift目标追踪
- 10.3.1 Camshift目标追踪的原理
- 10.3.2 颜色直方图
- 10.3.3 Camshift目标追踪代码分析
- 10.4 光流法追踪
- 10.4.1 运动场与光流场
- 10.4.2 光流法
- 10.4.3 直接法
- 10.4.4 光流法的代码实现
- 10.5 KCF目标追踪
- 10.5.1 工作原理
- 10.5.2 KCF目标追踪实例
- 10.6 多目标追踪
- 10.6.1 创建单目标对象追踪器
- 10.6.2 读取摄像头（视频）内初帧
- 10.6.3 在初帧内确定追踪的所有对象
- 10.6.4 初始化多目标追踪的类
- 10.6.5 更新图像并输出图像
- 第11章 综合运用2：图像数据交互
- 11.1 图像中物体的裁剪
- 11.1.1 图像的转换和捕捉
- 11.1.2 图像的去噪和填充
- 11.1.3 画图像轮廓
- 11.1.4 图像的截取
- 11.2 单目测距
- 11.2.1 单目测距的原理
- 11.2.2 静态单目测距
- 11.2.3 动态单目测距
- 11.3 图像数据上传
- 11.3.1 邮件的发送协议
- 11.3.2 基于SMTP的邮件发送
- 11.3.3 无附件的SMTP传输
- 11.3.4 有附件的SMTP传输
- 11.4 图像数据远程交互
- 11.4.1 MQTT协议
- 11.4.2 云上设备创建
- 11.4.3 规则引擎的创建
- 11.4.4 本地数据发布端代码
- 11.4.5 本地数据接收端代码
- 第12章 综合运用3：图像与现代生活
- 12.1 二维码识别
- 12.1.1 静态的二维码识别
- 12.1.2 动态的二维码识别
- 12.2 人脸识别
- 12.2.1 人脸识别的原理——Haar特征
- 12.2.2 人脸识别的实现
- 12.2.3 判断是否存在人脸
- 12.3 手势识别
- 12.3.1 手势识别的分类
- 12.3.2 2D摄像头手势识别
- 12.3.3 手势识别的实现
- 12.4 人脸表情识别
- 12.4.1 基于dlib的人脸表情识别
- 12.4.2 静态图像的人脸表情识别
- 12.4.3 动态的人脸表情识别
- 12.5 文字的挖取与识别
- 12.5.1 文字挖取
- 12.5.2 文字识别
- 12.6 图片与ASCII艺术
- 12.6.1 ASCII艺术
- 12.6.2 图片ASCII转换
- 12.7 透明实现
- 12.7.1 透明实现的原理
- 12.7.2 区域检测
- 12.7.3 背景帧的替换
- 12.7.4 透明实现过程
- 12.8 泊松克隆
- 12.8.1 泊松克隆简介
- 12.8.2 正常克隆
- 12.8.3 混合克隆
- 12.8.4 迁移融合
- 12.9 图像修复
- 12.9.1 图像修复原理
- 12.9.2 INPAINT_NS修复
- 12.9.3 INPAINT_TELEA修复
- 12.10 非真实感渲染
- 12.10.1 什么是非真实感渲染
- 12.10.2 保边滤波器
- 12.10.3 细节增强
- 12.10.4 素描滤波器
- 12.10.5 风格滤波
- 第13章 综合运用4：图像与工业
- 13.1 中值背景估计
- 13.1.1 时间中值滤波
- 13.1.2 运用中值滤波进行背景估计
- 13.1.3 帧差分
- 13.2 ORB图像对齐
- 13.2.1 图像对齐的原理
- 13.2.2 寻找对应点
- 13.2.3 基于特征的图像对齐步骤
- 13.2.4 图像对齐
- 13.3 图像填充
- 13.3.1 前景与背景
- 13.3.2 前背分离
- 13.3.3 漫水填充算法
展开全部
评分及书评
评分不足
2个评分
- 给这本书评了5.0
OpenCV 是一个开源的计算机视觉库，可以高效地实现计算机视觉算法。本书从 OpenCV 用 Python 实现的基础语法讲起，逐步深入计算机视觉的进阶实战，并在最后配合项目实战案例重点介绍使用 OpenCV 进行人工智能项目以及日常生活中小应用程序开发的方法。通过本书读者不仅可以系统地学习计算机视觉的相关知识，而且还能对图像处理的算法有更深入的理解。
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
