logo
QQ一键登录
分类于: 计算机基础

简介

OpenCV 3计算机视觉: Python语言实现(原书第2版)

OpenCV 3计算机视觉: Python语言实现(原书第2版) 7.1分

资源最后更新于 2020-03-28 17:50:39

作者:〔爱尔兰〕乔·米尼奇诺(Joe Minichino)〔加〕约瑟夫·豪斯(Joseph Howse)

译者:刘波苗贝贝史斌

出版社:出版社机械工业出版社

出版日期:2016-06

ISBN:9787111539759

文件格式: pdf

标签: 计算机 程序设计 华章程序员书库 图像处理软件

简介· · · · · ·

本书将从图像处理的基本操作出发,带你开启先进计算机视觉概念的探索之旅。计算机视觉是一个快速发展的学科,在现实生活中,它的应用增长得非常快,因此写作本书的目的是为了帮助计算机视觉领域的新手和想要了解全新的OpenCV 3.0.0的计算机视觉专家。Joe Minichino是Hoolux Medical从事计算机视觉的工程师,他利用业余时间开发了NoSQL数据库LokiJS。他也是重金属歌手及作曲家。他是一个充满激情的程序员,对编程语言和技术非常好奇,并一直在使用它们。在Hoolux,Joe领导了针对医疗行业的Android计算机视觉广告平台的开发。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

目录

  1. 译者序
  2. 前言
  3. 作者简介
  4. 审校者简介
  5. 译者简介
  6. 第1章 安装OpenCV
  7. 1.1 选择和使用合适的安装工具
  8. 1.1.1 在Windows上安装
  9. 1.1.2 在OS X系统中安装
  10. 1.1.3 在Ubuntu及其衍生版本中安装
  11. 1.1.4 在其他类Unix系统中安装
  12. 1.2 安装Contrib模块
  13. 1.3 运行示例
  14. 1.4 查找文档、帮助及更新
  15. 1.5 总结
  16. 第2章 处理文件、摄像头和图形用户界面
  17. 2.1 基本I/O脚本
  18. 2.1.1 读/写图像文件
  19. 2.1.2 图像与原始字节之间的转换
  20. 2.1.3 使用numpy.array访问图像数据
  21. 2.1.4 视频文件的读/写
  22. 2.1.5 捕获摄像头的帧
  23. 2.1.6 在窗口显示图像
  24. 2.1.7 在窗口显示摄像头帧
  25. 2.2 Cameo项目(人脸跟踪和图像处理)
  26. 2.3 Cameo——面向对象的设计
  27. 2.3.1 使用managers.CaptureManager提取视频流
  28. 2.3.2 使用managers.WindowManager抽象窗口和键盘
  29. 2.3.3 cameo.Cameo的强大实现
  30. 2.4 总结
  31. 第3章 使用OpenCV 3处理图像
  32. 3.1 不同色彩空间的转换
  33. 3.2 傅里叶变换
  34. 3.2.1 高通滤波器
  35. 3.2.2 低通滤波器
  36. 3.3 创建模块
  37. 3.4 边缘检测
  38. 3.5 用定制内核做卷积
  39. 3.6 修改应用
  40. 3.7 Canny边缘检测
  41. 3.8 轮廓检测
  42. 3.9 边界框、最小矩形区域和最小闭圆的轮廓
  43. 3.10 凸轮廓与Douglas-Peucker算法
  44. 3.11 直线和圆检测
  45. 3.11.1 直线检测
  46. 3.11.2 圆检测
  47. 3.12 检测其他形状
  48. 3.13 总结
  49. 第4章 深度估计与分割
  50. 4.1 创建模块
  51. 4.2 捕获深度摄像头的帧
  52. 4.3 从视差图得到掩模
  53. 4.4 对复制操作执行掩模
  54. 4.5 使用普通摄像头进行深度估计
  55. 4.6 使用分水岭和GrabCut算法进行物体分割
  56. 4.6.1 用GrabCut进行前景检测的例子
  57. 4.6.2 使用分水岭算法进行图像分割
  58. 4.7 总结
  59. 第5章 人脸检测和识别
  60. 5.1 Haar级联的概念
  61. 5.2 获取Haar级联数据
  62. 5.3 使用OpenCV进行人脸检测
  63. 5.3.1 静态图像中的人脸检测
  64. 5.3.2 视频中的人脸检测
  65. 5.3.3 人脸识别
  66. 5.4 总结
  67. 第6章 图像检索以及基于图像描述符的搜索
  68. 6.1 特征检测算法
  69. 6.1.1 特征定义
  70. 6.1.2 使用DoG和SIFT进行特征提取与描述
  71. 6.1.3 使用快速Hessian算法和SURF来提取和检测特征
  72. 6.1.4 基于ORB的特征检测和特征匹配
  73. 6.1.5 ORB特征匹配
  74. 6.1.6 K-最近邻匹配
  75. 6.1.7 FLANN匹配
  76. 6.1.8 FLANN的单应性匹配
  77. 6.1.9 基于文身取证的应用程序示例
  78. 6.2 总结
  79. 第7章 目标检测与识别
  80. 7.1 目标检测与识别技术
  81. 7.1.1 HOG描述符
  82. 7.1.2 检测人
  83. 7.1.3 创建和训练目标检测器
  84. 7.2 汽车检测
  85. 7.2.1 代码的功能
  86. 7.2.2 SVM和滑动窗口
  87. 7.3 总结
  88. 第8章 目标跟踪
  89. 8.1 检测移动的目标
  90. 8.2 背景分割器:KNN、MOG2和GMG
  91. 8.2.1 均值漂移和CAMShift
  92. 8.2.2 彩色直方图
  93. 8.2.3 返回代码
  94. 8.3 CAMShift
  95. 8.4 卡尔曼滤波器
  96. 8.4.1 预测和更新
  97. 8.4.2 范例
  98. 8.4.3 一个基于行人跟踪的例子
  99. 8.4.4 Pedestrian类
  100. 8.4.5 主程序
  101. 8.5 总结
  102. 第9章 基于OpenCV的神经网络简介
  103. 9.1 人工神经网络
  104. 9.2 人工神经网络的结构
  105. 9.2.1 网络层级示例
  106. 9.2.2 学习算法
  107. 9.3 OpenCV中的ANN
  108. 9.3.1 基于ANN的动物分类
  109. 9.3.2 训练周期
  110. 9.4 用人工神经网络进行手写数字识别
  111. 9.4.1 MNIST——手写数字数据库
  112. 9.4.2 定制训练数据
  113. 9.4.3 初始参数
  114. 9.4.4 迭代次数
  115. 9.4.5 其他参数
  116. 9.4.6 迷你库
  117. 9.4.7 主文件
  118. 9.5 可能的改进和潜在的应用
  119. 9.5.1 改进
  120. 9.5.2 应用
  121. 9.6 总结