OpenCV是用于发计算机视觉应用程序的*流行的源库之一，它可以帮助你专注于构建完整的图像处理、运动检测和图像分割项目。无论你是初涉计算机视觉技术，还是对其概念已有基本了解，本书都将成为你通过实例和项目掌握OpenCV概念及算法的实用指南。 本书首先介绍OpenCV的门知识及安装，然后介绍OpenCV的基础知识，包括用户界面、矩阵运算、滤波器和直方图等，之后介绍复杂的计算机视觉算法，包括对象分割和分类、视频监控、对象跟踪等，*后探讨对象跟踪、文本识别、机器学习和人脸检测等高级技术。阅读本书之后，你将掌握常用和*新的计算机视觉技术，并学会从零始构建各类OpenCV项目。
售 价：¥
纸质售价：¥55.30购买纸书
6.6
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
作者简介
审校者简介
第1章 OpenCV入门
1.1 了解人类视觉系统
1.2 人类如何理解图像内容
1.3 你能用OpenCV做什么
1.3.1 内置数据结构和输入/输出
1.3.2 图像处理操作
1.3.3 GUI
1.3.4 视频分析
1.3.5 3D重建
1.3.6 特征提取
1.3.7 对象检测
1.3.8 机器学习
1.3.9 计算摄影
1.3.10 形状分析
1.3.11 光流算法
1.3.12 人脸和对象识别
1.3.13 表面匹配
1.3.14 文本检测和识别
1.3.15 深度学习
1.4 安装OpenCV
1.4.1 Windows
1.4.2 Mac OS X
1.4.3 Linux
1.5 总结
第2章 OpenCV基础知识导论
2.1 技术要求
2.2 基本CMake配置文件
2.3 创建一个库
2.4 管理依赖项
2.5 让脚本更复杂
2.6 图像和矩阵
2.7 读/写图像
2.8 读取视频和摄像头
2.9 其他基本对象类型
2.9.1 Vec对象类型
2.9.2 Scalar对象类型
2.9.3 Point对象类型
2.9.4 Size对象类型
2.9.5 Rect对象类型
2.9.6 RotatedRect对象类型
2.10 基本矩阵运算
2.11 基本数据存储
2.12 总结
第3章 学习图形用户界面
3.1 技术要求
3.2 OpenCV用户界面介绍
3.3 OpenCV的基本图形用户界面
3.4 Qt图形用户界面
3.5 OpenGL支持
3.6 总结
第4章 深入研究直方图和滤波器
4.1 技术要求
4.2 生成CMake脚本文件
4.3 创建图形用户界面
4.4 绘制直方图
4.5 图像颜色均衡
4.6 Lomography效果
4.7 卡通效果
4.8 总结
第5章 自动光学检查、对象分割和检测
5.1 技术要求
5.2 隔离场景中的对象
5.3 为AOI创建应用程序
5.4 预处理输入图像
5.4.1 噪声消除
5.4.2 用光模式移除背景进行分割
5.4.3 阈值
5.5 分割输入图像
5.5.1 连通组件算法
5.5.2 findContours算法
5.6 总结
第6章 学习对象分类
6.1 技术要求
6.2 机器学习概念介绍
6.3 计算机视觉和机器学习工作流程
6.4 自动对象检查分类示例
6.4.1 特征提取
6.4.2 训练SVM模型
6.4.3 输入图像预测
6.5 总结
第7章 检测面部部位与覆盖面具
7.1 技术要求
7.2 了解Haar级联
7.3 什么是积分图像
7.4 在实时视频中覆盖面具
7.5 戴上太阳镜
7.6 跟踪鼻子、嘴巴和耳朵
7.7 总结
第8章 视频监控、背景建模和形态学操作
8.1 技术要求
8.2 理解背景减除
8.3 直接的背景减除
8.4 帧差分
8.5 高斯混合方法
8.6 形态学图像处理
8.7 使形状变细
8.8 使形状变粗
8.9 其他形态运算符
8.9.1 形态开口
8.9.2 形态闭合
8.9.3 绘制边界
8.9.4 礼帽变换
8.9.5 黑帽变换
8.10 总结
第9章 学习对象跟踪
9.1 技术要求
9.2 跟踪特定颜色的对象
9.3 构建交互式对象跟踪器
9.4 用Harris角点检测器检测点
9.5 用于跟踪的好特征
9.6 基于特征的跟踪
9.6.1 Lucas-Kanade方法
9.6.2 Farneback算法
9.7 总结
第10章 开发用于文本识别的分割算法
10.1 技术要求
10.2 光学字符识别介绍
10.3 预处理阶段
10.3.1 对图像进行阈值处理
10.3.2 文本分割
10.4 在你的操作系统上安装Tesseract OCR
10.4.1 在Windows上安装Tesseract
10.4.2 在Mac上安装Tesseract
10.5 使用Tesseract OCR库
10.6 总结
第11章 用Tesseract进行文本识别
11.1 技术要求
11.2 文本API的工作原理
11.2.1 场景检测问题
11.2.2 极值区域
11.2.3 极值区域过滤
11.3 使用文本API
11.3.1 文本检测
11.3.2 文本提取
11.3.3 文本识别
11.4 总结
第12章 使用OpenCV进行深度学习
12.1 技术要求
12.2 深度学习简介
12.2.1 什么是神经网络，我们如何从数据中学习
12.2.2 卷积神经网络
12.3 OpenCV中的深度学习
12.4 YOLO用于实时对象检测
12.4.1 YOLO v3深度学习模型架构
12.4.2 YOLO数据集、词汇表和模型
12.4.3 将YOLO导入OpenCV
12.5 用SSD进行人脸检测
12.5.1 SSD模型架构
12.5.2 将SSD人脸检测导入OpenCV
12.6 总结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
