OpenCV 3計算機視覺：Python語言實現（原書第2版） ( 簡體 字) |
| 作者：[愛爾蘭] 喬·米尼奇諾(Joe Minichino) | 類別：1. -> 教材 -> 數位影像處理
2. -> 程式設計 -> Python |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 44513
詢問書籍請說出此書號！【缺書】
NT售價： 245 元 |
| 出版日：6/1/2016 |
| 頁數：181 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111539759 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書分9章來介紹計算機視覺的重要概念，所有的概念都融入了一些很有趣的項目。本書首先詳細介紹了多個平臺下基于Python的OpenCV安裝，繼而介紹了計算機視覺應用的基本操作，包括圖像文件的讀取與顯示，圖像處理的基本操作（比如邊緣檢測等），深度估計與分割，人臉檢測與識別，圖像的檢索，目標的檢測與識別，目標跟蹤，神經網絡的手寫體識別。可以這樣說，本書是一本不可多得的采用OpenCV實踐計算機視覺應用的好書。 |
目錄：第1章 安裝OpenCV 1
1.1 選擇和使用合適的安裝工具 2
1.1.1 在Windows上安裝 2
1.1.2 在OS X系統中安裝 6
1.1.3 在Ubuntu及其衍生版本中安裝 11
1.1.4 在其他類Unix系統中安裝 12
1.2 安裝Contrib模組 13
1.3 運行示例 13
1.4 查找文檔、幫助及更新 14
1.5 總結 15
第2章 處理文件、攝像頭和圖形化使用者介面 16
2.1 基本I/O腳本 16
2.1.1 讀/寫影像檔 16
2.1.2 圖像與原始位元組之間的轉換 19
2.1.3 使用numpy.array訪問圖像資料 20
2.1.4 視頻檔的讀/寫 22
2.1.5 捕獲攝像頭的幀 23
2.1.6 在視窗顯示圖像 24
2.1.7 在視窗顯示攝像頭幀 25
2.2 Cameo專案（人臉跟蹤和影像處理） 26
2.3 Cameo—物件導向的設計 27
2.3.1 使用managers. CaptureManager提取視頻流 27
2.3.2 使用managers.WindowManager抽象視窗和鍵盤 32
2.3.3 cameo.Cameo的強大實現 33
2.4 總結 34
第3章 使用OpenCV 3處理圖像 36
3.1 不同色彩空間的轉換 36
3.2 傅裡葉變換 37
3.2.1 高通濾波器 37
3.2.2 低通濾波器 39
3.3 創建模組 39
3.4 邊緣檢測 40
3.5 用定制內核做卷積 41
3.6 修改應用 43
3.7 Canny邊緣檢測 44
3.8 輪廓檢測 45
3.9 邊界框、最小矩形區域和最小閉圓的輪廓 46
3.10 凸輪廓與Douglas-Peucker演算法 48
3.11 直線和圓檢測 50
3.11.1 直線檢測 50
3.11.2 圓檢測 51
3.12 檢測其他形狀 52
3.13 總結 52
第4章 深度估計與分割 53
4.1 創建模組 53
4.2 捕獲深度攝像頭的幀 54
4.3 從視差圖得到掩模 56
4.4 對複製操作執行掩模 57
4.5 使用普通攝像頭進行深度估計 59
4.6 使用分水嶺和GrabCut演算法進行物體分割 63
4.6.1 用GrabCut進行前景檢測的例子 64
4.6.2 使用分水嶺演算法進行圖像分割 66
4.7 總結 69
第5章 人臉檢測和識別 70
5.1 Haar級聯的概念 70
5.2 獲取Haar級聯資料 71
5.3 使用OpenCV進行人臉檢測 72
5.3.1 靜態圖像中的人臉檢測 72
5.3.2 視頻中的人臉檢測 74
5.3.3 人臉識別 76
5.4 總結 82
第6章 圖像檢索以及基於圖像描述符的搜索 83
6.1 特徵檢測演算法 83
6.1.1 特徵定義 84
6.1.2 使用DoG和SIFT進行特徵提取與描述 86
6.1.3 使用快速Hessian演算法和SURF來提取和檢測特徵 89
6.1.4 基於ORB的特徵檢測和特徵匹配 91
6.1.5 ORB特徵匹配 93
6.1.6 K-最近鄰匹配 95
6.1.7 FLANN匹配 96
6.1.8 FLANN的單應性匹配 99
6.1.9 基於文身取證的應用程式示例 102
6.2 總結 105
第7章 目標檢測與識別 106
7.1 目標檢測與識別技術 106
7.1.1 HOG描述符 107
7.1.2 檢測人 112
7.1.3 創建和訓練目標檢測器 113
7.2 汽車檢測 116
7.2.1 代碼的功能 118
7.2.2 SVM和滑動窗口 122
7.3 總結 134
第8章 目標跟蹤 135
8.1 檢測移動的目標 135
8.2 背景分割器：KNN、MOG2和GMG 138
8.2.1 均值漂移和CAMShift 142
8.2.2 彩色長條圖 144
8.2.3 返回代碼 146
8.3 CAMShift 147
8.4 卡爾曼濾波器 149
8.4.1 預測和更新 149
8.4.2 範例 150
8.4.3 一個基於行人跟蹤的例子 153
8.4.4 Pedestrian類 154
8.4.5 主程序 157
8.5 總結 159
第9章 基於OpenCV的神經網路簡介 160
9.1 人工神經網路 160
9.2 人工神經網路的結構 161
9.2.1 網路層級示例 162
9.2.2 學習演算法 163
9.3 OpenCV中的ANN 164
9.3.1 基於ANN的動物分類 166
9.3.2 訓練週期 169
9.4 用人工神經網路進行手寫數位識別 170
9.4.1 MNIST—手寫數位資料庫 170
9.4.2 定制訓練數據 170
9.4.3 初始參數 171
9.4.4 反覆運算次數 171
9.4.5 其他參數 171
9.4.6 迷你庫 172
9.4.7 主文件 175
9.5 可能的改進和潛在的應用 180
9.5.1 改進 180
9.5.2 應用 181
9.6 總結 181
|
| 序： |
