转载自：http://www.jb51.net/books/593427.html

 

本站整理下载：

相关截图：


资料简介：

计算机视觉是在图像处理的基础上发展起来的新兴学科。OpenCV是一个开源的计算机视觉库，是英特尔公司资助的两大图像处理利器之一。它为图像处理、模式识别、三维重建、物体跟踪、机器学习和线性代数提供了各种各样的算法。

《学习OpenCV 3(中文版)》由OpenCV发起人所写，站在一线开发人员的角度用通俗易懂的语言解释了OpenCV的缘起和计算机视觉基础结构，演示了如何用OpenCV和现有的自由代码为各种各样的机器进行编程，这些都有助于读者迅速入门并渐入佳境，兴趣盎然地深入探索计算机视觉领域。

《学习OpenCV 3(中文版)》可作为信息处理、计算机、机器人、人工智能、遥感图像处理、认知神经科学等有关专业的高年级学生或研究生的教学用书，也可供相关领域的研究工作者参考。

资料目录：
 

目录

译者序       xvii

前言         xxi

第1章概述     1

什么是OpenCV        1

OpenCV怎么用        2

什么是计算机视觉     3

OpenCV的起源        6

OpenCV的结构    7

使用IPP来加速OpenCV     8

谁拥有OpenCV    9

下载和安装OpenCV    9

安装             9

从Git获取最新的OpenCV      12

更多的OpenCV文档   13

提供的文档      13

在线文档和维基资源     13

OpenCV贡献库       15

下载和编译Contributed模块         16

可移植性           16

小结  17

练习  17

第2章 OpenCV初探            19

头文件    19

资源           20

第一个程序：显示图片       21

第二个程序：视频    23

跳转  24

简单的变换          28

不那么简单的变换    30

从摄像头中读取      32

写入AVI文件        33

小结  34

练习  35

第3章了解OpenCV的数据类型    37

基础知识           37

OpenCV的数据类型   37

基础类型概述    38

深入了解基础类型       39

辅助对象        46

工具函数        53

模板结构        60

小结  61

练习  61

第4章图像和大型数组类型      63

动态可变的存储      63

cv::Mat类N维稠密数组         64

创建一个数组    65

独立获取数组元素       69

数组迭代器NAryMatIterator         72

通过块访问数组元素     74

矩阵表达式：代数和cv::Mat         75

饱和转换        77

数组还可以做很多事情    78

稀疏数据类cv::SparesMat  79

访问稀疏数组中的元素    79

稀疏数组中的特有函数    82

为大型数组准备的模板结构         83

小结  85

练习  86

第5章矩阵操作  87

矩阵还可以做更多事情       87

cv::abs()        90

cv::add()        91

cv::addWeighted()        92

cv::bitwise_and()  94

cv::bitwise_not() 94

cv::bitwise_or()   94

cv::bitwise_xor()  95

cv::calcCovarMatrix()     95

cv::cartToPolar()  97

cv::checkRange()  97

cv::compare()    98

cv::completeSymm()      99

cv::convertScaleAbs()     99

cv::countNonZero()      100

cv::Mat cv::cvarrToMat() 100

cv::dct()        101

cv::dft()        102

cv::cvtColor()   103

cv::determinant()        106

cv::divide()     106

cv::eigen()      106

cv::exp()       107

cv::extractImageCOI()    107

cv::flip()       108

cv::gemm()     108

cv::getConvertElem()和cv::getConvertScaleElem()    109

cv::idct()       110

cv::inRange()    110

cv::insertImageCOI()      111

cv::invert()      111

cv::log()        112

cv::LUT()      112

cv::Mahalanobis()       113

cv::max()       114

cv::mean()      115

cv::meanStdDev()       116

cv::merge()     116

cv::min()       116

cv::minMaxIdx()       117

cv::minMaxLoc()        118

cv::mixChannels()       119

cv::mulSpectrums()      120

cv::multiply()   121

cv::mulTransposed()     121

cv::norm()      122

cv::normalize()  123

cv::perspectiveTransform()          125

cv::phase()      125

cv::polarToCart()        126

cv::pow()       126

cv::randu()      127

cv::randn()      127

cv::repeat()     129

cv::scaleAdd()   129

cv::setIdentity()  130

cv::solve()      130

cv::solveCubic()        131

cv::solvePoly()  132

cv::sort()       132

cv::sortIdx()     133

cv::split()       133

cv::sqrt()       134

cv::subtract()    135

cv::sum()       135

cv::trace()      135

cv::transform()   136

cv::transpose()   136

小结 137

练习 137

第6章绘图和注释             139

绘图 139

艺术线条和填充多边形   140

字体和文字     146

小结 148

练习 148

第7章 OpenCV中的函数子      151

操作对象          151

主成分分析（cv::PCA）  151

奇异值分解cv::SVD     154

随机数发生器cv::RNG   157

小结 160

练习 160

第8章图像、视频与数据文件   163

HighGUI模块：一个可移植的图形工具包 163

图像文件的处理     164

图像的载入与保存      165

关于codecs的一些注释   167

图片的编码与解码      168

视频的处理         169

使用cv::VideoCapture对象读取视频流    169

使用cv::VideoWriter对象写入视频   175

数据存储          176

cv::FileStorage的写入    177

使用cv::FileStorage读取文件        179

cv::FileNode    180

小结 183

练习 183

第9章跨平台和Windows系统    187

基于Windows开发   187

HighGUI原生图形用户接口         188

通过Qt后端工作        199

综合OpenCV和全功能GUI工具包    209

小结 222

练习 222

第10章滤波与卷积            225

概览 225

预备知识          225

滤波、核和卷积        225

边界外推和边界处理    227

阈值化操作         230

Otsu算法       233

自适应阈值     233

平滑 235

简单模糊和方框型滤波器          236

中值滤波器     238

高斯滤波器     239

双边滤波器     240

导数和梯度         242

索贝尔导数     242

Scharr滤波器    244

拉普拉斯变换   245

图像形态学         246

膨胀和腐蚀     247

通用形态学函数        250

开操作和闭操作        251

形态学梯度     254

顶帽和黑帽     256

自定义核       258

用任意线性滤波器做卷积    259

用cv::filter2D()进行卷积  259

通过cv::sepFilter2D使用可分核      260

生成卷积核     260

小结 262

练习 262

第11章常见的图像变换       267

概览 267

拉伸、收缩、扭曲和旋转    267

均匀调整       268

图像金字塔     269

不均匀映射     273

仿射变换       274

透视变换       279

通用变换          282

极坐标映射     282

LogPolar       283

任意映射       287

图像修复          287

图像修复       288

去噪          289

直方图均衡化       292

cv::equalizeHist()用于对比均衡      294

小结 295

练习 295

第12章图像分析   297

概览 297

离散傅里叶变换     297

cv::dft()离散傅里叶变换  298

cv::idft()用于离散傅里叶逆变换     300

cv::mulSpectrums()频谱乘法        300

使用傅里叶变换进行卷积          301

cv::dct()离散余弦变换   303

cv::idct()离散余弦逆变换           304

积分图   304

cv::integral()标准求和积分         306

cv::integral()平方求和积分         306

cv::integral()倾斜求和积分         307

Canny边缘检测     307

cv::Canny()     309

Hough变换         309

Hough线变换   309

Hough圆变换   313

距离变换          316

cv::distanceTransform()无标记距离变换   317

cv::distanceTransform()有标记距离变换   317

分割 318

漫水填充       318

分水岭算法     322

Grabcuts算法    323

Mean-Shift分割算法    325

小结 326

练习 326

第13章直方图和模板         329

OpenCV中直方图的表示     331

cv::calcHist()：从数据创建直方图   332

基本直方图操作     334

直方图归一化   334

直方图二值化   335

找出最显著的区间      335

比较两个直方图        337

直方图用法示例        339

一些复杂的直方图方法      342

EMD距离      342

反向投影       347

模板匹配          350

方差匹配方法（cv::TM_SQDIFF）   351

归一化方差匹配方法（cv::TM_SQDIFF_NORMED）        352

相关性匹配方法（cv::TM_CCORR） 352

归一化的互相关匹配方法（cv::TM_CCORR_NORMED）     352

相关系数匹配方法（cv::TM_CCOEFF）            352

归一化的相关系数匹配方法（cv::TM_CCOEFF_NORMED）  352

小结 355

练习 355

第14章轮廓   359

轮廓查找          359

轮廓层次       360

绘制轮廓       364

轮廓实例       365

另一个轮廓实例        366

快速连通区域分析      368

深入分析轮廓       370

多边形逼近     370

几何及特性概括        372

几何学测试     377

匹配轮廓与图像     378

矩   378

再论矩         380

使用Hu矩进行匹配      383

利用形状场景方法比较轮廓        384

小结 388

练习 389

第15章背景提取   391

背景提取概述       391

背景提取的缺点     392

场景建模          392

像素          393

帧间差分       396

平均背景法         397

累计均值，方差和协方差          403

更复杂的背景提取方法      410

结构          413

进行背景学习   414

存在移动的前景物体时进行背景学习 417

背景差分：检测前景物体          418

使用码书法的背景模型   419

关于码书法的其他想法   419

使用连通分量进行前景清理   420

小测试         423

两种背景方法的对比        425

OpenCV中的背景提取方法的封装       425

cv::BackgroundSubstractor基类      426

KB方法        427

Zivkovic方法    428

小结 431

练习 431

第16章关键点和描述子       433

关键点和跟踪基础   433

角点检测       434

光流简介       437

Lucas-Kanade稀疏光流法          438

广义关键点和描述符        448

光流，跟踪和识别      450

OpenCV一般如何处理关键点和描述符   451

核心关键点检测方法    461

关键点过滤     497

匹配方法       499

结果显示       505

小结 508

练习 508

第17章跟踪   511

跟踪中的概念       511

稠密光流          512

Farneback多项式扩展算法          513

Dual TV-L1模型  515

简单光流算法   519

Mean-Shift算法和Camshift 追踪         522

Mean-Shift算法  522

Camshift       526

运动模板          526

估计 533

卡尔曼滤波器   534

扩展卡尔曼滤波器简述   549

小结 551

练习 551

第18章相机模型与标定       553

相机模型          554

射影几何基础   556

Rodrigues变换   558

透镜畸变       559

标定 562

旋转矩阵和平移向量    563

标定板         566

单应性         572

相机标定       576

矫正 587

矫正映射       587

使用cv::convertMaps()在不同表示方式之间转换矫正映射     588

使用cv::initUndistortRectifyMap()计算矫正映射      589

使用cv::remap()矫正图像           591

使用cv::undistort()进行矫正        591

使用cv::undistortPoints()进行稀疏矫正   591

与标定结合         592

小结 595

练习 596

第19章投影与三维视觉       599

投影 600

仿射变换与透视变换        601

鸟瞰图变换实例        602

三维姿态估计       606

单摄像机姿态估计      607

立体成像          609

三角测量       610

对极几何       613

本征矩阵和基本矩阵    615

计算极线       624

立体校正       624

立体校正       628

立体匹配       638

立体校正、标定和对应的示例代码   650

来自三维重投影的深度映射        657

来自运动的结构     659

二维与三维直线拟合        659

小结 662

练习 662

第20章机器学习基础         665

什么是机器学习     665

训练集和测试集        666

有监督学习和无监督学习          667

生成式模型和判别式模型          669

OpenCV机器学习算法   669

机器学习在视觉中的应用          671

变量的重要性   673

诊断机器学习中的问题   674

ML库中遗留的机器学习算法  678

K均值         679

马氏距离       684

小结 687

练习 687

第21章 StatModel：OpenCV中的基准学习模型       689

ML库中的常见例程  689

训练方法和cv::ml::TrainData的结构  691

预测          697

使用cv::StatModel的机器学习算法       698

朴素贝叶斯分类器      699

二叉决策树     703

Boosting方法    716

随机森林       721

期望最大化算法        725

K近邻算法       729

多层感知机     731

支持向量机     739

小结 749

练习 750

第22章目标检测   753

基于树的目标检测技术      753

级联分类器     754

有监督学习和boosting理论         756

学习新目标     764

使用支持向量机的目标识别   772

Latent SVM用于目标识别          772

Bag of Words算法与语义分类       775

小结 780

练习 780

第23章 OpenCV的未来         783

过去与未来         783

OpenCV 3.x     784

我们上一次预测怎么样？    784

未来应用          785

目前GSoC的进展       787

社区贡献       788

OpenCV.org     789

一些关于AI的猜测   790

结语 793

附录A 平面划分     795

附录B opencv_contrib模块概述         809

附录C 标定图案     813

 

参考文献      819