失效链接处理 |
学习OpenCV 3 中文版 PDF 下载
本站整理下载:
版权归出版社和原作者所有,链接已删除,请购买正版
用户下载说明:
电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍:
http://product.dangdang.com/671892708.html
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: 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 |