書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊

學(xué)習(xí)OPENCV 3(中文版)

出版社：清華大學(xué)出版社出版時間：2018-07-01
開本： 16開 頁數(shù)： 837
中 圖 價:¥101.3(6.8折) 定價  ¥149.0 登錄后可看到會員價
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

學(xué)習(xí)OPENCV 3(中文版) 版權(quán)信息

學(xué)習(xí)OPENCV 3(中文版) 本書特色

計算機(jī)視覺是在圖像處理的基礎(chǔ)上發(fā)展起來的新興學(xué)科。OpenCV是一個開源的計算機(jī)視覺庫，是英特爾公司資助的兩大圖像處理利器之一。它為圖像處理、模式識別、三維重建、物體跟蹤、機(jī)器學(xué)習(xí)和線性代數(shù)提供了各種各樣的算法。 《學(xué)習(xí)OpenCV 3(中文版)》由OpenCV發(fā)起人所寫，站在一線開發(fā)人員的角度用通俗易懂的語言解釋了OpenCV的緣起和計算機(jī)視覺基礎(chǔ)結(jié)構(gòu)，演示了如何用OpenCV和現(xiàn)有的自由代碼為各種各樣的機(jī)器進(jìn)行編程，這些都有助于讀者迅速入門并漸入佳境，興趣盎然地深入探索計算機(jī)視覺領(lǐng)域。 《學(xué)習(xí)OpenCV 3(中文版)》可作為信息處理、計算機(jī)、機(jī)器人、人工智能、遙感圖像處理、認(rèn)知神經(jīng)科學(xué)等有關(guān)專業(yè)的高年級學(xué)生或研究生的教學(xué)用書，也可供相關(guān)領(lǐng)域的研究工作者參考。

學(xué)習(xí)OPENCV 3(中文版) 內(nèi)容簡介

計算機(jī)視覺是在圖像處理的基礎(chǔ)上發(fā)展起來的新興學(xué)科。OpenCV是一個開源的計算機(jī)視覺庫，是英特爾公司資助的兩大圖像處理利器之一。它為圖像處理、模式識別、三維重建、物體跟蹤、機(jī)器學(xué)習(xí)和線性代數(shù)提供了各種各樣的算法！秾W(xué)習(xí)OpenCV 3(中文版)》由OpenCV發(fā)起人所寫，站在一線開發(fā)人員的角度用通俗易懂的語言解釋了OpenCV的緣起和計算機(jī)視覺基礎(chǔ)結(jié)構(gòu)，演示了如何用OpenCV和現(xiàn)有的自由代碼為各種各樣的機(jī)器進(jìn)行編程，這些都有助于讀者迅速入門并漸入佳境，興趣盎然地深入探索計算機(jī)視覺領(lǐng)域！秾W(xué)習(xí)OpenCV 3(中文版)》可作為信息處理、計算機(jī)、機(jī)器人、人工智能、遙感圖像處理、認(rèn)知神經(jīng)科學(xué)等有關(guān)專業(yè)的高年級學(xué)生或研究生的教學(xué)用書，也可供相關(guān)領(lǐng)域的研究工作者參考。

學(xué)習(xí)OPENCV 3(中文版) 目錄

目錄 譯者序 xvii 前言 xxi 第1章 概述 1 什么是OpenCV 1 OpenCV怎么用 2 什么是計算機(jī)視覺 3 OpenCV的起源 6 OpenCV的結(jié)構(gòu) 7 使用IPP來加速OpenCV 8 誰擁有OpenCV 9 下載和安裝OpenCV 9 安裝 9 從Git獲取*新的OpenCV 12 更多的OpenCV文檔 13 提供的文檔 13 在線文檔和維基資源 13 OpenCV貢獻(xiàn)庫 15 下載和編譯Contributed模塊 16 可移植性 16 小結(jié) 17 練習(xí) 17 第2章 OpenCV初探 19 頭文件 19 資源 20 **個程序：顯示圖片 21 第二個程序：視頻 23 跳轉(zhuǎn) 24 簡單的變換 28 不那么簡單的變換 30 從攝像頭中讀取 32 寫入AVI文件 33 小結(jié) 34 練習(xí) 35 第3章 了解OpenCV的數(shù)據(jù)類型 37 基礎(chǔ)知識 37 OpenCV的數(shù)據(jù)類型 37 基礎(chǔ)類型概述 38 深入了解基礎(chǔ)類型 39 輔助對象 46 工具函數(shù) 53 模板結(jié)構(gòu) 60 小結(jié) 61 練習(xí) 61 第4章 圖像和大型數(shù)組類型 63 動態(tài)可變的存儲 63 cv::Mat類N維稠密數(shù)組 64 創(chuàng)建一個數(shù)組 65 獨(dú)立獲取數(shù)組元素 69 數(shù)組迭代器NAryMatIterator 72 通過塊訪問數(shù)組元素 74 矩陣表達(dá)式：代數(shù)和cv::Mat 75 飽和轉(zhuǎn)換 77 數(shù)組還可以做很多事情 78 稀疏數(shù)據(jù)類cv::SparesMat 79 訪問稀疏數(shù)組中的元素 79 稀疏數(shù)組中的特有函數(shù) 82 為大型數(shù)組準(zhǔn)備的模板結(jié)構(gòu) 83 小結(jié) 85 練習(xí) 86 第5章 矩陣操作 87 矩陣還可以做更多事情 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 小結(jié) 137 練習(xí) 137 第6章 繪圖和注釋 139 繪圖 139 藝術(shù)線條和填充多邊形 140 字體和文字 146 小結(jié) 148 練習(xí) 148 第7章 OpenCV中的函數(shù)子 151 操作對象 151 主成分分析（cv::PCA） 151 奇異值分解cv::SVD 154 隨機(jī)數(shù)發(fā)生器cv::RNG 157 小結(jié) 160 練習(xí) 160 第8章 圖像、視頻與數(shù)據(jù)文件 163 HighGUI模塊：一個可移植的圖形工具包 163 圖像文件的處理 164 圖像的載入與保存 165 關(guān)于codecs的一些注釋 167 圖片的編碼與解碼 168 視頻的處理 169 使用cv::VideoCapture對象讀取視頻流 169 使用cv::VideoWriter對象寫入視頻 175 數(shù)據(jù)存儲 176 cv::FileStorage的寫入 177 使用cv::FileStorage讀取文件 179 cv::FileNode 180 小結(jié) 183 練習(xí) 183 第9章 跨平臺和Windows系統(tǒng) 187 基于Windows開發(fā) 187 HighGUI原生圖形用戶接口 188 通過Qt后端工作 199 綜合OpenCV和全功能GUI工具包 209 小結(jié) 222 練習(xí) 222 第10章 濾波與卷積 225 概覽 225 預(yù)備知識 225 濾波、核和卷積 225 邊界外推和邊界處理 227 閾值化操作 230 Otsu算法 233 自適應(yīng)閾值 233 平滑 235 簡單模糊和方框型濾波器 236 中值濾波器 238 高斯濾波器 239 雙邊濾波器 240 導(dǎo)數(shù)和梯度 242 索貝爾導(dǎo)數(shù) 242 Scharr濾波器 244 拉普拉斯變換 245 圖像形態(tài)學(xué) 246 膨脹和腐蝕 247 通用形態(tài)學(xué)函數(shù) 250 開操作和閉操作 251 形態(tài)學(xué)梯度 254 頂帽和黑帽 256 自定義核 258 用任意線性濾波器做卷積 259 用cv::filter2D()進(jìn)行卷積 259 通過cv::sepFilter2D使用可分核 260 生成卷積核 260 小結(jié) 262 練習(xí) 262 第11章 常見的圖像變換 267 概覽 267 拉伸、收縮、扭曲和旋轉(zhuǎn) 267 均勻調(diào)整 268 圖像金字塔 269 不均勻映射 273 仿射變換 274 透視變換 279 通用變換 282 極坐標(biāo)映射 282 LogPolar 283 任意映射 287 圖像修復(fù) 287 圖像修復(fù) 288 去噪 289 直方圖均衡化 292 cv::equalizeHist()用于對比均衡 294 小結(jié) 295 練習(xí) 295 第12章 圖像分析 297 概覽 297 離散傅里葉變換 297 cv::dft()離散傅里葉變換 298 cv::idft()用于離散傅里葉逆變換 300 cv::mulSpectrums()頻譜乘法 300 使用傅里葉變換進(jìn)行卷積 301 cv::dct()離散余弦變換 303 cv::idct()離散余弦逆變換 304 積分圖 304 cv::integral()標(biāo)準(zhǔn)求和積分 306 cv::integral()平方求和積分 306 cv::integral()傾斜求和積分 307 Canny邊緣檢測 307 cv::Canny() 309 Hough變換 309 Hough線變換 309 Hough圓變換 313 距離變換 316 cv::distanceTransform()無標(biāo)記距離變換 317 cv::distanceTransform()有標(biāo)記距離變換 317 分割 318 漫水填充 318 分水嶺算法 322 Grabcuts算法 323 Mean-Shift分割算法 325 小結(jié) 326 練習(xí) 326 第13章 直方圖和模板 329 OpenCV中直方圖的表示 331 cv::calcHist()：從數(shù)據(jù)創(chuàng)建直方圖 332 基本直方圖操作 334 直方圖歸一化 334 直方圖二值化 335 找出*顯著的區(qū)間 335 比較兩個直方圖 337 直方圖用法示例 339 一些復(fù)雜的直方圖方法 342 EMD距離 342 反向投影 347 模板匹配 350 方差匹配方法（cv::TM_SQDIFF） 351 歸一化方差匹配方法（cv::TM_SQDIFF_NORMED） 352 相關(guān)性匹配方法（cv::TM_CCORR） 352 歸一化的互相關(guān)匹配方法（cv::TM_CCORR_NORMED） 352 相關(guān)系數(shù)匹配方法（cv::TM_CCOEFF） 352 歸一化的相關(guān)系數(shù)匹配方法（cv::TM_CCOEFF_NORMED） 352 小結(jié) 355 練習(xí) 355 第14章 輪廓 359 輪廓查找 359 輪廓層次 360 繪制輪廓 364 輪廓實(shí)例 365 另一個輪廓實(shí)例 366 快速連通區(qū)域分析 368 深入分析輪廓 370 多邊形逼近 370 幾何及特性概括 372 幾何學(xué)測試 377 匹配輪廓與圖像 378 矩 378 再論矩 380 使用Hu矩進(jìn)行匹配 383 利用形狀場景方法比較輪廓 384 小結(jié) 388 練習(xí) 389 第15章 背景提取 391 背景提取概述 391 背景提取的缺點(diǎn) 392 場景建模 392 像素 393 幀間差分 396 平均背景法 397 累計均值，方差和協(xié)方差 403 更復(fù)雜的背景提取方法 410 結(jié)構(gòu) 413 進(jìn)行背景學(xué)習(xí) 414 存在移動的前景物體時進(jìn)行背景學(xué)習(xí) 417 背景差分：檢測前景物體 418 使用碼書法的背景模型 419 關(guān)于碼書法的其他想法 419 使用連通分量進(jìn)行前景清理 420 小測試 423 兩種背景方法的對比 425 OpenCV中的背景提取方法的封裝 425 cv::BackgroundSubstractor基類 426 KB方法 427 Zivkovic方法 428 小結(jié) 431 練習(xí) 431 第16章 關(guān)鍵點(diǎn)和描述子 433 關(guān)鍵點(diǎn)和跟蹤基礎(chǔ) 433 角點(diǎn)檢測 434 光流簡介 437 Lucas-Kanade稀疏光流法 438 廣義關(guān)鍵點(diǎn)和描述符 448 光流，跟蹤和識別 450 OpenCV一般如何處理關(guān)鍵點(diǎn)和描述符 451 核心關(guān)鍵點(diǎn)檢測方法 461 關(guān)鍵點(diǎn)過濾 497 匹配方法 499 結(jié)果顯示 505 小結(jié) 508 練習(xí) 508 第17章 跟蹤 511 跟蹤中的概念 511 稠密光流 512 Farneback多項式擴(kuò)展算法 513 Dual TV-L1模型 515 簡單光流算法 519 Mean-Shift算法和Camshift 追蹤 522 Mean-Shift算法 522 Camshift 526 運(yùn)動模板 526 估計 533 卡爾曼濾波器 534 擴(kuò)展卡爾曼濾波器簡述 549 小結(jié) 551 練習(xí) 551 第18章 相機(jī)模型與標(biāo)定 553 相機(jī)模型 554 射影幾何基礎(chǔ) 556 Rodrigues變換 558 透鏡畸變 559 標(biāo)定 562 旋轉(zhuǎn)矩陣和平移向量 563 標(biāo)定板 566 單應(yīng)性 572 相機(jī)標(biāo)定 576 矯正 587 矯正映射 587 使用cv::convertMaps()在不同表示方式之間轉(zhuǎn)換矯正映射 588 使用cv::initUndistortRectifyMap()計算矯正映射 589 使用cv::remap()矯正圖像 591 使用cv::undistort()進(jìn)行矯正 591 使用cv::undistortPoints()進(jìn)行稀疏矯正 591 與標(biāo)定結(jié)合 592 小結(jié) 595 練習(xí) 596 第19章 投影與三維視覺 599 投影 600 仿射變換與透視變換 601 鳥瞰圖變換實(shí)例 602 三維姿態(tài)估計 606 單攝像機(jī)姿態(tài)估計 607 立體成像 609 三角測量 610 對極幾何 613 本征矩陣和基本矩陣 615 計算極線 624 立體校正 624 立體校正 628 立體匹配 638 立體校正、標(biāo)定和對應(yīng)的示例代碼 650 來自三維重投影的深度映射 657 來自運(yùn)動的結(jié)構(gòu) 659 二維與三維直線擬合 659 小結(jié) 662 練習(xí) 662 第20章 機(jī)器學(xué)習(xí)基礎(chǔ) 665 什么是機(jī)器學(xué)習(xí) 665 訓(xùn)練集和測試集 666 有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí) 667 生成式模型和判別式模型 669 OpenCV機(jī)器學(xué)習(xí)算法 669 機(jī)器學(xué)習(xí)在視覺中的應(yīng)用 671 變量的重要性 673 診斷機(jī)器學(xué)習(xí)中的問題 674 ML庫中遺留的機(jī)器學(xué)習(xí)算法 678 K均值 679 馬氏距離 684 小結(jié) 687 練習(xí) 687 第21章 StatModel：OpenCV中的基準(zhǔn)學(xué)習(xí)模型 689 ML庫中的常見例程 689 訓(xùn)練方法和cv::ml::TrainData的結(jié)構(gòu) 691 預(yù)測 697 使用cv::StatModel的機(jī)器學(xué)習(xí)算法 698 樸素貝葉斯分類器 699 二叉決策樹 703 Boosting方法 716 隨機(jī)森林 721 期望*大化算法 725 K近鄰算法 729 多層感知機(jī) 731 支持向量機(jī) 739 小結(jié) 749 練習(xí) 750 第22章 目標(biāo)檢測 753 基于樹的目標(biāo)檢測技術(shù) 753 級聯(lián)分類器 754 有監(jiān)督學(xué)習(xí)和boosting理論 756 學(xué)習(xí)新目標(biāo) 764 使用支持向量機(jī)的目標(biāo)識別 772 Latent SVM用于目標(biāo)識別 772 Bag of Words算法與語義分類 775 小結(jié) 780 練習(xí) 780 第23章 OpenCV的未來 783 過去與未來 783 OpenCV 3.x 784 我們上一次預(yù)測怎么樣？ 784 未來應(yīng)用 785 目前GSoC的進(jìn)展 787 社區(qū)貢獻(xiàn) 788 OpenCV.org 789 一些關(guān)于AI的猜測 790 結(jié)語 793 附錄A 平面劃分 795 附錄B opencv_contrib模塊概述 809 附錄C 標(biāo)定圖案 813 參考文獻(xiàn) 819
展開全部

學(xué)習(xí)OPENCV 3(中文版) 作者簡介

作者簡介
安德里安•凱勒（Adrian Kaehler）博士，企業(yè)家，硅谷深度學(xué)習(xí)小組創(chuàng)始人。他的工作重心包括機(jī)器學(xué)習(xí)、統(tǒng)計建模、計算機(jī)視覺和機(jī)器人。他就職于斯坦福大學(xué)人工智能實(shí)驗室，他還是該校斯坦利團(tuán)隊的成員，該團(tuán)隊在美國國家航空與航天局（NASA）主辦的機(jī)器人挑戰(zhàn)賽中勝出，贏得了200萬美元的大獎。

加里•布拉德斯基（Gary Bradski）博士是Arraiy.ai的首席架構(gòu)師（CTO），他曾經(jīng)就職于好幾個創(chuàng)業(yè)公司，擔(dān)任過斯坦福大學(xué)計算機(jī)系人工智能實(shí)驗室的顧問教授。他是OpenCV庫的創(chuàng)始人，是一名享有廣泛聲譽(yù)的演講人、開源社區(qū)的積極參與者。


譯者團(tuán)隊介紹作者簡介 安德里安•凱勒（Adrian Kaehler）博士，企業(yè)家，硅谷深度學(xué)習(xí)小組創(chuàng)始人。他的工作重心包括機(jī)器學(xué)習(xí)、統(tǒng)計建模、計算機(jī)視覺和機(jī)器人。他就職于斯坦福大學(xué)人工智能實(shí)驗室，他還是該校斯坦利團(tuán)隊的成員，該團(tuán)隊在美國國家航空與航天局（NASA）主辦的機(jī)器人挑戰(zhàn)賽中勝出，贏得了200萬美元的大獎。 加里•布拉德斯基（Gary Bradski）博士是Arraiy.ai的首席架構(gòu)師（CTO），他曾經(jīng)就職于好幾個創(chuàng)業(yè)公司，擔(dān)任過斯坦福大學(xué)計算機(jī)系人工智能實(shí)驗室的顧問教授。他是OpenCV庫的創(chuàng)始人，是一名享有廣泛聲譽(yù)的演講人、開源社區(qū)的積極參與者。 譯者團(tuán)隊介紹 阿丘科技 阿丘科技是一家以機(jī)器學(xué)習(xí)、3D 視覺和機(jī)器人技術(shù)為核心的高科技企業(yè)，擁有業(yè)內(nèi)領(lǐng)先的機(jī)器人3D 視覺技術(shù)、機(jī)器學(xué)習(xí)算法及標(biāo)準(zhǔn)行業(yè)解決方案。 人工智能，已經(jīng)成為全球技術(shù)發(fā)展、應(yīng)用拓展的前沿領(lǐng)域，也是引領(lǐng)未來的一枚關(guān)鍵的棋子。計算機(jī)視覺作為人工智能的關(guān)鍵應(yīng)用點(diǎn)之一，近年來興起的創(chuàng)業(yè)公司主要集中在人臉識別、無人駕駛、增強(qiáng)現(xiàn)實(shí)等領(lǐng)域。而阿丘科技獨(dú)辟蹊徑，將人工智能技術(shù)與機(jī)器人結(jié)合，將其應(yīng)用于工業(yè)自動化領(lǐng)域，并在短短一年內(nèi)在多個場景下落地，取得了出色的成果。 相較于傳統(tǒng)的機(jī)器視覺，阿丘科技將深度學(xué)習(xí)用于工業(yè)視覺檢測，在缺陷檢測分類等場景下具有突出優(yōu)勢。而三維計算機(jī)視覺與機(jī)器人的結(jié)合，更是極大地擴(kuò)展了工業(yè)機(jī)器人的應(yīng)用場景。憑借國際頂尖的技術(shù)人才，領(lǐng)先的計算機(jī)視覺、機(jī)器人技術(shù)，阿丘科技走在了智能工業(yè)視覺技術(shù)的前列。隨著人工智能和智能制造行業(yè)的興起，我司將助力中國工業(yè)自動化以及智能化的發(fā)展。 盡管由于某些原因，OpenCV并沒有在正式版本中提供自身完備的深度學(xué)習(xí)工具（我們很高興這一點(diǎn)在3.3 版本中有了巨大改善），但是OpenCV作為從事機(jī)器視覺應(yīng)用技術(shù)開發(fā)的必備工具，同樣，也是阿丘科技技術(shù)開發(fā)的基礎(chǔ)工具之一，有著不可替代的作用。在很多固定場景下，基于OpenCV等視覺工具的開發(fā)的算法依然具有極大的應(yīng)用潛力。尤其是對于初學(xué)者而言，我們還是非常推薦使用OpenCV完成一些視覺項目，而不是直接用深度學(xué)習(xí)構(gòu)建空中樓閣。我司能夠在一年內(nèi)推出經(jīng)受復(fù)雜應(yīng)用場景檢驗、市場普遍認(rèn)可的產(chǎn)品，有一大份功勞，也歸屬于OpenCV對項目完成和開發(fā)研究的推動。高效、精準(zhǔn)、便捷等諸多特質(zhì)，使得OpenCV在學(xué)術(shù)研究和商業(yè)應(yīng)用中占據(jù)了重要地位。 阿丘科技致力于構(gòu)建領(lǐng)先的智能機(jī)器人視覺平臺，以視覺為切入點(diǎn)，將 AI 與機(jī)器人結(jié)合。創(chuàng)始團(tuán)隊源自清華大學(xué)計算機(jī)系人工智能實(shí)驗室，聚集了來自清華、CMU 等全球高等院校的頂尖人才，以及工業(yè)機(jī)器人和自動化資深行業(yè)從業(yè)者。我們期待，能有更多熱愛視覺、工業(yè)自動化和機(jī)器人技術(shù)的朋友加入阿丘科技，共同去探索和擴(kuò)展機(jī)器人應(yīng)用的邊界！

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服