學(xué)習(xí)OpenCV 4：基于Python的算法實戰(zhàn)

定　價：￥109.00

作　者：	肖鈴著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121424397	出版時間：	2022-01-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書使用Python語言，以O(shè)penCV源碼結(jié)構(gòu)中的模塊為章節(jié)，系統(tǒng)地介紹了OpenCV在圖像處理和計算機視覺領(lǐng)域的應(yīng)用。本書第1章主要介紹OpenCV的源碼，以及開發(fā)環(huán)境的搭建和使用源碼方式的編譯技巧；第2～14章主要介紹OpenCV的各個模塊，包括模塊導(dǎo)讀，以及模塊中重點算法使用案例的講解，并在章節(jié)的最后提供了相應(yīng)的進階知識。本書以O(shè)penCV源碼結(jié)構(gòu)的方式講解，一方面可以讓讀者深入了解OpenCV軟件及相應(yīng)的源碼，另一方面可以加深讀者對軟件的透徹理解。初學(xué)者可以參考本書前6章系統(tǒng)地學(xué)習(xí)圖像處理應(yīng)用，特別是第4章和第5章，因為經(jīng)典的圖像處理算法基本上都封裝在imgproc模塊中；對于其他特殊需求，可以參考對應(yīng)章節(jié)，如與特征點相關(guān)的知識可以參考第10章，與機器學(xué)習(xí)和深度學(xué)習(xí)相關(guān)的知識可以分別參考第13章和第14章。本書不僅適合圖像處理和計算機視覺領(lǐng)域的讀者閱讀，還適合高校師生、專業(yè)技術(shù)人員、圖像處理愛好者、深度學(xué)習(xí)計算機視覺領(lǐng)域愛好者參考使用。

作者簡介

　　肖鈴，碩士，現(xiàn)任職于南方海洋科學(xué)與工程廣東省實驗室。2016年畢業(yè)于中國科學(xué)技術(shù)大學(xué)與中國科學(xué)院合肥物質(zhì)科學(xué)研究院安徽光機所大氣光學(xué)研究中心，曾就職于中興通訊股份有限公司和珠海金山辦公軟件有限公司，長期從事圖像處理、深度學(xué)習(xí)計算機視覺算法，以及基于TensorFlow Lite的AI模型部署研究。

圖書目錄

第1章 OpenCV快速入門
1.1 OpenCV介紹
1.1.1 OpenCV概述
1.1.2 OpenCV的代碼結(jié)構(gòu)
1.1.3 OpenCV 4的新特性
1.2 OpenCV開發(fā)環(huán)境搭建
1.2.1 案例1：Windows動態(tài)庫開發(fā)環(huán)境搭建
1.2.2 案例2：Linux動態(tài)庫開發(fā)環(huán)境搭建
1.2.3 案例3：Python語言開發(fā)環(huán)境搭建
1.3 OpenCV模塊介紹
1.3.1 常用模塊
1.3.2 擴展模塊
1.4 OpenCV源碼編譯
1.4.1 案例4：OpenCV編譯
1.4.2 案例5：OpenCV裁剪編譯
1.4.3 案例6：擴展模塊opencv-contrib編譯
1.5 進階必備：OpenCV入門參考
1.5.1 OpenCV版本選擇
1.5.2 如何學(xué)習(xí)OpenCV
第2章圖像讀/寫模塊imgcodecs
2.1 模塊導(dǎo)讀
2.2 圖像讀/寫操作
2.2.1 案例7：圖像讀取
2.2.2 案例8：圖像保存
2.3 圖像編/解碼
2.3.1 案例9：圖像編碼應(yīng)用
2.3.2 案例10：圖像解碼應(yīng)用
2.4 進階必備：聊聊圖像格式
第3章核心庫模塊core
3.1 模塊導(dǎo)讀
3.2 基本數(shù)據(jù)結(jié)構(gòu)
3.2.1 案例11：Mat數(shù)據(jù)結(jié)構(gòu)介紹及C++調(diào)用
3.2.2 案例12：Python中的Mat對象操作
3.2.3 案例13：Point結(jié)構(gòu)
3.2.4 案例14：Rect結(jié)構(gòu)
3.2.5 案例15：Size結(jié)構(gòu)
3.3 矩陣運算
3.3.1 案例16：四則運算
3.3.2 案例17：位運算
3.3.3 案例18：代數(shù)運算
3.3.4 案例19：比較運算
3.3.5 案例20：特征值與特征向量
3.3.6 案例21：生成隨機數(shù)矩陣
3.4 矩陣變換
3.4.1 案例22：矩陣轉(zhuǎn)向量
3.4.2 案例23：通道分離與通道合并
3.4.3 案例24：圖像旋轉(zhuǎn)
3.4.4 案例25：圖像拼接
3.4.5 案例26：圖像邊界拓展
3.4.6 案例27：傅里葉變換
3.5 進階必備：聊聊圖像像素遍歷與應(yīng)用
3.5.1 案例28：圖像像素遍歷
3.5.2 案例29：提取拍照手寫簽名
第4章圖像處理模塊imgproc（一）
4.1 模塊導(dǎo)讀
4.2 案例30：顏色空間變換
4.3 案例31：圖像尺寸變換
4.4 基本繪制
4.4.1 案例32：繪制標記
4.4.2 案例33：繪制直線
4.4.3 案例34：繪制矩形
4.4.4 案例35：繪制圓
4.4.5 案例36：繪制橢圓
4.4.6 案例37：繪制文字
4.5 形態(tài)學(xué)運算
4.5.1 案例38：腐蝕
4.5.2 案例39：膨脹
4.5.3 案例40：其他形態(tài)學(xué)運算
4.6 圖像濾波
4.6.1 案例41：方框濾波
4.6.2 案例42：均值濾波
4.6.3 案例43：高斯濾波
4.6.4 案例44：雙邊濾波
4.6.5 案例45：中值濾波
4.7 邊緣檢測
4.7.1 案例46：Sobel邊緣檢測
4.7.2 案例47：Scharr邊緣檢測
4.7.3 案例48：Laplacian邊緣檢測
4.7.4 案例49：Canny邊緣檢測
4.8 進階必備：聊聊顏色模型
第5章圖像處理模塊imgproc（二）
5.1 霍夫變換
5.1.1 案例50：霍夫線變換
5.1.2 案例51：霍夫圓變換
5.2 案例52：仿射變換
5.3 案例53：透視變換
5.4 案例54：重映射
5.5 閾值化
5.5.1 案例55：基本閾值化
5.5.2 案例56：自適應(yīng)閾值化
5.6 圖像金字塔
5.6.1 案例57：高斯金字塔
5.6.2 案例58：拉普拉斯金字塔
5.7 直方圖
5.7.1 案例59：直方圖計算
5.7.2 案例60：直方圖均衡化
5.8 傳統(tǒng)圖像分割
5.8.1 案例61：分水嶺算法
5.8.2 案例62：GrabCut算法
5.8.3 案例63：漫水填充算法
5.9 角點檢測
5.9.1 案例64：Harris角點檢測&
5.9.2 案例65：Shi-Tomasi角點檢測
5.9.3 案例66：亞像素角點檢測
5.10 圖像輪廓
5.10.1 案例67：輪廓查找
5.10.2 案例68：輪廓繪制
5.11 輪廓包裹
5.11.1 案例69：矩形邊框
5.11.2 案例70：最小外接矩形
5.11.3 案例71：最小外接圓
5.12 案例72：多邊形填充
5.13 圖像擬合
5.13.1 案例73：直線擬合
5.13.2 案例74：橢圓擬合
5.13.3 案例75：多邊形擬合
5.14 案例76：凸包檢測
5.15 進階必備：圖像處理算法概述

第6章可視化模塊highgui
6.1 模塊導(dǎo)讀
6.2 圖像窗口
6.2.1 案例77：創(chuàng)建與銷毀窗口
6.2.2 案例78：圖像窗口操作
6.3 圖像操作
6.3.1 案例79：圖像顯示
6.3.2 案例80：選取感興趣區(qū)域
6.4 案例81：鍵盤操作
6.5 案例82：鼠標操作
6.7 進階必備：在Qt中使用OpenCV
第7章視頻處理模塊videoio
7.1 模塊導(dǎo)讀
7.2 視頻讀取
7.2.1 案例84：從文件讀取視頻
7.2.2 案例85：從設(shè)備讀取視頻
7.3 視頻保存
7.3.1 案例86：從圖片文件創(chuàng)建視頻
7.3.2 案例87：保存相機采集的視頻
7.4 進階必備：視頻編/解碼工具FFMPEG
第8章視頻分析模塊video
8.1 運動分析
8.1.1 模塊導(dǎo)讀
8.1.2 案例88：基于MOG2與KNN算法的運動分析
8.2 目標跟蹤
8.2.1 模塊導(dǎo)讀
8.2.2 案例89：基于CamShift算法的目標跟蹤
8.2.3 案例90：基于meanShift算法的目標跟蹤

8.2.4 案例91：稀疏光流法運動目標跟蹤
8.2.5 案例92：稠密光流法運動目標跟蹤
8.3 進階必備：深度學(xué)習(xí)光流算法
第9章照片處理模塊photo
9.1 模塊導(dǎo)讀
9.2 案例93：基于OpenCV的無縫克隆
9.3 案例94：基于OpenCV的圖像對比度保留脫色
9.4 案例95：基于OpenCV的圖像修復(fù)
9.5 案例96：基于OpenCV的HDR成像
9.6 圖像非真實感渲染
9.6.1 案例97：邊緣保留濾波
9.6.2 案例98：圖像細節(jié)增強
9.6.3 案例99：鉛筆素描
9.6.4 案例100：風(fēng)格化圖像
9.7 進階必備：照片處理算法概述
第10章 2D特征模塊features2d
10.1 模塊導(dǎo)讀
10.2 特征點檢測
10.2.1 案例101：SIFT特征點檢測
10.2.2 案例102：SURF特征點檢測
10.2.3 案例103：BRISK特征點檢測
10.2.4 案例104：ORB特征點檢測
10.2.5 案例105：KAZE特征點檢測
10.2.6 案例106：AKAZE特征點檢測
10.2.7 案例107：AGAST特征點檢測
10.2.8 案例108：FAST特征點檢測
10.3 特征點匹配
10.3.1 案例109：Brute-Force特征點匹配
10.3.2 案例110：FLANN特征點匹配
10.4 進階必備：特征點檢測算法概述

第11章相機標定與三維重建模塊calib3d
11.1 模塊導(dǎo)讀
11.2 單應(yīng)性變換
11.2.1 案例111：單應(yīng)性變換矩陣
11.2.2 案例112：單應(yīng)性應(yīng)用之圖像插入
11.3 相機標定
11.3.1 案例113：棋盤角點檢測并繪制
11.3.2 案例114：消除圖像失真
11.4 進階必備：聊聊鏡頭失真
第12章傳統(tǒng)目標檢測模塊objdetect
12.1 模塊導(dǎo)讀
12.2 級聯(lián)分類器的應(yīng)用
12.2.1 案例115：人臉檢測
12.2.2 案例116：人眼檢測
12.3 案例117：HOG描述符行人檢測
12.4 二維碼應(yīng)用
12.4.1 案例118：二維碼檢測
12.4.2 案例119：二維碼解碼
12.5 進階必備：聊聊條形碼與二維碼
第13章機器學(xué)習(xí)模塊ml 392
13.1 模塊導(dǎo)讀
13.2 案例120：基于OpenCV的Logistic回歸
13.3 案例121：基于OpenCV的支持向量機
13.4 案例122：基于OpenCV的主成分分析
13.5 進階必備：機器學(xué)習(xí)算法概述
第14章深度學(xué)習(xí)模塊dnn
14.1 模塊導(dǎo)讀
14.2 風(fēng)格遷移
14.2.1 深度學(xué)習(xí)風(fēng)格遷移
14.2.2 案例123：OpenCV實現(xiàn)風(fēng)格遷移推理
14.3 圖像分類
14.3.1 深度學(xué)習(xí)圖像分類
14.3.2 案例124：基于TensorFlow訓(xùn)練Fashion-MNIST算法模型
14.3.3 案例125：OpenCV實現(xiàn)圖像分類
推理
14.4 目標檢測
14.4.1 深度學(xué)習(xí)目標檢測
14.4.2 案例126：OpenCV實現(xiàn)目標檢測推理
14.5 圖像超分
14.5.1 深度學(xué)習(xí)圖像超分算法
14.5.2 案例127：OpenCV實現(xiàn)圖像超分推理
14.6.1 計算機視覺的發(fā)展
14.6.2 OpenCV在計算機視覺中的應(yīng)用