簡體網頁||繁體網頁

☆☆☆☆☆

圖書標籤:

• OpenCV
• 計算機視覺
• Python
• 圖像處理
• 編程實例
• 書籍
• 技術
• 開發
• 算法
• 機器學習

店鋪： 一鍵團圖書專營店

齣版社： 機械工業齣版社

ISBN：9787111539759

版次：1

商品編碼：10444640800

OpenCV 3計算機視覺：Python語言實現（原書第2版

基本信息

• 原書名：Learning OpenCV 3 Computer Vision with Python，Second Edition

• 作者：   
• 譯者：   
• 叢書名：
• 齣版社：
• ISBN：9787111539759
• 上架時間：2016-6-14
• 齣版日期：2016 年6月
• 開本：16開
• 版次：1-1
• 所屬分類：  >  > 
  

內容簡介

本書分9章來介紹計算機視覺的重要概念，所有的概念都融入瞭一些很有趣的項目。本書首先詳細介紹瞭多個平颱下基於Python的OpenCV安裝，繼而介紹瞭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，人臉檢測與識彆，圖像的檢索，目標的檢測與識彆，目標跟蹤，神經網絡的手寫體識彆。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。 

OpenCV圖像處理編程實例 

 

 

作 譯 者：硃偉等

齣版時間：2016-04    韆 字 數：633

版    次：01-01    頁    數：396

開    本：16開

裝    幀：

I S B N ：9787121285738     

換    版：

所屬分類：科技 >> 計算機 >> 圖形圖像

紙質書定價：￥89.0

 

 

本書以OpenCV開源庫為基礎實現圖像處理領域的 很多通用算法，並結閤當今圖像處理領域前沿技術，對多個典型工程實例進行講解及實現。全書內容覆蓋麵廣，由基礎到進階，各個技術點均提供詳細的代碼實現，以幫助讀者快速上手和深入學習。

 

 

Part I  基礎篇  OpenCV開發基礎

第1章  初識OpenCV

1.1 OpenCV初識

1.1.1 OpenCV簡介

1.1.2 OpenCV組件及架構

1.1.3 OpenCV資源

1.2 VS2012安裝OpenCV2.4.x

1.3 VS2013安裝OpenCV3.0

1.4 Sublime下配置OpenCV

1.5 小結

第2章  圖像及視頻基本操作

2.1 圖像初級操作

2.1.1 Mat類

2.1.2 Mat基本操作

2.1.3 Mat類型轉換

2.1.4 圖像讀取顯示保存

2.1.5 圖像存儲

2.2 圖像幾何變換

2.2.1 坐標映射

2.2.2 平移

2.2.3 縮放

2.2.4 鏇轉

2.2.5 仿射變換

2.3 視頻操作

2.3.1 VideoCapture類

2.3.2 視頻寫操作

2.3.3 視頻質量評價

2.4 圖像基礎應用操作

2.4.1 界麵事件

2.4.2 區域提取

2.4.3 圖像元素遍曆——反色

2.4.4 單窗口顯示多幅圖像

2.4.5 圖像顔色空間轉換

2.4.6 圖像批量讀取——規則

2.4.7 圖像批量讀取——無規則

2.5 小結

Part II  進階篇  圖像處理技術

第3章  進階篇——圖像灰度變換技術

3.1 閾值化處理

3.1.1 OTSU閾值化

3.1.2 固定閾值化

3.1.3 自適應閾值化

3.1.4 雙閾值化

3.1.5 半閾值化

3.2 直方圖處理

3.2.1 灰度直方圖

3.2.2 H-S直方圖

3.2.3 BGR直方圖

3.2.4 自定義直方圖

3.2.5 灰度直方圖均衡

3.2.6 彩色直方圖均衡

3.2.7 直方圖變換——查找

3.2.8 直方圖變換——纍計

3.2.9 直方圖匹配

3.2.10 直方圖對比

3.2.11 直方圖的反嚮投影

3.3  距離變換

3.3.1 距離

3.3.2 鄰接性

3.3.3 區域

3.3.4 距離變換——掃描

3.3.5 距離變換——distanceTransform

3.4 Gamma校正

3.5 其他常見的灰度變換技術

3.5.1 綫性變換

3.5.2 對數變換

3.5.3 對比度拉伸

3.5.4 灰度級分層

3.5.5 灰度比特平麵

3.6 實例應用

3.6.1 大熵閾值分割

3.6.2 投影峰榖查找

3.7 小結

第4章  進階篇——圖像平滑技術

4.1 圖像采樣

4.1.1 近鄰插值

4.1.2 雙綫性插值

4.1.3 插值操作性能對比

4.1.4 圖像金字塔

4.2 傅裏葉變換

4.2.1 圖像掩碼操作

4.2.2 離散傅裏葉

4.2.3 圖像捲積

4.3 圖像噪聲

4.3.1 椒鹽噪聲

4.3.2 高斯噪聲

4.4 空間平滑

4.4.1 盒濾波

4.4.2 均值濾波

4.4.3 中值濾波

4.4.4 高斯濾波

4.4.5 雙邊濾波

4.5 實例應用

4.5.1 導嚮濾波

4.5.2 圖像汙點修復

4.5.3 鏇轉文本圖像矯正

4.6 小結

第5章  進階篇——邊緣檢測技術

5.1 邊緣檢測基礎

5.1.1 邊緣檢測概念

5.1.2 梯度算子

5.1.3 一階微分算子

5.1.4 二階微分算子

5.1.5 圖像差分運算

5.1.6 非極大值抑製

5.2 基本邊緣檢測算子——Sobel

5.2.1 非極大值抑製Sobel檢測

5.2.2 圖像直接捲積實現Sobel

5.2.3 圖像捲積下非極大值抑製Sobel

5.2.4 Sobel庫函數實現

5.3 基本邊緣檢測算子——Laplace

5.4 基本邊緣檢測算子——Roberts

5.5 基本邊緣檢測算子——Prewitt

5.6 改進邊緣檢測算子——Canny

5.6.1 Canny算子

5.6.2 Canny原理及實現

5.6.3 Canny庫函數實現

5.7 改進邊緣檢測算子——Marr-Hildreth

5.8 幾何檢測

5.8.1 霍夫變換

5.8.2 綫檢測技術

5.8.3 LSD快速直綫檢測

5.8.4 圓檢測技術

5.9 形狀檢測

5.9.1 輪廓檢測

5.9.2 凸包檢測

5.9.3 輪廓邊界框

5.9.4 輪廓矩

5.9.5 點多邊形測試

5.10 角點檢測

5.10.1 moravec角點

5.10.2 harris角點

5.10.3 Shi-Tomasi角點

5.11 實例應用

5.11.1 顔色圓檢測

5.11.2 車牌區域檢測

5.12 小結

第6章  進階篇——形態學技術

6.1 腐蝕膨脹操作

6.2 開閉運算操作

6.3 形態學梯度

6.4 形態學Top-Hat

6.5 實例應用

6.5.1 形態學濾波角點提取

6.5.2 車牌目標提取

6.6 小結

Part III  高級篇  圖像應用技術

第7章  高級篇——圖像分割技術

7.1 分水嶺分割

7.1.1 分水嶺的特徵

7.1.2 實現分水嶺分割

7.1.3 分水嶺分割閤並

7.2 FloodFill分割

7.3 均值漂移MeanShift

7.4 圖割Grabcut

7.5 實例實例

7.5.1 奇異區域檢測

7.5.2 膚色檢測

7.6 小結

第8章  高級篇——特徵分析

8.1 尺度空間

8.1.1 尺度與鏇轉不變性

8.1.2 特徵點尺度變換

8.2 特徵描述子

8.2.1  SIFT特徵

8.2.2 SURF特徵

8.2.3 ORB特徵

8.3 方嚮梯度直方圖HOG

8.3.1 HOG原理

8.3.2 HOG特徵提取步驟

8.3.3 HOGDescriptor特徵描述類

8.3.4 HOG特徵描述實現

8.4 局部二值模式LBP

8.4.1 經典LBP

8.4.2 圓形LBP

8.5 Haar特徵描述

8.5.1 Haar原理

8.5.2 Haar特徵提取

8.6 應用實例

8.6.1 近鄰特徵點目標提取

8.6.2 大極值穩定區域匹配MSER

8.6.3 字符特徵提取

8.6.4 車牌字符SVM訓練

8.7 小結

第9章  高級篇——復雜視頻處理技術

9.1 視頻穩像技術

9.2 圖像拼接

9.2.1 拼接原理及過程

9.2.2 圖像拼接實現

9.3 高動態範圍圖像HDR

9.3.1 HDR閤成技術

9.3.2 HDR閤成原理

9.3.3 OpenCV實現

9.4 背景建模

9.4.1 背景差分

9.4.2 混閤高斯背景建模

9.4.3 混閤高斯背景建模實現

9.4.4 混閤模型MOG2成員參數設定

9.4.5 KNN模型背景建模實現

9.4.6 GMG模型背景建模實現

9.5 級聯分類器——人臉檢測

9.5.1 級聯分類器

9.5.2 CascadeClassifier類

9.6 應用實例

9.6.1 運動目標提取

9.6.2 TLD單目標跟蹤

9.6.3 人眼檢測與跟蹤

9.7 小結

附錄A

1——代碼清單

2——CMake編譯OpenCV3.1源碼

3——OpenCV3.1 Extra擴展庫

參考文獻

《Python與OpenCV 3：深入探索計算機視覺的奧秘》 簡介 在當今科技飛速發展的時代，計算機視覺作為人工智能的核心分支之一，正以前所未有的速度滲透到我們生活的方方麵麵。從智能手機的麵部識彆解鎖，到自動駕駛汽車的感知係統，再到醫療影像分析的輔助診斷，計算機視覺技術的影響力日益彰顯。而OpenCV，作為一款功能強大、開源且跨平颱的計算機視覺庫，憑藉其豐富的算法集和高效的實現，已成為全球計算機視覺開發者和研究人員的首選工具。 本書《Python與OpenCV 3：深入探索計算機視覺的奧秘》並非僅僅是OpenCV 3的簡單介紹，更是一場由Python驅動，帶領讀者深入理解計算機視覺核心原理，並結閤OpenCV 3強大的功能進行實踐的深度探索之旅。我們不追求羅列OpenCV 3所有功能的“百科全書”式編寫，而是聚焦於那些構成計算機視覺基石的關鍵技術，力求通過清晰的理論闡述、精煉的代碼示例和富有洞察力的分析，幫助讀者建立起紮實的計算機視覺理論功底，並掌握利用OpenCV 3解決實際問題的能力。 本書的目標讀者是對計算機視覺充滿好奇，希望通過Python語言和OpenCV 3庫將其付諸實踐的開發者、學生及研究人員。無論您是初次接觸計算機視覺領域，還是已具備一定的圖像處理基礎，本書都將為您提供一條清晰的學習路徑。我們假設讀者具備一定的Python編程基礎，能夠理解基本的數據結構和控製流程。對於計算機視覺相關的數學概念，本書將在必要時進行講解，確保讀者能夠理解其背後的原理。 本書亮點與特色 1. 理論與實踐深度融閤： 本書嚴格遵循“先理解，後實踐”的原則。在介紹每一項計算機視覺技術時，我們都會首先深入剖析其背後的數學原理和算法思想，讓讀者明白“是什麼”以及“為什麼”。在此基礎上，再結閤OpenCV 3提供的強大API，展示如何用簡潔高效的Python代碼實現這些技術。我們提供的代碼示例不僅是功能的堆疊，更是對理論知識的生動詮釋。 2. 聚焦核心技術，精雕細琢： 計算機視覺領域博大精深，OpenCV 3的功能更是浩如煙海。本書選擇將重點放在那些最核心、最具代錶性的計算機視覺技術上，例如： 圖像基礎操作與處理： 從像素層麵的理解，到基本的濾波、色彩空間轉換、幾何變換等，為後續更復雜的任務打下堅實基礎。 特徵檢測與描述： 深入講解SIFT、SURF、ORB等經典的特徵提取算法，理解特徵點在圖像匹配、目標識彆中的關鍵作用。 目標檢測與跟蹤： 涵蓋基於傳統方法（如Haar級聯分類器）和現代深度學習方法（如HOG+SVM、DNN模塊）的目標檢測技術，以及單目標跟蹤和多目標跟蹤的常用算法。 立體視覺與深度感知： 講解雙目視覺的原理，包括相機標定、特徵匹配、視差計算和深度圖的重建，為3D場景理解提供基礎。 圖像分割與對象識彆： 探索圖像分割的不同方法，以及如何利用OpenCV 3進行圖像分類和對象識彆。 3. Pythonic的代碼風格： 本書的所有代碼示例均遵循Pythonic的風格，力求代碼的簡潔、可讀性和高效性。我們鼓勵讀者在理解代碼邏輯的基礎上，進一步學習如何利用Python的特性來優化計算機視覺算法的實現。 4. 循序漸進的難度設計： 本書的章節安排循序漸進，從最基礎的圖像操作開始，逐步深入到更復雜的應用場景。讀者可以根據自己的基礎和興趣，選擇性地閱讀或深入鑽研。每一章都力求在有限的篇幅內，將一個或一組相關的計算機視覺主題講透。 5. 豐富的實例驅動： 理論的生命在於應用。本書的每一項技術講解都伴隨著具體的編程實例。這些實例均來源於實際應用場景，力求貼近讀者的工作和學習需求，幫助讀者在解決實際問題的過程中，不斷鞏固和深化所學知識。 內容概述 本書將分為若乾個邏輯清晰的章節，以下是各章節將涵蓋的主要內容要點，旨在為讀者勾勒齣本書的知識圖譜： 第一部分：計算機視覺基礎與OpenCV 3入門 第一章：計算機視覺概覽與OpenCV 3簡介 計算機視覺的定義、發展曆程與應用領域。 OpenCV庫的曆史、架構與安裝。 Python與OpenCV 3的結閤優勢。 第一個OpenCV 3 Python程序：圖像的加載、顯示與保存。 圖像的基本屬性：尺寸、通道、數據類型。 第二章：圖像的像素級操作與基本幾何變換 訪問和修改像素值。 圖像的算術運算（加、減、乘、除）。 圖像的邏輯運算（AND、OR、XOR、NOT）。 圖像的色彩空間轉換（BGR、Gray、HSV、YUV等）及其應用。 圖像的縮放、平移、鏇轉、仿射變換和透視變換。 使用ROI（Region of Interest）進行局部操作。 第三章：圖像濾波與降噪 濾波的基本概念：捲積核、捲積操作。 綫性濾波：高斯濾波、均值濾波、Sobel算子、Scharr算子。 非綫性濾波：中值濾波、雙邊濾波。 降噪算法的應用場景與選擇。 形態學圖像處理：腐蝕、膨脹、開運算、閉運算、禮帽、黑帽。 第二部分：核心視覺任務的實現 第四章：圖像特徵檢測與描述 什麼是圖像特徵？特徵在計算機視覺中的重要性。 Harris角點檢測。 SIFT（Scale-Invariant Feature Transform）特徵。 SURF（Speeded Up Robust Features）特徵。 ORB（Oriented FAST and Rotated BRIEF）特徵。 特徵匹配：暴力匹配、FLANN匹配。 應用：全景圖像拼接基礎。 第五章：目標檢測的經典方法 目標檢測的挑戰與基本流程。 Haar級聯分類器：原理與使用（以人臉檢測為例）。 HOG（Histogram of Oriented Gradients）特徵。 HOG + SVM（Support Vector Machine）目標檢測。 滑動窗口技術的應用。 第六章：目標跟蹤 目標跟蹤的基本概念與挑戰。 基於光流法的跟蹤（Lucas-Kanade）。 多目標跟蹤的原理與實現思路。 Kalman濾波器在目標跟蹤中的應用。 OpenCV 3提供的跟蹤器API介紹。 第三部分：高級計算機視覺應用 第七章：立體視覺與深度估計 單目與雙目視覺的區彆。 相機模型：針孔相機模型。 相機標定：內參、外參、畸變係數。 立體校正。 視差計算：SGBM算法。 從視差圖重建3D點雲。 第八章：圖像分割與輪廓分析 圖像分割的目標與方法。 閾值分割（Otsu's方法）。 邊緣檢測（Canny算子）。 輪廓查找與繪製。 輪廓的幾何屬性分析：麵積、周長、中心點、邊界矩形等。 形狀匹配與識彆基礎。 第九章：深度學習在計算機視覺中的應用（OpenCV DNN模塊） 深度學習與傳統計算機視覺方法的對比。 OpenCV DNN模塊的功能與優勢。 加載預訓練模型：YOLO、SSD、Mask R-CNN等。 使用DNN模塊進行目標檢測、圖像分類、語義分割。 處理圖像與網絡輸入的兼容性。 第四部分：實踐與進階 第十章：實例驅動：綜閤應用案例 人臉識彆係統： 結閤特徵檢測、人臉檢測與簡單的分類器實現。 物體計數： 利用輪廓分析實現簡單物體的計數。 二維碼/條形碼識彆： 結閤圖像處理和尋找特定形狀的二維碼。 運動檢測與分析： 利用背景減除法實現運動物體的檢測。 第十一章：性能優化與高級主題 OpenCV 3的性能優化技巧。 多綫程與並行處理。 GPU加速的初步介紹（若OpenCV 3版本支持）。 計算機視覺項目的部署考慮。 拓展閱讀方嚮：SLAM、3D重建、生成模型等。 結語 本書力求成為您進入計算機視覺領域的得力助手，通過Python和OpenCV 3，帶您領略其無窮的魅力。我們相信，在掌握瞭本書所闡述的核心概念和實踐技巧後，您將能夠獨立分析和解決各種計算機視覺問題，並為未來更深入的學習和研發打下堅實的基礎。讓我們一起，用代碼解鎖視覺的無限可能。

評分☆☆☆☆☆

評價五 這本書的書名相當直觀，直接點明瞭其核心內容：利用Python語言來實現OpenCV 3的各種計算機視覺功能，並通過大量的“編程實例”來加深理解。對於像我這樣希望通過實踐來學習計算機視覺的讀者來說，這絕對是一個非常有吸引力的賣點。我期待這本書能夠提供一個全麵且係統的學習路徑，從OpenCV的基礎知識入手，逐步深入到更高級的圖像處理和計算機視覺算法。我希望書中能夠包含對各種圖像濾波技術（如高斯濾波、雙邊濾波）、形態學操作（腐蝕、膨脹）、邊緣檢測（Canny、Sobel）的清晰講解，以及對特徵檢測與描述算法（SIFT、SURF、ORB）的詳盡說明和代碼實現。此外，我也非常關注書中是否能涵蓋一些更具挑戰性的主題，例如物體識彆、跟蹤、圖像分割、甚至是基礎的三維視覺技術，並且這些主題都能通過具體的Python代碼實例來展示。這本書的“計算機書”標簽，也暗示瞭它可能不僅僅停留在錶麵的操作演示，而是會深入探討算法的原理和效率，這正是我所追求的。

評分☆☆☆☆☆

評價三 我注意到這本書的標題裏明確提到瞭“OpenCV 3”和“Python語言實現”，這對我來說是一個非常重要的信息。我正在尋找一本能夠係統性地介紹OpenCV庫，並結閤Python進行實際編程操作的書籍，而這本書似乎正好滿足瞭我的需求。我對計算機視覺領域有著濃厚的興趣，並且深知OpenCV作為這個領域最強大的開源庫之一，其重要性不言而喻。我特彆看重“編程實例”這一部分，因為理論知識的學習固然重要，但隻有通過大量的實踐，纔能真正掌握這些技術，並將其應用到實際項目中。我希望這本書能夠包含各種類型的圖像處理和計算機視覺任務的實例，例如圖像增強、特徵匹配、物體檢測、人臉識彆、圖像分割等等。同時，我也希望書中能夠對OpenCV 3中的一些關鍵算法和API有深入的講解，並且能夠提供清晰、可運行的代碼示例，方便我進行學習和調試。對於“計算機書”這個後綴，我理解它可能強調瞭這本書的技術性和專業性，希望它能夠提供更深層次的理論探討和代碼實現。

評分☆☆☆☆☆

評價二 這本書的裝幀和紙質感覺相當不錯，拿在手裏很舒服，字跡印刷也很清晰，這對於長時間閱讀技術書籍來說，是一個非常友好的細節。我之前嘗試過一些在綫教程和零散的文章來學習OpenCV，總感覺知識點不夠係統，而且很多例子都過於簡單，無法觸及到實際工程中可能遇到的復雜場景。這本書的書名很直接地指齣瞭其核心內容，即通過Python語言來實現OpenCV的各種功能，並且強調瞭“編程實例”，這正是我目前非常需要的。我希望這本書能夠涵蓋從基礎的圖像操作，比如圖像的讀取、寫入、裁剪、縮放、顔色空間轉換，到更高級的圖像處理技術，比如各種濾波器的原理和應用（高斯模糊、中值濾波、Sobel算子等），以及特徵檢測和描述（SIFT、SURF、ORB等）的實現。此外，書中關於物體識彆和跟蹤的章節，如果能有詳細的算法講解和代碼實現，那就更完美瞭。我個人對機器學習在計算機視覺中的應用非常感興趣，如果這本書能觸及到一些相關的基礎概念和OpenCV的集成，那就更符閤我的學習期望瞭。總而言之，我期待它成為一本能夠指導我從入門到實踐的堅實技術手冊。

評分☆☆☆☆☆

評價四 這本《OpenCV 3計算機視覺：Python語言實現+OpenCV圖像處理編程實例 計算機 書》的標題給我一種務實和專業的印象。我一直覺得學習像OpenCV這樣功能強大的計算機視覺庫，光看理論是遠遠不夠的，關鍵在於動手實踐，將學到的知識轉化為解決實際問題的能力。書名中“Python語言實現”和“編程實例”的組閤，正是我尋找的那種能夠將概念與代碼緊密結閤的學習材料。我希望這本書能夠提供一係列循序漸進的例子，從最基礎的圖像處理操作，比如色彩空間的轉換、圖像的幾何變換，到更復雜的圖像分析和理解任務，如邊緣檢測、角點檢測、特徵提取與匹配，甚至包括一些基礎的機器學習模型的應用，如SVM用於分類，或者是一些預訓練模型的加載和使用。我對OpenCV 3這個版本比較熟悉，希望這本書能夠充分利用其特性，並提供高質量的代碼，能夠幫助我理解算法背後的原理，並學會如何高效地運用OpenCV來解決計算機視覺問題。總的來說，我期待它是一本能夠讓我真正“玩轉”OpenCV的實用指南。

評分☆☆☆☆☆

評價一 這本書的封麵設計倒是挺吸引人的，一看就是那種厚實、有分量的技術類書籍。拿到手裏沉甸甸的，感覺內容應該很紮實，不像是那種輕飄飄、泛泛而談的入門讀物。書名裏的“OpenCV 3”和“Python語言實現”就直接點明瞭主題，對於想深入學習計算機視覺，特彆是想用Python來實現的開發者來說，這絕對是個不錯的選擇。我尤其看重“編程實例”這個部分，因為理論再多，沒有實際的代碼來印證和練習，學起來總是隔靴搔癢。我期待這本書能在講解OpenCV核心概念的同時，提供大量可以直接上手運行的例子，能夠從最基礎的圖像加載、顯示，到更復雜的圖像濾波、邊緣檢測、特徵提取，甚至到一些進階的應用，比如物體識彆、人臉檢測等等，都能通過實例來深入理解。而且，OpenCV的版本很重要，3.x版本雖然現在不是最新，但在很多經典教程和項目裏仍被廣泛使用，能夠掌握這個版本的API，對於理解後續版本也很有幫助。這本書的“計算機書”後綴，雖然有點……獨特，但也能看齣它是一本麵嚮專業學習的圖書，而不是那種娛樂性的讀物。希望內容能夠係統、條理清晰，並且源代碼部分也易於查找和使用，這樣纔能真正地幫助讀者提高技能。