图书介绍

OpenCV 3计算机视觉 Python语言实现 vision with Python【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

（爱尔兰）乔·米尼奇诺（Joe Minichino），（加）约瑟夫·豪斯（Joseph Howse）著著
出版社：北京：机械工业出版社
ISBN：9787111539759
出版时间：2016
标注页数：184页
文件大小：23MB
文件页数：202页
主题词：图象处理软件－程序设计

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：352827f69109a32867ff2a9eb6c222cf

下载说明

OpenCV 3计算机视觉 Python语言实现 vision with PythonPDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章安装OpenCV1

1.1 选择和使用合适的安装工具2

1.1.1 在Windows上安装2

1.1.2 在OS X系统中安装6

1.1.3 在Ubuntu及其衍生版本中安装11

1.1.4.在其他类Unix系统中安装12

1.2 安装Contrib模块13

1.3 运行示例13

1.4 查找文档、帮助及更新14

1.5 总结15

第2章处理文件、摄像头和图形用户界面16

2.1 基本I/O脚本16

2.1.1 读／写图像文件16

2.1.2 图像与原始字节之间的转换19

2.1.3 使用numpy.array访问图像数据20

2.1.4 视频文件的读／写22

2.1.5 捕获摄像头的帧23

2.1.6 在窗口显示图像24

2.1.7 在窗口显示摄像头帧25

2.2 Cameo项目（人脸跟踪和图像处理）26

2.3 Cameo——面向对象的设计27

2.3.1 使用managers.CaptureManager提取视频流27

2.3.2 使用managers.WindowManager抽象窗口和键盘32

2.3.3 cameo.Cameo的强大实现33

2.4 总结34

第3章使用OpenCV 3处理图像36

3.1 不同色彩空间的转换36

3.2 傅里叶变换37

3.2.1 高通滤波器37

3.2.2 低通滤波器39

3.3 创建模块39

3.4 边缘检测40

3.5 用定制内核做卷积41

3.6 修改应用43

3.7 Canny边缘检测44

3.8 轮廓检测45

3.9 边界框、最小矩形区域和最小闭圆的轮廓46

3.10 凸轮廓与Douglas-Peucker算法48

3.11 直线和圆检测50

3.11.1 直线检测50

3.11.2 圆检测51

3.12 检测其他形状52

3.13 总结52

第4章深度估计与分割53

4.1 创建模块53

4.2 捕获深度摄像头的帧54

4.3 从视差图得到掩模56

4.4 对复制操作执行掩模57

4.5 使用普通摄像头进行深度估计59

4.6 使用分水岭和GrabCut算法进行物体分割63

4.6.1 用GrabCut进行前景检测的例子64

4.6.2 使用分水岭算法进行图像分割66

4.7 总结69

第5章人脸检测和识别70

5.1 Haar级联的概念70

5.2 获取Haar级联数据71

5.3 使用OpenCV进行人脸检测72

5.3.1 静态图像中的人脸检测72

5.3.2 视频中的人脸检测74

5.3.3 人脸识别76

5.4 总结82

第6章图像检索以及基于图像描述符的搜索83

6.1 特征检测算法83

6.1.1 特征定义84

6.1.2 使用DoG和SIFT进行特征提取与描述86

6.1.3 使用快速Hessian算法和SURF来提取和检测特征89

6.1.4 基于ORB的特征检测和特征匹配91

6.1.5 ORB特征匹配93

6.1.6 K-最近邻匹配95

6.1.7 FLANN匹配96

6.1.8 FLANN的单应性匹配99

6.1.9 基于文身取证的应用程序示例102

6.2 总结105

第7章目标检测与识别106

7.1 目标检测与识别技术106

7.1.1 HOG描述符107

7.1.2 检测人112

7.1.3 创建和训练目标检测器113

7.2 汽车检测116

7.2.1 代码的功能118

7.2.2 SVM和滑动窗口122

7.3 总结134

第8章目标跟踪135

8.1 检测移动的目标135

8.2 背景分割器：KNN、MOG2和GMG138

8.2.1 均值漂移和CAMShift142

8.2.2 彩色直方图144

8.2.3 返回代码146

8.3 CAMShift147

8.4 卡尔曼滤波器149

8.4.1 预测和更新149

8.4.2 范例150

8.4.3 一个基于行人跟踪的例子153

8.4.4 Pedestrian类154

8.4.5 主程序157

8.5 总结159

第9章基于OpenCV的神经网络简介160

9.1 人工神经网络160

9.2 人工神经网络的结构161

9.2.1 网络层级示例162

9.2.2 学习算法163

9.3 OpenCV中的ANN164

9.3.1 基于.ANN的动物分类166

9.3.2 训练周期169

9.4 用人工神经网络进行手写数字识别170

9.4.1 MNIST——手写数字数据库170

9.4.2 定制训练数据170

9.4.3 初始参数171

9.4.4 迭代次数171

9.4.5 其他参数171

9.4.6 迷你库172

9.4.7 主文件175

9.5 可能的改进和潜在的应用180

9.5.1 改进180

9.5.2 应用181

9.6 总结181