 |
-- 會員 / 註冊 --
|
 |
|
|
|
學習OpenCV ( 簡體 字) |
| 作者：Gary Bradski | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 24861
詢問書籍請說出此書號！【缺書】
NT售價： 375 元 |
| 出版日：9/1/2009 |
| 頁數：601 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302209935 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言： 前言
本書為使用開放源代碼計算機視覺庫(OpenCV)提供了一個實戰指南，同時還介紹了大量計算機視覺領域的背景知識以幫助讀者充分使用OpenCV。
目的
計算機視覺是一個迅速發展的領域，攝像機價格不斷降低且功能越來越強、計算能力的普及以及視覺算法的日臻成熟都帶動了該領域的發展。OpenCV在計算機視覺的發展中扮演著重要的角色，它使得數千名研究人員在視覺領域能夠獲得更高的生產力。由于OpenCV專注于實時視覺應用，因此十分有助于學生和專業人員高效完成項目和加快研究進展，這是通過它提供的一個計算機視覺和機器學習基礎架構來實現的，這個基礎架構過去只是少數設備完善的實驗室的專利。本書目的如下。
l 為OpenCV提供一份更好的文檔——詳細說明函數調用約定以及如何正確使用這些函數。
l 快速幫助讀者對計算機視覺的算法原理獲得直觀的理解。
l 讓讀者認識到可以使用哪些算法，以及應用這些算法的場合。
l 通過許多可用的代碼實例，讓讀者循序漸進地學會如何實現計算機視覺和機器學習算法。
l 培養讀者具有一定的直覺，使其在出現問題的時候能夠對一些OpenCV源代碼中更高級的子程序進行修正。
簡言之，本書既是我們在學校時希望使用的教材，也是我們在工作時希望翻閱的參考書。
本書為OpenCV這個工具提供了注解，旨在幫助讀者快速在計算機視覺領域中開展有趣的工作。本書能幫助讀者直觀地理解算法的原理，這樣可以幫助讀者設計和調試視覺系統，并使得其他教材中對計算機視覺和機器學習算法的形式化描述更易于理解和記憶。
總而言之，如果直觀地領會了算法的原理，便容易理解復雜的算法和與這些算法相關的數學知識。
本書面向的讀者
本書包括算法描述、可運行的例程代碼以及對OpenCV庫中的計算機視覺工具的解釋，因此，它應該會對多種類型的讀者提供有益的幫助。
專業人員
對于需要迅速實現計算機視覺系統的專業人員來說，例程代碼為開始工作提供了一個快速上手的框架。我們對算法原理的直觀描述可以迅速教會讀者或提示讀者其 用法。
學生
如我們所說，本書是我們當年在學校時希望使用的教材。直觀的解釋、詳細的文檔和例程代碼都有助于讀者在計算機視覺領域獲得迅速成長，完成更多有趣的課堂項目，并且最終為計算機視覺領域貢獻新的研究成果。
教師
計算機視覺是一個迅速發展的領域。我們發現，在需要時講解一些經典的理論、當前的論文或專家的講稿，學生會迅速地掌握一本課本。同時，學生也可以更早開始一些課程項目，嘗試更多有挑戰性的任務。
業余愛好者
計算機視覺非常有趣，可任由你天馬行空地“創造”！
我們對于為讀者提供充分的直觀感受、文檔以及可運行的代碼給予了強烈的關注，目的是使讀者能夠迅速實現實時計算機視覺應用程序。
本書聲明
本書并不是一本正規教材。毋庸諱言，本書的許多知識點都涉及了大量數學細 節 ，但這樣做的目的是加深讀者對算法的理解，或者講清楚算法中所用的前提條件。在這里，我們并不打算進行嚴格的數學推導，這也許會讓一些一直用嚴格數學表達的人感到不習慣。
本書不是為理論研究人員所寫，因為它更多地關注應用。本書針對視覺提供通用的知識，而不是僅僅針對計算機視覺的某些特定應用(例如醫學圖像或遙感分析)。
也就是說，作者深信一點：讀完這里的解釋之后，學生不僅會更好地學習理論知識，還會將這些知識銘記于心。因此，本書是針對理論課程的理想輔導書，也適用于入門課程或實戰性較強的課程。
關于本書中的程序
本書所有的例程都基于OpenCV 1.0版本。代碼可以在Linux或Windows下運行，也可能在OS-X下運行。本書的例程源代碼可以本書的網站(http://www.oreilly.com/catalog/9780596516130)下載。OpenCV可以從它的代碼管理網站(http://sourceforge.net/projects/opencvlibrary)下載。
OpenCV仍在不斷發展，每年都會發布一到兩個正式版本。一般來說，可以從代碼管理網站的SVN服務器(http://sourceforge.net/scm/?type=svn&group_id=22870)獲得最新代碼。
預備知識
在大多數情況下，讀者只需要知道如何用C語言編程，也許需要知道一些C++編程知識。許多數學相關的內容屬于選讀，并帶有特定標記。書中涉及的數學知識包括簡單的代數和基本的矩陣代數，并且假定讀者較熟悉最小二乘優化問題的求解方法，以及高斯分布、貝葉斯定律和簡單函數的求導等一些基本知識。
這些數學知識用于幫助讀者加深對算法的直觀理解。讀者可以跳過數學和算法描述，只通過函數定義和范例代碼，便可讓計算機視覺應用程序啟動和運行。
如何充分使用本書
本書不需要按照順序從頭到尾地閱讀。它可以作為一種用戶手冊：在需要的時候，可以從中查找函數；如果想知其所以然，可以閱讀函數的描述。然而，本書的設計初衷是更偏向于教程。它幫助讀者基本了解計算機視覺，如何以及何時使用所選定的算法。
本書可以作為計算機視覺領域本科生或研究生的輔導書或主要教材。學生閱讀本書可迅速了解計算機視覺，然后再輔以其他教材中的理論知識以及本領域內的學術論文，更深入地學習。每一章后面都有練習題，可以幫助測試學生對知識的掌握情況，并加深理解。
您可以通過下面三種方式之一閱讀本書。
僅選有用部分
開始閱讀本書時，請先閱讀第1章∼第3章，然后根據自己需要閱讀其他章節。本書不一定要按照順序閱讀，不過第11章和第12章除外。
最佳進度
一個星期只讀兩章，直到用六個星期讀完第1章∼第12章(第13章有些特殊，詳見下文討論)。然后開始項目，著手解決具體問題，并閱讀其他教材和相關的 論文。
快速掌握
在充分理解內容的前提下盡快瀏覽本書第1章∼第12章。然后開始項目，著手解決具體問題，并閱讀其他的教材和相關的論文。該方法可供專業人員選用，同時也適用于比較高級的計算機視覺課程。
第13章的篇幅較多，介紹了機器學習的背景知識、OpenCV中實現的機器學習算法背后的細節，以及如何使用這些算法。當然，機器學習與物體識別以及計算機視覺的很多方面相關，詳細描述需要一本書的篇幅。專業人員會發現，這是未來閱讀文獻(或直接使用OpenCV庫中的代碼立項)的一個理想起點。對于一般的計算機視覺課程來說，本章可作為選學內容。
這是作者所希望的教授計算機視覺的方法：學生掌握要點后，快速學完課程內容，然后動手做一些有意義的課堂項目，同時指導老師通過其他教材或論文提供該領域的一些有深度的知識。該方法對小學期、整個學期或兩個學期的課程都適用。學生的興趣和創造力可以被迅速激發起來，很好地將自己所理解的知識和可運行的代碼結合起來。當他們開始更有挑戰性且更耗時的項目時，指導老師可幫助他們開發和調試復雜的系統。對于課時較多的課程，項目本身可以以項目管理的方式變成教育方式。首先建立其一個可以運行的系統，并優化改進該系統，然后進行研究。課程的目標是每個項目可以發表一篇會議論文，并且在隨后(課程結束之后)的工作中發表更多相關論文。
本書所用約定
本書采用如下印刷約定。
斜體
表示新名詞，URL，電子郵件地址，文件名，文件擴展名，路徑名，目錄和Unix實用程序。
等寬字體
表示命令、選項、開關、變量、屬性、鍵值、函數、類型、類、命名空間、方法、模塊、參數、參數、值、對象、事件、事件句柄、XML標簽、HTML標簽、文件內容或者命令輸出。
等寬粗體
顯示需要用戶逐字輸入的命令或者其他文字。也用于代碼中的強調。
等寬斜體
顯示應該被用戶輸入值代替的文字。
[…]
表示引用參考文獻。
注意： 該圖標表示一個技巧，建議或一般注解。
警告：該圖標表示警告或注意事項。
使用例程代碼
OpenCV是免費的，可用于商業和研究，因此對本書的例程代碼，我們也持同樣的態度。本書例程代碼可以用于課程作業、科研或商業產品。如果在使用OpenCV時能在參考文獻中引用本書，我們將很高興，但這不是必須的。它如何幫助你完成課程作業(最好保密)這方面的細節可以不必告訴我們，但在借助于OpenCV時，我們希望知道您是如何將計算機視覺用于科學研究，課堂教學以及商業產品的。再次強調，這不是必須的，但我們總期待著您能跟我們講幾句。
聯系我們
對于本書，如果有任何意見或疑問，請按照以下地址聯系本書出版商：
美國：
O’Reilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中國：
北京市西城區西直門南大街2號成銘大廈C座807室(100035)
奧萊利技術咨詢(北京)有限公司
本書也有相關的網頁，我們在上面列出了勘誤表、范例以及其他一些信息。你可以訪問：
http://www.oreilly.com/catalog/9780596516246(英文版)
http://www.oreilly.com.cn/book.php?bn=978-7-???-??????-?(中文版)
對本書做出評論或者詢問技術問題，請發送E-mail至：
bookquestions@oreilly.com
希望獲得關于本書、會議、資源中心和O’Reilly網絡的更多信息，請訪問：
http://www.oreilly.com
http://www.oreilly.com.cn
致謝
一個長期的開源項目見證了許多人的參與和離開，每個人都以自己不同的方式做出貢獻。OpenCV的貢獻者列表實在太長，無法在此列出，但可以通過隨OpenCV一起發布的文件 …/opencv/docs/HTML/Contributors/doc_contributors.html看到所有貢獻者。
感謝對OpenCV提供幫助的所有人士
Intel是OpenCV的誕生地，它對該項目的全程支持理應得到感謝。開放源代碼項目需要一個領軍人物和充足的開發支持才能獲得突破和迅速發展。Intel提供了這兩個關鍵條件。無論境況如何，一個公司能夠啟動這樣一個項目并堅持不懈地進行維護，著實難能可貴。自誕生以來，OpenCV幫助發起了Intel的高性能多媒體函數庫(IPP)，Intel的高性能多媒體函數庫是一系列手工精心編制的匯編語言子程序，用于計算機視覺、信號處理、語音處理、線性代數等其他領域。現在，OpenCV也可以通過Intel的高性能多媒體函數庫提高效率(可選選項)。因此，一個偉大的商業產品和一個開源產品的發展歷程是互相關聯的。
Mark Holler是Intel的一位研發主管。在比較早的時候，大量時間投入這個非正式的項目，他對此睜一只眼閉一只眼。他的好心得到了好報，他現在在加州酒鄉Napa的Mt. Veeder地區經營一家葡萄酒廠，可盡情享用美酒。Intel高性能多媒體函數庫小組的Stuart Taylor允許我們“借用”他的俄羅斯軟件團隊來幫助OpenCV。在OpenCV發展和存活下來的過程中，Richard Wirt發揮了關鍵性作用。作為Intel實驗室的主要負責人，實驗室主任Bob Liang(粱兆柱博士)使OpenCV蓬勃發展；當Justin Rattner成為CTO時，軟件技術實驗室為OpenCV確立了更加堅定的支持，這時獲得了軟件大師Shinn-Horng Lee(李信弘)的支持和以及他的經理Paul Wiley的間接支持。在早期，Omid Moghadam幫助OpenCV做了很多宣傳工作。 Mohammad Haghighat和Bill Butera在技術咨詢委員會中做了優秀的工作。 Nuriel Amir、Denver Dash、John Mark Agosta和Marzia Polito在啟動機器學習庫的過程中發揮了關鍵作用。Rainer Lienhart、Jean-Yves Bouguet、Radek Grzeszczuk和Ara Nefian是OpenCV的關鍵貢獻者和優秀的合作者； Rainer Lienhart現在是一個教授，Jean-Yves Bouguet現在是研究實驗室人員并已經上任。技術貢獻者的名字實在太多，無法一一列舉。
在軟件方面，一些人員特別突出，所以必須提到，特別是俄羅斯軟件團隊。這些人的領導者是俄羅斯優秀的程序員Vadim Pisarevsky，他開發了OpenCV的很大一部分，并且在項目從繁榮轉為艱難時刻，擠出時間對這個項目進行管理并“撫育”。如果OpenCV有一個真英雄的話，那么這個人就是他。他的技術洞察力對本書的寫作給予了巨大幫助。在支持不足的時期，Valery Kuriakin給予了管理支持和保護，他是一個具有偉大天才和智慧的人。還有Victor Eruhimov，他幾乎一直在參與OpenCV項目。我們也感謝Boris Chudinovich完成了所有輪廓組件的工作。
最后，特別感謝Willow Garage[WG]公司，不僅因為它對OpenCV未來發展的堅實資金支持，而且在本書最后階段為一個作者提供支持(并提供了點心和飲料)。
對本書幫助的致謝
當準備本書時，有幾個關鍵人物貢獻了他們的建議、審閱和意見。非常感謝《紐約時報》的技術記者John Markoff的鼓勵、關鍵溝通和實用的寫作建議。對于我們的評閱人，要特別感謝加州理工學院的物理學博士后Evgeniy Bar，每一章他都給出了很多有用的建議；Applied Minds的Kjerstin Williams進行了詳細的證明和驗證，直至本書完成；Willow Garage的John Hsu測試了所有的例程代碼；還有Vadim Pisarevsky，他仔細閱讀了每一章，驗證了函數調用和代碼，并提供了幾個例程代碼。還有其他幾位評閱人進行了部分章節的評閱，Google的Jean-Yves Bouguet在攝像機標定和立體視覺章節的討論中給予了巨大幫助。斯坦福大學的Andrew Ng教授為機器學習的章節提供了有用的建議。還有數目眾多的其他評閱人評閱了不同章節，在此一并對他們表示感謝。當然，如果因為我們的大意或者誤解造成的錯誤，是我們的責任，而不是由于我們收到的建議造成的。
最后，非常感謝我們的編輯 Michael Loukides的早期支持、大量的編輯工作以及長時間里一直具有的激情。
Gary謝辭
家里有三個年幼的孩子，我的妻子Sonya為本書的出版比我付出了更多的勞動。雖然在人臉識別的例程圖像中，OpenCV讓她受到關注，但是仍要向她表達我衷心的感謝和愛意。從更久遠來講，我的技術生涯始于俄勒岡大學物理系，然后是轉入加州大學伯克利分校讀本科期間。對于讀研究生期間，我感謝我的導師，波士頓大學自適應系統中心的Steve Grossberg和Gail Carpenter，我從他們那兒開始了我的學術生涯。雖然他們專注的方向是大腦的數學模型，我已經結束了該研究而專注于人工智能的工程領域，但是我認為我在那兒學到的眼光使我有所不同。在研究生院的一些前任同事，他們依然是我的親密朋友并且為本書提供了一些建議、支持甚至進行了一些編輯工作：感謝Frank Guenther、Andrew Worth、Steve Lehar、Dan Cruthirds、Allen Gove和Krishna Govindarajan。
我要特別感謝斯坦福大學，目前我是該大學人工智能和機器人實驗室的顧問教授。跟世界上最有頭腦的人近距離接觸深深影響了我，我曾與Sebastian Thrun和Mike Montemerlo 一起工作把OpenCV應用到Stanley(一個從美國國防部高級研究計劃署贏得二百萬美元的機器人)，與Andrew Ng一起參與STAIR(最先進的個人機器人之一)，這些團隊合作比一個人做有趣得多。這是一個做事全力以赴的實驗室，是一個優秀的環境。除了Sebastian Thrun和Andrew Ng，我還要感謝Daphne Koller設置了高的科技標準，并讓我雇傭一些關鍵的實習生和學生；還要感謝Kunle Olukotun和Christos Kozyrakis，與他們一起討論并一起工作。我還要感謝Oussama Khatib，他在控制方面的工作激發了我現在對虛擬導航機器人控制的興趣。Intel的Horst Haussecker是一個優秀的同事，他的寫書經驗幫助我完成了 本書。
最后，再次感謝Willow Garage允許我在這個世界一級的天才環境里追求我畢生的機器人夢，并且支持我寫本書以及支持OpenCV。
Adrian謝辭
我最初的學習專業是理論物理，然后是超級計算機設計和數字計算，最后到機器學習和計算機視覺，這是一條很長的經歷曲線。在這條學習之路中，很多人給了我巨大的幫助。有許多優秀的教師幫助我，有些是正式的導師，其他的是非正式的指路人。我要特別指出加州大學圣克魯茲分校的David Dorfan教授和斯坦福大學國家加速器實驗室的Hartmut Sadrozinski教授，在開始階段他們給了我很大的鼓勵，Norman Christ利用簡單的話語“如果你不能用計算機實現，你就不知道你自己在講什么”教會了我計算的精髓。謹向James Guzzo致以特別的感謝，他允許我在Intel做一些任務之外的事情，這些年還鼓勵我參加DARPA無人駕駛汽車大賽。最后，我感謝Danny Hillis創造了一個好的環境，在這兒所有的技術可以獲得飛躍，并且在Applied Minds時鼓勵我寫本書。
另外要感謝斯坦福大學在這些年里對我特別的支持。從我與Sebastian Thrun一起參加無人駕駛汽車大賽團隊，到與Andrew Ng一起參加STAIR機器人項目，斯坦福大學人工智能實驗室一直慷慨地提供辦公室，資金支持，大部分重要的創意，富有啟發性的談話，并在需要時在視覺、機器人和機器學習方面提供指導。我深深地感激那些在我成長和學習過程中提供重要幫助的人。
除了一份特別的感謝，沒有其他的感謝能夠表達對我的妻子Lyssa的謝意，她一直毫不猶豫地鼓勵我參與這個項目，心甘情愿地陪伴我來回出差使我能與Gary一起寫書。非常感謝她。 |
內容簡介： 計算機視覺是在圖像處理的基礎上發展起來的新興學科。OpenCV是一個開源的計算機視覺庫，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、機器學習和線性代數提供了各種各樣的算法。
本書由OpenCV發起人所寫，站在一線開發人員的角度用通俗易懂的語言解釋了OpenCV的緣起和計算機視覺基礎結構，演示了如何用OpenCV和現有的自由代碼為各種各樣的機器進行編程，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視覺領域。
本書可作為信息處理、計算機、機器人、人工智能、遙感圖像處理、認知神經科學等有關專業的高年級學生或研究生的教學用書，也可供相關領域的研究工作者參考。
封底：
透過本書，您將置身于迅速發展的計算機視覺領域。本書由自由開源OpenCV的發起人所著，介紹了計算機視覺，并通過實例演示了如何快速生成這樣的應用——能使計算機“看到”并根據由此獲取的數據做出決策。.
計算機視覺無處不在，安全系統、制造檢驗系統、醫學圖像分析、無人機等都可以見到它的蹤影。它與Google Map和Google Earth緊密結合，它檢查LCD屏幕上的像素，它確保襯衫上的每個針腳都能完全縫合。OpenCV提供了一個簡易好用的計算機視覺框架和一個豐富的庫，后者包含500多個可實時運行視覺代碼的函數。
透過各章提供的練習，任何一個開發人員或愛好者都可以迅速掌握如何使用這個框架。本書特色主題如下：
Ø 透徹介紹OpenCV
Ø 從攝像機獲取輸入
Ø 圖像的變換
Ø 圖像的分割和形狀的匹配
Ø 模式識別，包括人臉檢測
Ø 二維和三維場景中的跟蹤監測
Ø 根據立體視覺進行三維重構
Ø 機器學習算法
“讓機器來看”是一個富有挑戰但也很有意思的目標。不管是想構建簡單的視覺應用，還是復雜的視覺應用，都離不開這本入門必備參考，拿起它，開始愉快的學習之旅吧！
“我來說兩句”
“OpenCV庫對從業人員而言非常有用，對初涉該領域的新手而言也不失為一個優秀工具。正如其廣而告之的那樣，它是一套高效的計算機視覺算法。”
——William T. Freeman，麻省理工學院計算機科學與人工智能實驗室
“對計算機視覺領域內任何一個從業人員而言，《學習OpenCV》是他們不可或缺的重要參考。”
——David Lowe，英屬哥倫比亞大學計算機科學教授 |
目錄： 目錄
出版前言 VI
譯者序 XI
寫在前面的話 XIII
前言 XV
第1章 概述 1
什么是OpenCV 1
OpenCV的應用領域 1
什么是計算機視覺 2
OpenCV的起源 6
下載和安裝OpenCV 8
通過SVN獲取最新的OpenCV代碼 11
更多OpenCV文檔 12
OpenCV的結構和內容 14
移植性 16
練習 16
第2章 OpenCV入門 18
開始準備 18
初試牛刀—— 顯示圖像 19
第二個程序—— 播放AVI視頻 21
視頻播放控制 23
一個簡單的變換 26
一個復雜一點的變換 28
從攝像機讀入數據 30
寫入AVI視頻文件 31
小結 33
練習 34
第3章 初探OpenCV 35
OpenCV的基本數據類型 35
CvMat矩陣結構 38
IplImage數據結構 48
矩陣和圖像操作 54
繪圖 91
數據存儲 98
集成性能基元 102
小結 103
練習 103
第4章 細說HighGUI 106
一個可移植的圖形工具包 106
創建窗口 107
載入圖像 108
顯示圖像 110
視頻的處理 120
ConvertImage函數 125
練習 126
第5章 圖像處理 128
綜述 128
平滑處理 128
圖像形態學 134
漫水填充算法 146
尺寸調整 149
圖像金字塔 150
閾值化 155
練習 162
第6章 圖像變換 165
概述 165
卷積 165
梯度和Sobel導數 169
拉普拉斯變換 172
Canny算子 173
霍夫變換 175
重映射 183
拉伸、收縮、扭曲和旋轉 185
CartToPolar與PolarToCart 196
LogPolar 197
離散傅里葉變換(DFT) 200
離散余弦變換(DCT) 205
積分圖像 206
距離變換 208
直方圖均衡化 211
練習 213
第7章 直方圖與匹配 216
直方圖的基本數據結構 219
訪問直方圖 221
直方圖的基本操作 223
一些更復雜的策略 231
練習 244
第8章 輪廓 246
內存 246
序列 248
查找輪廓 259
Freeman鏈碼 266
輪廓例子 268
另一個輪廓例子 270
深入分析輪廓 271
輪廓的匹配 279
練習 290
第9章 圖像局部與分割 293
局部與分割 293
背景減除 294
分水嶺算法 328
用Inpainting修補圖像 329
均值漂移分割 331
Delaunay三角剖分和Voronoi 劃分 333
練習 347
第10章 跟蹤與運動 350
跟蹤基礎 350
尋找角點 351
亞像素級角點 353
不變特征 355
光流 356
mean-shift和camshift跟蹤 371
運動模板 376
預估器 383
condensation算法 399
練習 403
第11章 攝像機模型與標定 406
攝像機模型 407
標定 414
矯正 430
一次完成標定 432
羅德里格斯變換 437
練習 438
第12章 投影與三維視覺 441
投影 441
仿射變換和透視變換 443
POSIT：3D姿態估計 449
立體成像 452
來自運動的結構 493
二維和三維下的直線擬合 494
練習 498
第13章 機器學習 499
什么是機器學習 499
OpenCV機器學習算法 502
Mahalanobis距離 516
K均值 519
樸素貝葉斯分類 524
二叉決策樹 527
boosting 537
隨機森林 543
人臉識別和Haar分類器 549
其他機器學習算法 559
練習 560
第14章 OpenCV的未來 564
過去與未來 564
發展方向 565
OpenCV與藝術家 568
后記 570
參考文獻 571
索引 586
關于作者和譯者 599
封面圖片 601 |
| 序： |
|
