計算機視覺算法：基于OpenCV的計算機視覺應用開發 ( 簡體 字) |
| 作者：（伊朗）阿明·艾哈邁迪·塔茲赫孔迪（Amin Ahmadi Tazehkandi | 類別：1. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 51018
詢問書籍請說出此書號！【有庫存】
NT售價： 345 元 |
| 出版日：4/22/2019 |
| 頁數：216 |
| 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：9787111623151 |
| 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： |
內容簡介：本書首先介紹計算機視覺開發所需的工具及其安裝和配置，接著探索OpenCV框架及其強大的庫和函數集。從*簡單的圖像修改、濾鏡和變換開始，讀者將逐步掌握各種算法知識，直到能執行更復雜的任務，例如使用深度學習算法進行實時對象檢測等。本書適合所有對計算機視覺感興趣并希望在實際工作中使用計算機視覺算法的讀者。 |
目錄：譯者序
前言
關于作者
關于審稿人
第1章 計算機視覺概述 1
1.1 技術要求 1
1.2 理解計算機視覺 1
1.3 理解計算機圖像 3
1.3.1 色彩空間 5
1.3.2 輸入、處理和輸出 7
1.4 計算機視覺框架和軟件庫 8
1.5 總結 9
1.6 習題 9
第2章 OpenCV入門 11
2.1 技術要求 12
2.2 OpenCV介紹 12
2.3 OpenCV的下載、編譯和安裝 14
2.4 在C++或Python項目中使用OpenCV 17
2.5 理解Mat類 19
2.5.1 創建一個Mat對象 20
2.5.2 刪除一個Mat對象 23
2.5.3 訪問像素 24
2.6 圖像讀寫 27
2.7 視頻文件讀寫 29
2.7.1 使用攝像頭 31
2.7.2 使用RTSP和網絡流媒體 32
2.8 Mat類家族 32
2.9 總結 32
2.10 習題 33
2.11 補充閱讀 33
第3章 數組和矩陣操作 34
3.1 技術要求 34
3.2 Mat類中的操作 35
3.2.1 克隆矩陣 35
3.2.2 計算叉積 35
3.2.3 提取對角線 36
3.2.4 計算點積 36
3.2.5 學習單位矩陣 37
3.2.6 矩陣求逆 37
3.2.7 元素級矩陣乘法 37
3.2.8 全一和全零矩陣 37
3.2.9 矩陣轉置 38
3.2.10 重塑Mat對象 39
3.3 元素級矩陣操作 39
3.3.1 基本操作 39
3.3.2 按位邏輯操作 43
3.3.3 比較操作 47
3.3.4 數學操作 48
3.4 矩陣和數組級操作 49
3.4.1 為外推法生成邊界 50
3.4.2 翻轉（鏡像）和旋轉圖像 51
3.4.3 使用圖像通道 52
3.4.4 數學函數 54
3.4.5 搜索和定位功能 58
3.5 總結 60
3.6 習題 61
第4章 繪圖、濾鏡和變換 62
4.1 技術要求 62
4.2 在圖像上繪圖 63
4.2.1 在圖像上打印文字 63
4.2.2 在圖像上繪制形狀 66
4.3 圖像濾鏡 72
4.3.1 模糊/平滑濾鏡 72
4.3.2 形態濾鏡 76
4.3.3 基于導數的濾鏡 79
4.3.4 任意濾鏡 80
4.4 圖像變換 81
4.4.1 閾值算法 81
4.4.2 色彩空間和類型轉換 83
4.5 幾何變換 84
4.6 使用色彩表 86
4.7 總結 88
4.8 習題 88
第5章 反向投影和直方圖 89
5.1 技術要求 89
5.2 理解直方圖 90
5.3 直方圖反向投影 95
5.4 直方圖比較 103
5.5 直方圖均衡 105
5.6 總結 106
5.7 習題 107
5.8 補充閱讀 107
第6章 視頻分析——運動檢測和
追蹤 108
6.1 技術要求 108
6.2 視頻處理 109
6.3 理解均值偏移算法 112
6.4 使用連續自適應均值偏移算法 119
6.5 使用卡爾曼濾波器進行運動追蹤和降噪 122
6.6 如何提取背景和前景 129
6.7 總結 132
6.8 習題 132
第7章 對象檢測——特征和描述符 133
7.1 技術要求 133
7.2 用于對象檢測的模板匹配 134
7.3 檢測角點和邊緣 137
7.3.1 學習Harris角點檢測算法 137
7.3.2 邊緣檢測算法 143
7.4 輪廓計算和分析 147
7.5 特征檢測、描述和匹配 152
7.6 總結 158
7.7 習題 158
第8章 機器學習與計算機視覺 160
8.1 技術要求 160
8.2 支持向量機 161
8.3 用人工神經網絡訓練模型 169
8.4 級聯分類算法 171
8.4.1 使用級聯分類器進行對象檢測 171
8.4.2 訓練級聯分類器 174
8.5 使用深度學習模型 180
8.6 總結 184
8.7 習題 184
習題答案 185 |
| 序： |
