-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
門市星期日公休
10/26 新書到! 10/19 新書到! 9/28 新書到! 9/23 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

OpenCV 4詳解:基于Python

( 簡體 字)
作者:馮振,陳亞萌類別:1. -> 遊戲 -> 遊戲程式
   2. -> 程式設計 -> Python
譯者:
出版社:人民郵電出版社OpenCV 4詳解:基于Python 3dWoo書號: 55024
詢問書籍請說出此書號!

有庫存
NT定價: 500
折扣價: 469

出版日:9/1/2021
頁數:357
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:9787115566034
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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:

《OpenCV 4詳解:基于Python》基于OpenCV 4.1版本,討論OpenCV 4的功能,以及OpenCV在圖像處理和計算機視覺方面的應用。本書共12章。主要內容包括OpenCV的基礎知識,數據載入、顯示與保存,圖像基本操作,直方圖,圖像濾波,圖像形態學操作,圖像分割與修復,目標檢測,特征點檢測與匹配,立體視覺,視頻分析,機器學習在OpenCV中的實現方式。
《OpenCV 4詳解:基于Python》適合計算機視覺方面的專業人士閱讀,也可作為計算機相關專業的教材。
目錄:

第 1章 初識OpenCV 1
1.1 什么是OpenCV 1
1.1.1 OpenCV與計算機視覺 1
1.1.2 OpenCV的發展 2
1.1.3 OpenCV 4帶來了什么 3
1.2 安裝OpenCV-Python 4
1.2.1 在Windows系統中安裝
OpenCV-Python 4
1.2.2 在Ubuntu系統中安裝
OpenCV-Python 9
1.3 OpenCV的模塊架構 12
1.4 示例程序 14
1.4.1 配置運行環境 14
1.4.2 邊緣檢測 14
1.4.3 K聚類算法 15
1.4.4 基于特征點的圖像匹配 16
1.4.5 行人檢測 17
1.4.6 手寫數字識別 18
1.5 本章小結 19
第 2章 載入、顯示與保存數據 20
2.1 圖像的表示 20
2.1.1 圖像基礎 20
2.1.2 NumPy相關介紹 22
2.2 圖片的讀取與顯示 27
2.2.1 圖片讀取函數 28
2.2.2 圖像窗口函數 29
2.2.3 圖片顯示函數 29
2.3 視頻加載與攝像頭調用 30
2.3.1 讀取視頻數據 30
2.3.2 攝像頭的直接調用 33
2.4 數據保存 33
2.4.1 保存圖像 34
2.4.2 保存視頻 36
2.4.3 保存和讀取XML和YMAL
文件 38
2.5 本章小結 41
第3章 圖像基本操作 42
3.1 顏色空間 42
3.1.1 顏色空間與轉換 42
3.1.2 多通道分離與合并 47
3.2 關于像素的操作 49
3.2.1 圖像像素統計 50
3.2.2 兩圖像間的像素操作 53
3.2.3 圖像二值化 58
3.2.4 LUT 62
3.3 圖像連接和圖像變換 64
3.3.1 圖像連接 64
3.3.2 圖像尺寸變換 66
3.3.3 圖像翻轉變換 68
3.3.4 圖像仿射變換 69
3.3.5 圖像透視變換 72
3.3.6 極坐標變換 75
3.4 在圖像上繪制幾何圖形和生成文字 77
3.4.1 繪制圓形 77
3.4.2 繪制直線 78
3.4.3 繪制橢圓 78
3.4.4 繪制多邊形 79
3.4.5 生成文字 80
3.5 感興趣區域 83
3.6 圖像金字塔 85
3.6.1 高斯金字塔 85
3.6.2 拉普拉斯金字塔 86
3.7 窗口交互操作 88
3.7.1 圖像窗口滑動條 88
3.7.2 鼠標響應 90
3.8 本章小結 92
第4章 圖像直方圖 94
4.1 圖像直方圖的計算與繪制 94
4.1.1 圖像直方圖的計算 94
4.1.2 圖像直方圖的繪制 96
4.2 2D直方圖 100
4.3 關于直方圖的操作 103
4.3.1 直方圖歸一化 103
4.3.2 直方圖比較 106
4.3.3 直方圖均衡化 109
4.3.4 直方圖匹配 111
4.3.5 直方圖反向投影 114
4.4 圖像模板匹配 115
4.5 本章小結 119
第5章 圖像濾波 120
5.1 圖像卷積 120
5.2 噪聲的種類與生成 124
5.2.1 椒鹽噪聲 124
5.2.2 高斯噪聲 126
5.3 線性濾波 129
5.3.1 均值濾波 129
5.3.2 方框濾波 132
5.3.3 高斯濾波 134
5.3.4 可分離濾波 137
5.3.5 中值濾波 140
5.3.6 雙邊濾波 142
5.4 圖像邊緣檢測 145
5.4.1 邊緣檢測原理 145
5.4.2 Sobel算子 148
5.4.3 Scharr算子 151
5.4.4 生成邊緣檢測濾波器 152
5.4.5 Laplacian算子 154
5.4.6 Canny算法 156
5.5 本章小結 158
第6章 圖像形態學操作 159
6.1 像素距離與連通域 159
6.1.1 圖像距離變換 159
6.1.2 圖像連通域分析 164
6.2 腐蝕與膨脹 170
6.2.1 圖像腐蝕 170
6.2.2 圖像膨脹 175
6.3 形態學應用 178
6.3.1 開運算 178
6.3.2 閉運算 180
6.3.3 形態學梯度 180
6.3.4 頂帽運算 181
6.3.5 黑帽運算 181
6.3.6 擊中擊不中變換 182
6.3.7 圖像細化 185
6.4 本章小結 187
第7章 目標檢測 189
7.1 形狀檢測 189
7.1.1 直線檢測 189
7.1.2 直線擬合 198
7.1.3 圓形檢測 200
7.2 輪廓檢測 202
7.2.1 輪廓發現與繪制 203
7.2.2 輪廓面積 207
7.2.3 輪廓長度 208
7.2.4 輪廓外接多邊形 209
7.2.5 點到輪廓距離 213
7.2.6 凸包檢測 215
7.3 矩的計算 216
7.3.1 幾何矩與中心矩 217
7.3.2 Hu矩 218
7.3.3 基于Hu矩的輪廓匹配 220
7.4 點集擬合 222
7.5 二維碼檢測 224
7.6 本章小結 226
第8章 圖像分析與修復 228
8.1 傅里葉變換 228
8.1.1 離散傅里葉變換 228
8.1.2 通過傅里葉變換計算卷積 235
8.1.3 離散余弦變換 236
8.2 積分圖 240
8.3 圖像分割 243
8.3.1 漫水填充法 244
8.3.2 分水嶺法 246
8.3.3 Grabcut圖像分割 249
8.3.4 Mean-Shift分割算法 251
8.4 圖像修復 254
8.5 本章小結 256
第9章 特征點檢測與匹配 258
9.1 角點檢測 258
9.1.1 顯示關鍵點 258
9.1.2 Harris角點檢測 261
9.1.3 Shi-Tomasi角點檢測 264
9.1.4 亞像素級別角點檢測 266
9.2 特征點檢測 268
9.2.1 關鍵點 268
9.2.2 描述子 269
9.2.3 SIFT特征點檢測 270
9.2.4 SURF特征點檢測 273
9.2.5 ORB特征點檢測 276
9.3 特征點匹配 279
9.3.1 DescriptorMatcher類 279
9.3.2 暴力匹配 281
9.3.3 顯示特征點匹配結果 282
9.3.4 FLANN匹配 284
9.3.5 RANSAC優化特征點匹配 287
9.4 本章小結 290
第 10章 立體視覺 291
10.1 單目視覺 291
10.1.1 單目相機模型 291
10.1.2 標定板角點提取 294
10.1.3 單目相機標定 298
10.1.4 單目相機校正 302
10.1.5 單目投影 305
10.1.6 單目位姿估計 307
10.2 雙目視覺 312
10.2.1 雙目相機模型 312
10.2.2 雙目相機標定 313
10.2.3 雙目相機校正 316
10.3 本章小結 319
第 11章 視頻分析 321
11.1 差值法檢測移動物體 321
11.2 均值遷移法目標跟蹤 323
11.2.1 均值遷移的目標跟蹤 324
11.2.2 自適應均值遷移的目標跟蹤 327
11.3 光流法目標跟蹤 330
11.3.1 Faeneback多項式擴展算法 332
11.3.2 基于LK光流跟蹤 335
11.4 本章小結 338
第 12章 OpenCV與機器學習 339
12.1 OpenCV與傳統機器學習 339
12.1.1 k均值聚類算法 339
12.1.2 K近鄰算法 343
12.1.3 決策樹 347
12.1.4 隨機森林 349
12.1.5 支持向量機 351
12.2 OpenCV與深度神經網絡應用
實例 354
12.2.1 加載深度學習模型 355
12.2.2 圖像識別 357
12.2.3 快速風格遷移 359
12.2.4 性別檢測 361
12.3 本章小結 363
序: