新書推薦：
《
写出心灵深处的故事：踏上疗愈之旅（修订版）（创意写作书系）
》
售價：HK$
66.1
《
控制权视角下的家族企业管理与传承
》
售價：HK$
87.4
《
冯友兰和青年谈心系列
》
售價：HK$
167.3
《
利他主义的生意：偏爱“非理性”的市场（英国《金融时报》推荐读物！）
》
售價：HK$
77.3
《
认知行为疗法：心理咨询的顶层设计
》
售價：HK$
99.7
《
FANUC工业机器人装调与维修
》
售價：HK$
99.7
《
吕著中国通史
》
售價：HK$
62.7
《
爱琴海的光芒 ： 千年古希腊文明
》
售價：HK$
199.4
|
| 編輯推薦： |
基于新版的 OpenCV 4写作，示例代码基于C++；
书中不仅剖析了大量OpenCV函数的调用细节，而且对原理解释清晰明了，让读者不仅知其然而且知其所以然。
书中既涵盖了传统的图形、图像算法，也包括了更为现代的机器学习内容，并配以丰富的代码示例，内容丰富，行文通俗。
全书介绍了OpenCV 4中近200个函数、120个示例程序，帮助读者熟练掌握OpenCV的应用。
|
| 內容簡介： |
本书共12 章，主要内容包括OpenCV 4 基础知识，OpenCV 的模块架构，图像存储容器，图像的读取与显示，视频加载与摄像头调用，图像变换，图像金字塔，图像直方图的绘制，图像的模板匹配，图像卷积，图像的边缘检测，腐蚀与膨胀，形状检测，图像分割，特征点检测与匹配，单目和双目视觉，光流法目标跟踪，以及OpenCV 在机器学习方面的应用等。
本书面向的读者是计算机视觉与图像处理等相关专业的高校师生、企业内转行计算机视觉与图像处理的工作人员、已有图像处理基础并想了解OpenCV 4 新特性的人员。
|
| 關於作者： |
冯振，哈尔滨工业大学博士，具有多年计算机视觉与图像处理经验，发表多篇学术论文。创建技术类公众号“小白学视觉”，参与翻译多个开源项目，在计算机视觉与图像处理领域具有一定的影响力。
郭延宁，哈尔滨工业大学副教授、博士生导师。研究方向为深空探测制导与控制、视觉定位与导航，完成多个图像处理相关项目，发表SCI论文20余篇。
吕跃勇，博士，哈尔滨工业大学讲师、硕士生导师，主要从事自动控制领域教学与研究工作，主持及参与多项智能控制与图像处理领域课题。
|
| 目錄：
|
目录
基 础 篇
第 1章 初识OpenCV2
1.1 什么是OpenCV2
1.1.1 OpenCV与计算机视觉2
1.1.2 OpenCV的发展3
1.1.3 OpenCV 4带来了什么4
1.2 安装OpenCV 44
1.2.1 在Windows系统中
安装OpenCV 44
1.2.2 Image Watch插件的使用12
1.2.3 在Ubuntu系统中安装
OpenCV 412
1.2.4 opencv_contrib扩展模块的
安装15
1.2.5 安装过程中常见问题的解决
方案17
1.3 了解OpenCV的模块架构18
1.4 源码示例程序展示19
1.4.1 配置示例程序运行环境19
1.4.2 边缘检测edge21
1.4.3 K聚类kmeans22
1.4.4 二维码识别qrcode23
1.4.5 相机使用video_capture_starter24
1.4.6 视频物体跟踪camshiftdemo25
1.5 本章小结26
第 2章 数据载入、显示与保存27
2.1 图像存储容器27
2.1.1 Mat类介绍27
2.1.2 Mat类构造与赋值29
2.1.3 Mat类支持的运算33
2.1.4 Mat类元素的读取35
2.2 图像的读取与显示37
2.2.1 图像读取函数imread38
2.2.2 图像窗口函数namedWindow39
2.2.3 图像显示函数imshow40
2.3 视频加载与摄像头调用40
2.3.1 视频数据的读取40
2.3.2 摄像头的直接调用42
2.4 数据保存43
2.4.1 图像的保存43
2.4.2 视频的保存45
2.4.3 保存和读取XML和YMAL
文件47
2.5 本章小结52
进 阶 篇
第3章 图像基本操作54
3.1 图像颜色空间54
3.1.1 颜色模型与转换54
3.1.2 多通道分离与合并59
3.2 图像像素操作处理61
3.2.1 图像像素统计62
3.2.2 两图像间的像素操作66
3.2.3 图像二值化71
3.2.4 LUT76
3.3 图像变换78
3.3.1 图像连接78
3.3.2 图像尺寸变换81
3.3.3 图像翻转变换83
3.3.4 图像仿射变换84
3.3.5 图像透视变换88
3.3.6 极坐标变换90
3.4 在图像上绘制几何图形92
3.4.1 绘制圆形92
3.4.2 绘制直线93
3.4.3 绘制椭圆93
3.4.4 绘制多边形94
3.4.5 文字生成95
3.5 感兴趣区域97
3.6 图像“金字塔”100
3.6.1 高斯“金字塔”100
3.6.2 拉普拉斯“金字塔”101
3.7 窗口交互操作104
3.7.1 图像窗口滑动条104
3.7.2 鼠标响应106
3.8 本章小结109
第4章 图像直方图与模板匹配111
4.1 图像直方图的绘制111
4.2 直方图操作113
4.2.1 直方图归一化113
4.2.2 直方图比较116
4.3 直方图应用120
4.3.1 直方图均衡化120
4.3.2 直方图匹配122
4.3.3 直方图反向投影125
4.4 图像的模板匹配127
4.5 本章小结131
第5章 图像滤波132
5.1 图像卷积132
5.2 噪声的种类与生成136
5.2.1 椒盐噪声136
5.2.2 高斯噪声139
5.3 线性滤波142
5.3.1 均值滤波142
5.3.2 方框滤波145
5.3.3 高斯滤波147
5.3.4 可分离滤波151
5.4 非线性滤波154
5.4.1 中值滤波154
5.4.2 双边滤波156
5.5 图像的边缘检测159
5.5.1 边缘检测原理159
5.5.2 Sobel算子162
5.5.3 Scharr算子165
5.5.4 生成边缘检测滤波器167
5.5.5 Laplacian算子168
5.5.6 Canny算法170
5.6 本章小结173
第6章 图像形态学操作175
6.1 像素距离与连通域175
6.1.1 图像像素距离变换175
6.1.2 图像连通域分析180
6.2 腐蚀和膨胀187
6.2.1 图像腐蚀188
6.2.2 图像膨胀192
6.3 形态学应用195
6.3.1 开运算195
6.3.2 闭运算197
6.3.3 形态学梯度197
6.3.4 顶帽运算198
6.3.5 黑帽运算198
6.3.6 击中击不中变换199
6.3.7 图像细化202
6.4 本章小结205
应 用 篇
第7章 目标检测208
7.1 形状检测208
7.1.1 直线检测208
7.1.2 直线拟合218
7.1.3 圆形检测220
7.2 轮廓检测223
7.2.1 轮廓发现与绘制223
7.2.2 轮廓面积228
7.2.3 轮廓长度（周长）229
7.2.4 轮廓外接多边形231
7.2.5 点到轮廓距离236
7.2.6 凸包检测237
7.3 矩的计算239
7.3.1 几何矩与中心矩239
7.3.2 Hu矩241
7.3.3 基于Hu矩的轮廓匹配243
7.4 点集拟合245
7.5 QR二维码检测248
7.6 本章小结251
第8章 图像分析与修复253
8.1 傅里叶变换253
8.1.1 离散傅里叶变换253
8.1.2 傅里叶变换进行卷积260
8.1.3 离散余弦变换262
8.2 积分图像266
8.3 图像分割270
8.3.1 漫水填充法270
8.3.2 分水岭法274
8.3.3 Grabcut法277
8.3.4 Mean-Shift法279
8.4 图像修复282
8.5 本章小结285
第9章 特征点检测与匹配287
9.1 角点检测287
9.1.1 显示关键点287
9.1.2 Harris角点检测290
9.1.3 Shi-Tomas角点检测293
9.1.4 亚像素级别角点检测296
9.2 特征点检测298
9.2.1 关键点298
9.2.2 描述子299
9.2.3 SIFT特征点检测300
9.2.4 SURF特征点检测303
9.2.5 ORB特征点检测306
9.3 特征点匹配310
9.3.1 DescriptorMatcher类介绍310
9.3.2 暴力匹配312
9.3.3 显示特征点匹配结果313
9.3.4 FLANN匹配315
9.3.5 RANSAC优化特征点匹配318
9.4 本章小结322
第 10章 立体视觉323
10.1 单目视觉323
10.1.1 单目相机模型323
10.1.2 标定板角点提取327
10.1.3 单目相机标定331
10.1.4 单目相机校正335
10.1.5 单目投影339
10.1.6 单目位姿估计341
10.2 双目视觉346
10.2.1 双目相机模型346
10.2.2 双目相机标定347
10.2.3 双目相机校正350
10.3 本章小结353
第 11章 视频分析354
11.1 差值法检测移动物体354
11.2 均值迁移法目标跟踪357
11.2.1 均值迁移法实现的目标
跟踪357
11.2.2 自适应均值迁移法实现的目标
跟踪361
11.3 光流法目标跟踪365
11.3.1 Farneback多项式扩展算法366
11.3.2 基于LK稀疏光流法的跟踪370
11.4 本章小结375
提 高 篇
第 12章 OpenCV与机器学习378
12.1 OpenCV与传统机器学习378
12.1.1 K均值378
12.1.2 K近邻383
12.1.3 决策树389
12.1.4 随机森林392
12.1.5 支持向量机394
12.2 OpenCV与深度神经网络应用
实例397
12.2.1 加载深度学习模型397
12.2.2 图像识别400
12.2.3 风格迁移403
12.2.4 性别检测405
12.3 本章小结407
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
