学习OpenCV 3(中文版)
学习OpenCV 3(中文版)
安德里安·凯勒（Adrian Kaehler）, 加里·布拉德斯基（Gary Bradski） 著
阿丘科技, 刘昌祥, 吴雨培, 王成龙, 崔玉芳 等译
出版时间：2018年08月
页数：837
OpenCV库包含500多个函数，可以扩展应用到视觉行业中的很多领域，有广泛的用途，比如安保，医学成像，模式与人脸识别，机器人和工业产品检测，等等。《学习OpenCV 3（中文版）》实用性强，内容全面，讲解透彻，可以帮助读者掌握如何构建具有一定AI（人工智能）的应用程序，使计 算机能够“看见”并根据所得到的数据来做出决策。本书全面介绍整个 OpenCV库，所有示例代码都用C++实现，同时还介绍了可以用于计算机 视觉的机器学习工具。本书每一章都精心设计有动手练习，旨在方便课 堂教学和自学，进一步帮助读者学以致用。
通过本书的学习，读者可以奠定扎实的基础，运用计算机视觉相关知识和OpenCV库来构建简单的或者精巧复杂的应用程序。本书适合开发人员、研究人员、机器人领域专业人员以及爱好者阅读和参考。
学习OpenCV数据类型、数组类型和数组的操作
● 用HighGUI捕获与存储静态与动态图像
● 对图像进行转换处理，比如放大、缩小、弯曲、重绘以及修复
● 探究模式识别，包括人脸检测
● 通过可视化区域跟踪对象及其移动
● 从立体视觉来重构3D图像
● 掌握OpenCV中的基础与高级机器学习技术
  1. 译者序
  2. 前言
  3. 第1章 概述
  4. 什么是OpenCV
  5. OpenCV怎么用
  6. 什么是计算机视觉
  7. OpenCV的起源
  8. OpenCV的结构
  9. 使用IPP来加速OpenCV
  10. 谁拥有OpenCV
  11. 下载和安装OpenCV
  12. 安装
  13. 从Git获取最新的OpenCV
  14. 更多的OpenCV文档
  15. 提供的文档
  16. 在线文档和维基资源
  17. OpenCV贡献库
  18. 下载和编译Contributed模块
  19. 可移植性
  20. 小结
  21. 练习
  22. 第2章 OpenCV初探
  23. 头文件
  24. 资源
  25. 第一个程序：显示图片
  26. 第二个程序：视频
  27. 跳转
  28. 简单的变换
  29. 不那么简单的变换
  30. 从摄像头中读取
  31. 写入AVI文件
  32. 小结
  33. 练习
  34. 第3章 了解OpenCV的数据类型
  35. 基础知识
  36. OpenCV的数据类型
  37. 基础类型概述
  38. 深入了解基础类型
  39. 辅助对象
  40. 工具函数
  41. 模板结构
  42. 小结
  43. 练习
  44. 第4章 图像和大型数组类型
  45. 动态可变的存储
  46. cv::Mat类N维稠密数组
  47. 创建一个数组
  48. 独立获取数组元素
  49. 数组迭代器NAryMatIterator
  50. 通过块访问数组元素
  51. 矩阵表达式：代数和cv::Mat
  52. 饱和转换
  53. 数组还可以做很多事情
  54. 稀疏数据类cv::SparesMat
  55. 访问稀疏数组中的元素
  56. 稀疏数组中的特有函数
  57. 为大型数组准备的模板结构
  58. 小结
  59. 练习
  60. 第5章 矩阵操作
  61. 矩阵还可以做更多事情
  62. cv::abs()
  63. cv::add()
  64. cv::addWeighted()
  65. cv::bitwise_and()
  66. cv::bitwise_not()
  67. cv::bitwise_or()
  68. cv::bitwise_xor()
  69. cv::calcCovarMatrix()
  70. cv::cartToPolar()
  71. cv::checkRange()
  72. cv::compare()
  73. cv::completeSymm()
  74. cv::convertScaleAbs()
  75. cv::countNonZero()
  76. cv::Mat cv::cvarrToMat()
  77. cv::dct()
  78. cv::dft()
  79. cv::cvtColor()
  80. cv::determinant()
  81. cv::divide()
  82. cv::eigen()
  83. cv::exp()
  84. cv::extractImageCOI()
  85. cv::flip()
  86. cv::gemm()
  87. cv::getConvertElem()和cv::getConvertScaleElem()
  88. cv::idct()
  89. cv::inRange()
  90. cv::insertImageCOI()
  91. cv::invert()
  92. cv::log()
  93. cv::LUT()
  94. cv::Mahalanobis()
  95. cv::max()
  96. cv::mean()
  97. cv::meanStdDev()
  98. cv::merge()
  99. cv::min()
  100. cv::minMaxIdx()
  101. cv::minMaxLoc()
  102. cv::mixChannels()
  103. cv::mulSpectrums()
  104. cv::multiply()
  105. cv::mulTransposed()
  106. cv::norm()
  107. cv::normalize()
  108. cv::perspectiveTransform()
  109. cv::phase()
  110. cv::polarToCart()
  111. cv::pow()
  112. cv::randu()
  113. cv::randn()
  114. cv::repeat()
  115. cv::scaleAdd()
  116. cv::setIdentity()
  117. cv::solve()
  118. cv::solveCubic()
  119. cv::solvePoly()
  120. cv::sort()
  121. cv::sortIdx()
  122. cv::split()
  123. cv::sqrt()
  124. cv::subtract()
  125. cv::sum()
  126. cv::trace()
  127. cv::transform()
  128. cv::transpose()
  129. 小结
  130. 练习
  131. 第6章 绘图和注释
  132. 绘图
  133. 艺术线条和填充多边形
  134. 字体和文字
  135. 小结
  136. 练习
  137. 第7章 OpenCV中的函数子
  138. 操作对象
  139. 主成分分析（cv::PCA）
  140. 奇异值分解cv::SVD
  141. 随机数发生器cv::RNG
  142. 小结
  143. 练习
  144. 第8章 图像、视频与数据文件
  145. HighGUI模块：一个可移植的图形工具包
  146. 图像文件的处理
  147. 图像的载入与保存
  148. 关于codecs的一些注释
  149. 图片的编码与解码
  150. 视频的处理
  151. 使用cv::VideoCapture对象读取视频流
  152. 使用cv::VideoWriter对象写入视频
  153. 数据存储
  154. cv::FileStorage的写入
  155. 使用cv::FileStorage读取文件
  156. cv::FileNode
  157. 小结
  158. 练习
  159. 第9章 跨平台和Windows系统
  160. 基于Windows开发
  161. HighGUI原生图形用户接口
  162. 通过Qt后端工作
  163. 综合OpenCV和全功能GUI工具包
  164. 小结
  165. 练习
  166. 第10章 滤波与卷积
  167. 概览
  168. 预备知识
  169. 滤波、核和卷积
  170. 边界外推和边界处理
  171. 阈值化操作
  172. Otsu算法
  173. 自适应阈值
  174. 平滑
  175. 简单模糊和方框型滤波器
  176. 中值滤波器
  177. 高斯滤波器
  178. 双边滤波器
  179. 导数和梯度
  180. 索贝尔导数
  181. Scharr滤波器
  182. 拉普拉斯变换
  183. 图像形态学
  184. 膨胀和腐蚀
  185. 通用形态学函数
  186. 开操作和闭操作
  187. 形态学梯度
  188. 顶帽和黑帽
  189. 自定义核
  190. 用任意线性滤波器做卷积
  191. 用cv::filter2D()进行卷积
  192. 通过cv::sepFilter2D使用可分核
  193. 生成卷积核
  194. 小结
  195. 练习
  196. 第11章 常见的图像变换
  197. 概览
  198. 拉伸、收缩、扭曲和旋转
  199. 均匀调整
  200. 图像金字塔
  201. 不均匀映射
  202. 仿射变换
  203. 透视变换
  204. 通用变换
  205. 极坐标映射
  206. LogPolar
  207. 任意映射
  208. 图像修复
  209. 图像修复
  210. 去噪
  211. 直方图均衡化
  212. cv::equalizeHist()用于对比均衡
  213. 小结
  214. 练习
  215. 第12章 图像分析
  216. 概览
  217. 离散傅里叶变换
  218. cv::dft()离散傅里叶变换
  219. cv::idft()用于离散傅里叶逆变换
  220. cv::mulSpectrums()频谱乘法
  221. 使用傅里叶变换进行卷积
  222. cv::dct()离散余弦变换
  223. cv::idct()离散余弦逆变换
  224. 积分图
  225. cv::integral()标准求和积分
  226. cv::integral()平方求和积分
  227. cv::integral()倾斜求和积分
  228. Canny边缘检测
  229. cv::Canny()
  230. Hough变换
  231. Hough线变换
  232. Hough圆变换
  233. 距离变换
  234. cv::distanceTransform()无标记距离变换
  235. cv::distanceTransform()有标记距离变换
  236. 分割
  237. 漫水填充
  238. 分水岭算法
  239. Grabcuts算法
  240. Mean-Shift分割算法
  241. 小结
  242. 练习
  243. 第13章 直方图和模板
  244. OpenCV中直方图的表示
  245. cv::calcHist()：从数据创建直方图
  246. 基本直方图操作
  247. 直方图归一化
  248. 直方图二值化
  249. 找出最显著的区间
  250. 比较两个直方图
  251. 直方图用法示例
  252. 一些复杂的直方图方法
  253. EMD距离
  254. 反向投影
  255. 模板匹配
  256. 方差匹配方法（cv::TM_SQDIFF）
  257. 归一化方差匹配方法（cv::TM_SQDIFF_NORMED）
  258. 相关性匹配方法（cv::TM_CCORR）
  259. 归一化的互相关匹配方法（cv::TM_CCORR_NORMED）
  260. 相关系数匹配方法（cv::TM_CCOEFF）
  261. 归一化的相关系数匹配方法（cv::TM_CCOEFF_NORMED）
  262. 小结
  263. 练习
  264. 第14章 轮廓
  265. 轮廓查找
  266. 轮廓层次
  267. 绘制轮廓
  268. 轮廓实例
  269. 另一个轮廓实例
  270. 快速连通区域分析
  271. 深入分析轮廓
  272. 多边形逼近
  273. 几何及特性概括
  274. 几何学测试
  275. 匹配轮廓与图像
  276. 矩
  277. 再论矩
  278. 使用Hu矩进行匹配
  279. 利用形状场景方法比较轮廓
  280. 小结
  281. 练习
  282. 第15章 背景提取
  283. 背景提取概述
  284. 背景提取的缺点
  285. 场景建模
  286. 像素
  287. 帧间差分
  288. 平均背景法
  289. 累计均值，方差和协方差
  290. 更复杂的背景提取方法
  291. 结构
  292. 进行背景学习
  293. 存在移动的前景物体时进行背景学习
  294. 背景差分：检测前景物体
  295. 使用码书法的背景模型
  296. 关于码书法的其他想法
  297. 使用连通分量进行前景清理
  298. 小测试
  299. 两种背景方法的对比
  300. OpenCV中的背景提取方法的封装
  301. cv::BackgroundSubstractor基类
  302. KB方法
  303. Zivkovic方法
  304. 小结
  305. 练习
  306. 第16章 关键点和描述子
  307. 关键点和跟踪基础
  308. 角点检测
  309. 光流简介
  310. Lucas-Kanade稀疏光流法
  311. 广义关键点和描述符
  312. 光流，跟踪和识别
  313. OpenCV一般如何处理关键点和描述符
  314. 核心关键点检测方法
  315. 关键点过滤
  316. 匹配方法
  317. 结果显示
  318. 小结
  319. 练习
  320. 第17章 跟踪
  321. 跟踪中的概念
  322. 稠密光流
  323. Farneback多项式扩展算法
  324. Dual TV-L1模型
  325. 简单光流算法
  326. Mean-Shift算法和Camshift追踪
  327. Mean-Shift算法
  328. Camshift
  329. 运动模板
  330. 估计
  331. 卡尔曼滤波器
  332. 扩展卡尔曼滤波器简述
  333. 小结
  334. 练习
  335. 第18章 相机模型与标定
  336. 相机模型
  337. 射影几何基础
  338. Rodrigues变换
  339. 透镜畸变
  340. 标定
  341. 旋转矩阵和平移向量
  342. 标定板
  343. 单应性
  344. 相机标定
  345. 矫正
  346. 矫正映射
  347. 使用cv::convertMaps()在不同表示方式之间转换矫正映射
  348. 使用cv::initUndistortRectifyMap()计算矫正映射
  349. 使用cv::remap()矫正图像
  350. 使用cv::undistort()进行矫正
  351. 使用cv::undistortPoints()进行稀疏矫正
  352. 与标定结合
  353. 小结
  354. 练习
  355. 第19章 投影与三维视觉
  356. 投影
  357. 仿射变换与透视变换
  358. 鸟瞰图变换实例
  359. 三维姿态估计
  360. 单摄像机姿态估计
  361. 立体成像
  362. 三角测量
  363. 对极几何
  364. 本征矩阵和基本矩阵
  365. 计算极线
  366. 立体校正
  367. 立体校正
  368. 立体匹配
  369. 立体校正、标定和对应的示例代码
  370. 来自三维重投影的深度映射
  371. 来自运动的结构
  372. 二维与三维直线拟合
  373. 小结
  374. 练习
  375. 第20章 机器学习基础
  376. 什么是机器学习
  377. 训练集和测试集
  378. 有监督学习和无监督学习
  379. 生成式模型和判别式模型
  380. OpenCV机器学习算法
  381. 机器学习在视觉中的应用
  382. 变量的重要性
  383. 诊断机器学习中的问题
  384. ML库中遗留的机器学习算法
  385. K均值
  386. 马氏距离
  387. 小结
  388. 练习
  389. 第21章 StatModel：OpenCV中的基准学习模型
  390. ML库中的常见例程
  391. 训练方法和cv::ml::TrainData的结构
  392. 预测
  393. 使用cv::StatModel的机器学习算法
  394. 朴素贝叶斯分类器
  395. 二叉决策树
  396. Boosting方法
  397. 随机森林
  398. 期望最大化算法
  399. K近邻算法
  400. 多层感知机
  401. 支持向量机
  402. 小结
  403. 练习
  404. 第22章 目标检测
  405. 基于树的目标检测技术
  406. 级联分类器
  407. 有监督学习和boosting理论
  408. 学习新目标
  409. 使用支持向量机的目标识别
  410. Latent SVM用于目标识别
  411. Bag of Words算法与语义分类
  412. 小结
  413. 练习
  414. 第23章 OpenCV的未来
  415. 过去与未来 783
  416. OpenCV 3.x
  417. 我们上一次预测怎么样？
  418. 未来应用
  419. 目前GSoC的进展
  420. 社区贡献
  421. OpenCV.org
  422. 一些关于AI的猜测
  423. 结语
  424. 附录A 平面划分
  425. 附录B opencv_contrib模块概述
  426. 附录C 标定图案
  427. 参考文献
书名：学习OpenCV 3(中文版)
译者：阿丘科技, 刘昌祥, 吴雨培, 王成龙, 崔玉芳 等译
国内出版社：清华大学出版社
出版时间：2018年08月
页数：837
书号：978-7-302-50418-4
原版书书名：Learning OpenCV 3
原版书出版商：O'Reilly Media
安德里安·凯勒（Adrian Kaehler）
 
安德里安·凯勒（Adrian Kaehler）博士，企业家，硅谷深度学习小组创始人。他的工作重心包括机器学习、统计建模、计算机视觉和机器人。他就职于斯坦福大学人工智能实验室，他还是该校斯坦利团队的成员，该团队在美国国家航空与航天局（NASA）主办的机器人挑战赛中胜出，赢得了200万美元的大奖。
 
 
加里·布拉德斯基（Gary Bradski）
 
加里·布拉德斯基（Gary Bradski）博士是A r r a i y. a i 的首席架构师（CTO），他曾经就职于好几个创
业公司，担任过斯坦福大学计算机系人工智能实验室的顾问教授。他是OpenCV库的创始人，是享有广泛声誉的演讲人和开源社区的积极参与者。
 
 
购买选项
定价：149.00元
书号：978-7-302-50418-4
出版社：清华大学出版社
联系出版社邮购

© 2024，奥莱利技术咨询(北京)有限公司。版权所有。
传真: +86-10-88097463
 京ICP备05003502号