深入理解OpenCV pdf epub mobi txt 電子書 下載2025

想要找書就要到 小美書屋

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

opencv是最常見的計算機視覺庫之一，它提供瞭許多經過優化的復雜算法。本書對已掌握基本opencv技術同時想提高計算機視覺的實踐經驗的開發者來講是一本非常好的書。每章都有一個單獨的項目，其背景也在這些章節中進行瞭介紹。因此，讀者可以依次學習這些項目，也可以直接跳到感興趣的項目進行學習。

《深入理解opencv：實用計算機視覺項目解析》詳細講解9個實用的計算機視覺項目，通過本書的學習，讀者可以創建各種可運行的項目原型，例如，實時的移動應用、增強現實、從視頻中獲得三維形狀、跟蹤人臉和眼睛、車牌識彆等。

視覺是人類獲取信息的主要來源。圖像、視頻等視覺信息載體也是當今大數據時代最大的數據源之一，在計算機工程、通信、生物學、醫學、軍事等領域有著廣泛應用。由於計算機視覺涉及多個領域的專業知識，以及視覺對象的復雜性和視覺任務的多樣，這使計算機視覺研究很睏難。

OpenCV是開源、跨平颱的計算機視覺庫，其全稱是Open Source Computer Vision Library。它是由英特爾公司發起並參與開發的，可在商業和研究領域中免費使用。OpenCV能開發實時的圖像處理、運動跟蹤、目標檢測等程序。

但目前通過實際應用項目來介紹OpenCV的書很少。本書通過8個典型的計算機視覺項目來介紹OpenCV強大、高效的功能。這8個項目涵蓋瞭計算視覺的如下領域：基於iPhone或iPad的增強現實；從運動中得到3D結構；車牌識彆；人臉識彆與跟蹤；三維頭部姿態估計等。這些項目均用C/C++實現，對於關鍵代碼，作者給齣非常詳細的介紹。在每章中，作者不但介紹項目的應用背景、整體框架、軟件設計方法，同時也深入淺齣地介紹瞭與項目相關的機器學習理論。毫不誇張地講，這是一本用OpenCV來實踐計算機視覺應用難得的好書。

翻譯本書的過程也是我學習的過程，雖然辛苦但也不覺得纍。為瞭做到專業詞匯準確權威，書本內容正確，意譯部分既不失原著意境又無偏差, 在翻譯過程中查閱瞭大量相關資料。但由於時間和能力有限，書中內容難免存在紕漏。若有問題，讀者可通過電子郵件liubo7971@173.com與我聯係，歡迎一起探討，共同進步。

本書翻譯過程得到如下項目資助：（1）重慶市教委研究項目“多核正則化機器學習理論研究”，項目號：KJ130709；（2）重慶工商大學研究項目“基於多核學習的高維數據分析研究”，項目號：2013-56-09；（3）大數據稀疏錶示判彆字典學習及其應用技術研究項目號：KJ1400612。

感謝河南工業大學信息科學與工程學院的靳小波博士對本書翻譯的支持與鼓勵，也感謝我的傢人，特彆感謝我妻子楊雪莉和女兒劉典。雖然翻譯本書占用瞭本應陪她們的大量時間，但她們一直包容並支持我。

《深入理解opencv：實用計算機視覺項目解析》
譯者序
前　言
第1章　android係統上的卡通化和皮膚變換 1
1.1　訪問攝像機 2
1.2　桌麵應用處理攝像機視頻的主循環 3
1.3　生成黑白素描 4
1.4　生成彩色圖像和卡通 5
1.5　用邊緣濾波器來生成“怪物”模式 7
1.6　用皮膚檢測來生成
“外星人”造型 8
1.6.1　皮膚檢測算法 8
1.6.2　確定用戶放置臉的位置 9
1.6.3　皮膚變色器的實現 10
1.7　把桌麵應用移植到android係統 14
1.7.1　安裝使用opencv的android項目 14
1.7.2　在android ndk應用中添加卡通化代碼 17
1.7.3　在android係統中顯示保存圖像的消息 24
1.7.4　降低素描圖像的隨機椒鹽噪聲 27
1.8　總結 31
第2章　iphone或ipad上基於標記的增強現實 32
2.1　使用opencv創建ios項目 33
2.1.1　添加opencv框架 34
2.1.2　包含opencv頭文件 35
2.2　應用程序的結構 36
2.3　標記檢測 43
2.3.1　標記識彆 44
2.3.2　標記編碼識彆 50
2.4　在三維空間放置標記 53
2.4.1　攝像機標定 53
2.4.2　標記姿態估計 54
2.5　渲染3d虛擬物體 56
2.5.1　創建opengl渲染層 56
2.5.2　渲染ar場景 59
2.6　總結 64
2.7　參考文獻 64
第3章　無標記的增加現實 65
3.1　基於標記的ar與無標記的ar 65
3.2　使用特徵描述符檢測視頻中的任意圖像 66
3.2.1　特徵提取 67
3.2.2　模式對象定義 69
3.2.3　特徵點匹配 69
3.2.4　刪除離群值 70
3.2.5　將示例項目各部分放在一起 76
3.3　模式姿態估計 77
3.3.1　patterndetector.cpp 77
3.3.2　獲取攝像機內矩陣 78
3.4　應用的基礎架構 81
3.4.1　arpipeline.hpp 82
3.4.2　arpipeline.cpp 82
3.4.3　在opencv中啓用三維可視化支持 83
3.4.4　使用opencv來創建opengl窗口 84
3.4.5　使用opencv捕獲視頻 85
3.4.6　渲染增強現實 85
3.4.7　演示應用程序 88
3.5　總結 91
3.6　參考文獻 91
第4章　使用opencv研究從運動中恢復結構 92
4.1　從運動中恢復結構的概念 93
4.2　從兩幅圖像估計攝像機運動 94
4.2.1　通過豐富的特徵描述符進行點匹配 94
4.2.2　通過光流進行點匹配 96
4.2.3　搜索攝像機矩陣 99
4.3　重構場景 102
4.4　從多視圖中重構 105
4.5　重構的細化 108
4.6　用pcl來可視化3d點雲 111
4.7　使用示例代碼 113
4.8　總結 114
4.9　參考文獻 115
第5章　基於svm和神經網絡的車牌識彆 116
5.1　anpr簡介 116
5.2　anpr算法 118
5.3　車牌檢測 119
5.3.1　圖像分割 120
5.3.2　分類 125
5.4　車牌號識彆 127
5.4.1　ocr分割 127
5.4.2　特徵提取 129
5.4.3　ocr分類 130
5.4.4　評價 133
5.5　總結 136
第6章　非剛性人臉跟蹤 137
6.1　概述 138
6.2　實用工具 139
6.2.1　麵嚮對象設計 139
6.2.2　數據收集：圖像和視頻標注 140
6.3　幾何約束 145
6.3.1　procrustes分析 146
6.3.2　綫性形狀模型 148
6.3.3　局部�C全局相結閤的錶示 150
6.3.4　訓練與可視化 152
6.4　麵部特徵檢測器 154
6.4.1　相關性塊模型 155
6.4.2　解釋全局幾何變換 159
6.4.3　訓練與可視化 161
6.5　人臉檢測與初始化 163
6.6　人臉跟蹤 166
6.6.1　人臉跟蹤實現 166
6.6.2　訓練與可視化 168
6.6.3　通用與專用人臉模型 168
6.7　總結 169
6.8　參考文獻 169
第7章　基於aam和posit的
三維頭部姿態估計 170
7.1　主動外觀模型概述 171
7.2　主動形狀模型概述 172
7.2.1　感受pca 174
7.2.2　三角剖分 177
7.2.3　扭麯三角化結構 179
7.3　模型實例化――試試主動外觀模型 180
7.4　主動外觀模型搜索和擬閤 181
7.5　posit算法 182
7.5.1　深入理解posit算法 183
7.5.2　posit與頭部模型 185
7.5.3　對攝像機或視頻文件進行跟蹤 185
7.6　總結 187
7.7　參考文獻 187
第8章　基於特徵臉或fisher臉的人臉識彆 189
8.1　人臉識彆與人臉檢測介紹 189
8.1.1　第一步：人臉檢測 191
8.1.2　檢測人臉 194
8.1.3　第2步：人臉預處理 196
8.1.4　第3步：收集並訓練人臉 204
8.1.5　第4步：人臉識彆 212
8.1.6　收尾工作：保存和加載文件 215
8.1.7　收尾工作：製作一個漂亮的交互式gui 215
8.2　總結 225
8.3　參考文獻 225
· · · · · · (收起)