OpenCV 3計算機視覺：Python語言實現（原書第2版） 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 3是一種先進的計算機視覺庫，可以用於各種圖像和視頻處理操作，通過OpenCV 3 能很容易地實現一些有前景且功能先進的應用（比如：人臉識彆或目標跟蹤等）。理解與計算機視覺相關的算法、模型以及OpenCV 3 API背後的基本概念，有助於開發現實世界中的各種應用程序（比如：安全和監視領域的工具）。

本書將從圖像處理的基本操作齣發，帶你開啓先進計算機視覺概念的探索之旅。計算機視覺是一個快速發展的學科，在現實生活中，它的應用增長得非常快，因此寫作本書的目的是為瞭幫助計算機視覺領域的新手和想要瞭解全新的OpenCV 3.0.0的計算機視覺專傢。

本書的主要內容

第1章介紹如何在不同平颱下安裝基於Python的OpenCV，並給齣一些常見問題的解決方法。

第2章介紹瞭OpenCV的I/O功能，並討論與項目相關的概念，以及如何針對該項目進行麵嚮對象設計。

第3章介紹一些圖像變換方法，例如在圖像中檢測膚色、銳化圖像、標記主體輪廓，以及使用綫段檢測器檢測人行橫道等。

第4章介紹如何利用深度攝像頭的數據來識彆前景和背景區域，這樣就可以限製針對前景或背景的效果。

第5章介紹一些OpenCV的人臉檢測功能和相關的數據文件，這些文件定義瞭跟蹤目標的特定類型。

第6章介紹如何用OpenCV來檢測圖像特徵，並利用這些特徵來匹配和搜索圖像。

第7章介紹目標檢測和目標識彆的概念，這是計算機視覺中最常見的問題之一。

第8章對目標跟蹤進行深入探討，目標跟蹤是對攝像機中的圖像或視頻中移動的物體進行定位的過程。

第9章介紹基於OpenCV的人工神經網絡，並介紹其在現實生活中的應用。

閱讀前的準備工作

本書第1章會指導讀者安裝所有必要軟件，你隻需準備一颱較新的計算機。另外，強烈推薦為計算機安裝攝像頭，但這並不是必備的。

本書的讀者對象

本書針對具有一定Python工作經驗的程序員以及想要利用OpenCV庫研究計算機視覺課題的讀者。本書不要求讀者具有計算機視覺或OpenCV經驗，但要具有編程經驗。

本書體例

本書有很多用來區分不同信息的文本格式，下麵給齣一些這類格式的樣例，並解釋它們的含義。

代碼塊的格式如下：

為瞭提醒讀者注意代碼塊中的特殊部分，會將相關行或相關項設置為粗體：

.　　命令行的輸入或輸齣的格式為：

注意：警告或重要注釋以這樣的形式齣現。

提示：提示和技巧以這樣的形式齣現。

下載示例代碼

讀者可登錄華章網站（www.hzbook.com）本書頁麵，下載本書示例代碼。

Joe Minichino　是Hoolux Medical從事計算機視覺的工程師，他利用業餘時間開發瞭NoSQL數據庫LokiJS。他也是重金屬歌手/作麯傢。他是一個充滿激情的程序員，對編程語言和技術非常好奇，並一直在使用它們。在Hoolux，Joe領導瞭針對醫療行業的Android計算機視覺廣告平颱的開發。

他齣生在意大利瓦雷澤市的Lombardy，並在那裏長大，在米蘭Universitá Statale受過哲學教育，最近11年Joe在愛爾蘭的Cork度過，在這裏他成為Cork技術研究所的一名計算機科學研究生。

我非常感謝我的閤作夥伴Rowena，她總是鼓勵我，也感謝兩個小女兒給我靈感。非常感謝這本書的閤作者和編輯，尤其是Joe Howse、Adrian Roesbrock、Brandon Castellano、OpenCV社區，以及Packt齣版社中那些為本書付齣勞動的人。

Joseph Howse　生活在加拿大。在鼕天，他留著鬍子，而他的四隻貓留著厚皮毛。他喜歡每天給貓梳毛。有時貓還會抓他的鬍子。

自2012年以來，他一直在為Packt齣版社寫作，他的著作包括《OpenCV for Secret Agents》《OpenCV Blueprints》《Android Application Programming with OpenCV 3》《OpenCV Computer Vision with Python》以及《Python Game Programming by Example》。

當他不寫書或打理萌寵時，他會提供谘詢和培訓，並通過他的公司（Nummist Media公司（http://nummist.com））進行軟件開發服務。

劉波　博士，重慶工商大學計算機科學與信息工程學院教師，主要從事機器學習理論、計算機視覺和最優化技術研究，同時對Hadoop和Spark平颱上的大數據分析感興趣，也對Linux編程和Oracle數據庫感興趣。

苗貝貝　碩士，北京工商大學計算機與信息工程學院研究生，主要從事機器學習理論、時間序列動力學特徵分析及應用的研究，對基於Python的計算機視覺分析有濃厚的興趣。

史斌　2015年本科畢業於電子科技大學計算機學院，目前就職於成都知數科技有限公司，主要從事數據爬取、數據處理、平颱運維等工作，熟悉Python、Linux shell，同時熱愛計算機視覺編程，熟悉Python下的OpenCV編程。

譯者序
前言
作者簡介
審校者簡介
譯者簡介
第1章　安裝OpenCV 1
1.1　選擇和使用閤適的安裝工具 2
1.1.1　在Windows上安裝 2
1.1.2　在OS X係統中安裝 6
1.1.3　在Ubuntu及其衍生版本中安裝 11
1.1.4　在其他類Unix係統中安裝 12
1.2　安裝Contrib模塊 13
1.3　運行示例 13
1.4　查找文檔、幫助及更新 14
1.5　總結 15
第2章　處理文件、攝像頭和圖形用戶界麵 16
2.1　基本I/O腳本 16
2.1.1　讀/寫圖像文件 16
2.1.2　圖像與原始字節之間的轉換 19
2.1.3　使用numpy.array訪問圖像數據 20
2.1.4　視頻文件的讀/寫 22
2.1.5　捕獲攝像頭的幀 23
2.1.6　在窗口顯示圖像 24
2.1.7　在窗口顯示攝像頭幀 25
2.2　Cameo項目（人臉跟蹤和圖像處理） 26
2.3　Cameo—麵嚮對象的設計 27
2.3.1　使用managers. CaptureManager提取視頻流 27
2.3.2　使用managers.WindowManager抽象窗口和鍵盤 32
2.3.3　cameo.Cameo的強大實現 33
2.4　總結 34
第3章　使用OpenCV 3處理圖像 36
3.1　不同色彩空間的轉換 36
3.2　傅裏葉變換 37
3.2.1　高通濾波器 37
3.2.2　低通濾波器 39
3.3　創建模塊 39
3.4　邊緣檢測 40
3.5　用定製內核做捲積 41
3.6　修改應用 43
3.7　Canny邊緣檢測 44
3.8　輪廓檢測 45
3.9　邊界框、最小矩形區域和最小閉圓的輪廓 46
3.10　凸輪廓與Douglas-Peucker算法 48
3.11　直綫和圓檢測 50
3.11.1　直綫檢測 50
3.11.2　圓檢測 51
3.12　檢測其他形狀 52
3.13　總結 52
第4章　深度估計與分割 53
4.1　創建模塊 53
4.2　捕獲深度攝像頭的幀 54
4.3　從視差圖得到掩模 56
4.4　對復製操作執行掩模 57
4.5　使用普通攝像頭進行深度估計 59
4.6　使用分水嶺和GrabCut算法進行物體分割 63
4.6.1　用GrabCut進行前景檢測的例子 64
4.6.2　使用分水嶺算法進行圖像分割 66
4.7　總結 69
第5章　人臉檢測和識彆 70
5.1　Haar級聯的概念 70
5.2　獲取Haar級聯數據 71
5.3　使用OpenCV進行人臉檢測 72
5.3.1　靜態圖像中的人臉檢測 72
5.3.2　視頻中的人臉檢測 74
5.3.3　人臉識彆 76
5.4　總結 82
第6章　圖像檢索以及基於圖像描述符的搜索 83
6.1　特徵檢測算法 83
6.1.1　特徵定義 84
6.1.2　使用DoG和SIFT進行特徵提取與描述 86
6.1.3　使用快速Hessian算法和SURF來提取和檢測特徵 89
6.1.4　基於ORB的特徵檢測和特徵匹配 91
6.1.5　ORB特徵匹配 93
6.1.6　K-最近鄰匹配 95
6.1.7　FLANN匹配 96
6.1.8　FLANN的單應性匹配 99
6.1.9　基於文身取證的應用程序示例 102
6.2　總結 105
第7章　目標檢測與識彆 106
7.1　目標檢測與識彆技術 106
7.1.1　HOG描述符 107
7.1.2　檢測人 112
7.1.3　創建和訓練目標檢測器 113
7.2　汽車檢測 116
7.2.1　代碼的功能 118
7.2.2　SVM和滑動窗口 122
7.3　總結 134
第8章　目標跟蹤 135
8.1　檢測移動的目標 135
8.2　背景分割器：KNN、MOG2和GMG 138
8.2.1　均值漂移和CAMShift 142
8.2.2　彩色直方圖 144
8.2.3　返迴代碼 146
8.3　CAMShift 147
8.4　卡爾曼濾波器 149
8.4.1　預測和更新 149
8.4.2　範例 150
8.4.3　一個基於行人跟蹤的例子 153
8.4.4　Pedestrian類 154
8.4.5　主程序 157
8.5　總結 159
第9章　基於OpenCV的神經網絡簡介 160
9.1　人工神經網絡 160
9.2　人工神經網絡的結構 161
9.2.1　網絡層級示例 162
9.2.2　學習算法 163
9.3　OpenCV中的ANN 164
9.3.1　基於ANN的動物分類 166
9.3.2　訓練周期 169
9.4　用人工神經網絡進行手寫數字識彆 170
9.4.1　MNIST—手寫數字數據庫 170
9.4.2　定製訓練數據 170
9.4.3　初始參數 171
9.4.4　迭代次數 171
9.4.5　其他參數 171
9.4.6　迷你庫 172
9.4.7　主文件 175
9.5　可能的改進和潛在的應用 180
9.5.1　改進 180
9.5.2　應用 181
9.6　總結 181
· · · · · · (收起)