简体网页||繁体网页

☆☆☆☆☆

图书标签:

• OpenCV
• 计算机视觉
• Python
• 图像处理
• 编程实例
• 书籍
• 技术
• 开发
• 算法
• 机器学习

店铺： 一键团图书专营店

出版社： 机械工业出版社

ISBN：9787111539759

版次：1

商品编码：10444640800

OpenCV 3计算机视觉：Python语言实现（原书第2版

基本信息

• 原书名：Learning OpenCV 3 Computer Vision with Python，Second Edition

• 作者：   
• 译者：   
• 丛书名：
• 出版社：
• ISBN：9787111539759
• 上架时间：2016-6-14
• 出版日期：2016 年6月
• 开本：16开
• 版次：1-1
• 所属分类：  >  > 
  

内容简介

本书分9章来介绍计算机视觉的重要概念，所有的概念都融入了一些很有趣的项目。本书首先详细介绍了多个平台下基于Python的OpenCV安装，继而介绍了计算机视觉应用的基本操作，包括图像文件的读取与显示，图像处理的基本操作（比如边缘检测等），深度估计与分割，人脸检测与识别，图像的检索，目标的检测与识别，目标跟踪，神经网络的手写体识别。可以这样说，本书是一本不可多得的采用OpenCV实践计算机视觉应用的好书。 

OpenCV图像处理编程实例 

 

 

作 译 者：朱伟等

出版时间：2016-04    千 字 数：633

版    次：01-01    页    数：396

开    本：16开

装    帧：

I S B N ：9787121285738     

换    版：

所属分类：科技 >> 计算机 >> 图形图像

纸质书定价：￥89.0

 

 

本书以OpenCV开源库为基础实现图像处理领域的 很多通用算法，并结合当今图像处理领域前沿技术，对多个典型工程实例进行讲解及实现。全书内容覆盖面广，由基础到进阶，各个技术点均提供详细的代码实现，以帮助读者快速上手和深入学习。

 

 

Part I  基础篇  OpenCV开发基础

第1章  初识OpenCV

1.1 OpenCV初识

1.1.1 OpenCV简介

1.1.2 OpenCV组件及架构

1.1.3 OpenCV资源

1.2 VS2012安装OpenCV2.4.x

1.3 VS2013安装OpenCV3.0

1.4 Sublime下配置OpenCV

1.5 小结

第2章  图像及视频基本操作

2.1 图像初级操作

2.1.1 Mat类

2.1.2 Mat基本操作

2.1.3 Mat类型转换

2.1.4 图像读取显示保存

2.1.5 图像存储

2.2 图像几何变换

2.2.1 坐标映射

2.2.2 平移

2.2.3 缩放

2.2.4 旋转

2.2.5 仿射变换

2.3 视频操作

2.3.1 VideoCapture类

2.3.2 视频写操作

2.3.3 视频质量评价

2.4 图像基础应用操作

2.4.1 界面事件

2.4.2 区域提取

2.4.3 图像元素遍历——反色

2.4.4 单窗口显示多幅图像

2.4.5 图像颜色空间转换

2.4.6 图像批量读取——规则

2.4.7 图像批量读取——无规则

2.5 小结

Part II  进阶篇  图像处理技术

第3章  进阶篇——图像灰度变换技术

3.1 阈值化处理

3.1.1 OTSU阈值化

3.1.2 固定阈值化

3.1.3 自适应阈值化

3.1.4 双阈值化

3.1.5 半阈值化

3.2 直方图处理

3.2.1 灰度直方图

3.2.2 H-S直方图

3.2.3 BGR直方图

3.2.4 自定义直方图

3.2.5 灰度直方图均衡

3.2.6 彩色直方图均衡

3.2.7 直方图变换——查找

3.2.8 直方图变换——累计

3.2.9 直方图匹配

3.2.10 直方图对比

3.2.11 直方图的反向投影

3.3  距离变换

3.3.1 距离

3.3.2 邻接性

3.3.3 区域

3.3.4 距离变换——扫描

3.3.5 距离变换——distanceTransform

3.4 Gamma校正

3.5 其他常见的灰度变换技术

3.5.1 线性变换

3.5.2 对数变换

3.5.3 对比度拉伸

3.5.4 灰度级分层

3.5.5 灰度比特平面

3.6 实例应用

3.6.1 大熵阈值分割

3.6.2 投影峰谷查找

3.7 小结

第4章  进阶篇——图像平滑技术

4.1 图像采样

4.1.1 近邻插值

4.1.2 双线性插值

4.1.3 插值操作性能对比

4.1.4 图像金字塔

4.2 傅里叶变换

4.2.1 图像掩码操作

4.2.2 离散傅里叶

4.2.3 图像卷积

4.3 图像噪声

4.3.1 椒盐噪声

4.3.2 高斯噪声

4.4 空间平滑

4.4.1 盒滤波

4.4.2 均值滤波

4.4.3 中值滤波

4.4.4 高斯滤波

4.4.5 双边滤波

4.5 实例应用

4.5.1 导向滤波

4.5.2 图像污点修复

4.5.3 旋转文本图像矫正

4.6 小结

第5章  进阶篇——边缘检测技术

5.1 边缘检测基础

5.1.1 边缘检测概念

5.1.2 梯度算子

5.1.3 一阶微分算子

5.1.4 二阶微分算子

5.1.5 图像差分运算

5.1.6 非极大值抑制

5.2 基本边缘检测算子——Sobel

5.2.1 非极大值抑制Sobel检测

5.2.2 图像直接卷积实现Sobel

5.2.3 图像卷积下非极大值抑制Sobel

5.2.4 Sobel库函数实现

5.3 基本边缘检测算子——Laplace

5.4 基本边缘检测算子——Roberts

5.5 基本边缘检测算子——Prewitt

5.6 改进边缘检测算子——Canny

5.6.1 Canny算子

5.6.2 Canny原理及实现

5.6.3 Canny库函数实现

5.7 改进边缘检测算子——Marr-Hildreth

5.8 几何检测

5.8.1 霍夫变换

5.8.2 线检测技术

5.8.3 LSD快速直线检测

5.8.4 圆检测技术

5.9 形状检测

5.9.1 轮廓检测

5.9.2 凸包检测

5.9.3 轮廓边界框

5.9.4 轮廓矩

5.9.5 点多边形测试

5.10 角点检测

5.10.1 moravec角点

5.10.2 harris角点

5.10.3 Shi-Tomasi角点

5.11 实例应用

5.11.1 颜色圆检测

5.11.2 车牌区域检测

5.12 小结

第6章  进阶篇——形态学技术

6.1 腐蚀膨胀操作

6.2 开闭运算操作

6.3 形态学梯度

6.4 形态学Top-Hat

6.5 实例应用

6.5.1 形态学滤波角点提取

6.5.2 车牌目标提取

6.6 小结

Part III  高级篇  图像应用技术

第7章  高级篇——图像分割技术

7.1 分水岭分割

7.1.1 分水岭的特征

7.1.2 实现分水岭分割

7.1.3 分水岭分割合并

7.2 FloodFill分割

7.3 均值漂移MeanShift

7.4 图割Grabcut

7.5 实例实例

7.5.1 奇异区域检测

7.5.2 肤色检测

7.6 小结

第8章  高级篇——特征分析

8.1 尺度空间

8.1.1 尺度与旋转不变性

8.1.2 特征点尺度变换

8.2 特征描述子

8.2.1  SIFT特征

8.2.2 SURF特征

8.2.3 ORB特征

8.3 方向梯度直方图HOG

8.3.1 HOG原理

8.3.2 HOG特征提取步骤

8.3.3 HOGDescriptor特征描述类

8.3.4 HOG特征描述实现

8.4 局部二值模式LBP

8.4.1 经典LBP

8.4.2 圆形LBP

8.5 Haar特征描述

8.5.1 Haar原理

8.5.2 Haar特征提取

8.6 应用实例

8.6.1 近邻特征点目标提取

8.6.2 大极值稳定区域匹配MSER

8.6.3 字符特征提取

8.6.4 车牌字符SVM训练

8.7 小结

第9章  高级篇——复杂视频处理技术

9.1 视频稳像技术

9.2 图像拼接

9.2.1 拼接原理及过程

9.2.2 图像拼接实现

9.3 高动态范围图像HDR

9.3.1 HDR合成技术

9.3.2 HDR合成原理

9.3.3 OpenCV实现

9.4 背景建模

9.4.1 背景差分

9.4.2 混合高斯背景建模

9.4.3 混合高斯背景建模实现

9.4.4 混合模型MOG2成员参数设定

9.4.5 KNN模型背景建模实现

9.4.6 GMG模型背景建模实现

9.5 级联分类器——人脸检测

9.5.1 级联分类器

9.5.2 CascadeClassifier类

9.6 应用实例

9.6.1 运动目标提取

9.6.2 TLD单目标跟踪

9.6.3 人眼检测与跟踪

9.7 小结

附录A

1——代码清单

2——CMake编译OpenCV3.1源码

3——OpenCV3.1 Extra扩展库

参考文献

《Python与OpenCV 3：深入探索计算机视觉的奥秘》 简介 在当今科技飞速发展的时代，计算机视觉作为人工智能的核心分支之一，正以前所未有的速度渗透到我们生活的方方面面。从智能手机的面部识别解锁，到自动驾驶汽车的感知系统，再到医疗影像分析的辅助诊断，计算机视觉技术的影响力日益彰显。而OpenCV，作为一款功能强大、开源且跨平台的计算机视觉库，凭借其丰富的算法集和高效的实现，已成为全球计算机视觉开发者和研究人员的首选工具。 本书《Python与OpenCV 3：深入探索计算机视觉的奥秘》并非仅仅是OpenCV 3的简单介绍，更是一场由Python驱动，带领读者深入理解计算机视觉核心原理，并结合OpenCV 3强大的功能进行实践的深度探索之旅。我们不追求罗列OpenCV 3所有功能的“百科全书”式编写，而是聚焦于那些构成计算机视觉基石的关键技术，力求通过清晰的理论阐述、精炼的代码示例和富有洞察力的分析，帮助读者建立起扎实的计算机视觉理论功底，并掌握利用OpenCV 3解决实际问题的能力。 本书的目标读者是对计算机视觉充满好奇，希望通过Python语言和OpenCV 3库将其付诸实践的开发者、学生及研究人员。无论您是初次接触计算机视觉领域，还是已具备一定的图像处理基础，本书都将为您提供一条清晰的学习路径。我们假设读者具备一定的Python编程基础，能够理解基本的数据结构和控制流程。对于计算机视觉相关的数学概念，本书将在必要时进行讲解，确保读者能够理解其背后的原理。 本书亮点与特色 1. 理论与实践深度融合： 本书严格遵循“先理解，后实践”的原则。在介绍每一项计算机视觉技术时，我们都会首先深入剖析其背后的数学原理和算法思想，让读者明白“是什么”以及“为什么”。在此基础上，再结合OpenCV 3提供的强大API，展示如何用简洁高效的Python代码实现这些技术。我们提供的代码示例不仅是功能的堆叠，更是对理论知识的生动诠释。 2. 聚焦核心技术，精雕细琢： 计算机视觉领域博大精深，OpenCV 3的功能更是浩如烟海。本书选择将重点放在那些最核心、最具代表性的计算机视觉技术上，例如： 图像基础操作与处理： 从像素层面的理解，到基本的滤波、色彩空间转换、几何变换等，为后续更复杂的任务打下坚实基础。 特征检测与描述： 深入讲解SIFT、SURF、ORB等经典的特征提取算法，理解特征点在图像匹配、目标识别中的关键作用。 目标检测与跟踪： 涵盖基于传统方法（如Haar级联分类器）和现代深度学习方法（如HOG+SVM、DNN模块）的目标检测技术，以及单目标跟踪和多目标跟踪的常用算法。 立体视觉与深度感知： 讲解双目视觉的原理，包括相机标定、特征匹配、视差计算和深度图的重建，为3D场景理解提供基础。 图像分割与对象识别： 探索图像分割的不同方法，以及如何利用OpenCV 3进行图像分类和对象识别。 3. Pythonic的代码风格： 本书的所有代码示例均遵循Pythonic的风格，力求代码的简洁、可读性和高效性。我们鼓励读者在理解代码逻辑的基础上，进一步学习如何利用Python的特性来优化计算机视觉算法的实现。 4. 循序渐进的难度设计： 本书的章节安排循序渐进，从最基础的图像操作开始，逐步深入到更复杂的应用场景。读者可以根据自己的基础和兴趣，选择性地阅读或深入钻研。每一章都力求在有限的篇幅内，将一个或一组相关的计算机视觉主题讲透。 5. 丰富的实例驱动： 理论的生命在于应用。本书的每一项技术讲解都伴随着具体的编程实例。这些实例均来源于实际应用场景，力求贴近读者的工作和学习需求，帮助读者在解决实际问题的过程中，不断巩固和深化所学知识。 内容概述 本书将分为若干个逻辑清晰的章节，以下是各章节将涵盖的主要内容要点，旨在为读者勾勒出本书的知识图谱： 第一部分：计算机视觉基础与OpenCV 3入门 第一章：计算机视觉概览与OpenCV 3简介 计算机视觉的定义、发展历程与应用领域。 OpenCV库的历史、架构与安装。 Python与OpenCV 3的结合优势。 第一个OpenCV 3 Python程序：图像的加载、显示与保存。 图像的基本属性：尺寸、通道、数据类型。 第二章：图像的像素级操作与基本几何变换 访问和修改像素值。 图像的算术运算（加、减、乘、除）。 图像的逻辑运算（AND、OR、XOR、NOT）。 图像的色彩空间转换（BGR、Gray、HSV、YUV等）及其应用。 图像的缩放、平移、旋转、仿射变换和透视变换。 使用ROI（Region of Interest）进行局部操作。 第三章：图像滤波与降噪 滤波的基本概念：卷积核、卷积操作。 线性滤波：高斯滤波、均值滤波、Sobel算子、Scharr算子。 非线性滤波：中值滤波、双边滤波。 降噪算法的应用场景与选择。 形态学图像处理：腐蚀、膨胀、开运算、闭运算、礼帽、黑帽。 第二部分：核心视觉任务的实现 第四章：图像特征检测与描述 什么是图像特征？特征在计算机视觉中的重要性。 Harris角点检测。 SIFT（Scale-Invariant Feature Transform）特征。 SURF（Speeded Up Robust Features）特征。 ORB（Oriented FAST and Rotated BRIEF）特征。 特征匹配：暴力匹配、FLANN匹配。 应用：全景图像拼接基础。 第五章：目标检测的经典方法 目标检测的挑战与基本流程。 Haar级联分类器：原理与使用（以人脸检测为例）。 HOG（Histogram of Oriented Gradients）特征。 HOG + SVM（Support Vector Machine）目标检测。 滑动窗口技术的应用。 第六章：目标跟踪 目标跟踪的基本概念与挑战。 基于光流法的跟踪（Lucas-Kanade）。 多目标跟踪的原理与实现思路。 Kalman滤波器在目标跟踪中的应用。 OpenCV 3提供的跟踪器API介绍。 第三部分：高级计算机视觉应用 第七章：立体视觉与深度估计 单目与双目视觉的区别。 相机模型：针孔相机模型。 相机标定：内参、外参、畸变系数。 立体校正。 视差计算：SGBM算法。 从视差图重建3D点云。 第八章：图像分割与轮廓分析 图像分割的目标与方法。 阈值分割（Otsu's方法）。 边缘检测（Canny算子）。 轮廓查找与绘制。 轮廓的几何属性分析：面积、周长、中心点、边界矩形等。 形状匹配与识别基础。 第九章：深度学习在计算机视觉中的应用（OpenCV DNN模块） 深度学习与传统计算机视觉方法的对比。 OpenCV DNN模块的功能与优势。 加载预训练模型：YOLO、SSD、Mask R-CNN等。 使用DNN模块进行目标检测、图像分类、语义分割。 处理图像与网络输入的兼容性。 第四部分：实践与进阶 第十章：实例驱动：综合应用案例 人脸识别系统： 结合特征检测、人脸检测与简单的分类器实现。 物体计数： 利用轮廓分析实现简单物体的计数。 二维码/条形码识别： 结合图像处理和寻找特定形状的二维码。 运动检测与分析： 利用背景减除法实现运动物体的检测。 第十一章：性能优化与高级主题 OpenCV 3的性能优化技巧。 多线程与并行处理。 GPU加速的初步介绍（若OpenCV 3版本支持）。 计算机视觉项目的部署考虑。 拓展阅读方向：SLAM、3D重建、生成模型等。 结语 本书力求成为您进入计算机视觉领域的得力助手，通过Python和OpenCV 3，带您领略其无穷的魅力。我们相信，在掌握了本书所阐述的核心概念和实践技巧后，您将能够独立分析和解决各种计算机视觉问题，并为未来更深入的学习和研发打下坚实的基础。让我们一起，用代码解锁视觉的无限可能。

评分☆☆☆☆☆

评价二 这本书的装帧和纸质感觉相当不错，拿在手里很舒服，字迹印刷也很清晰，这对于长时间阅读技术书籍来说，是一个非常友好的细节。我之前尝试过一些在线教程和零散的文章来学习OpenCV，总感觉知识点不够系统，而且很多例子都过于简单，无法触及到实际工程中可能遇到的复杂场景。这本书的书名很直接地指出了其核心内容，即通过Python语言来实现OpenCV的各种功能，并且强调了“编程实例”，这正是我目前非常需要的。我希望这本书能够涵盖从基础的图像操作，比如图像的读取、写入、裁剪、缩放、颜色空间转换，到更高级的图像处理技术，比如各种滤波器的原理和应用（高斯模糊、中值滤波、Sobel算子等），以及特征检测和描述（SIFT、SURF、ORB等）的实现。此外，书中关于物体识别和跟踪的章节，如果能有详细的算法讲解和代码实现，那就更完美了。我个人对机器学习在计算机视觉中的应用非常感兴趣，如果这本书能触及到一些相关的基础概念和OpenCV的集成，那就更符合我的学习期望了。总而言之，我期待它成为一本能够指导我从入门到实践的坚实技术手册。

评分☆☆☆☆☆

评价五 这本书的书名相当直观，直接点明了其核心内容：利用Python语言来实现OpenCV 3的各种计算机视觉功能，并通过大量的“编程实例”来加深理解。对于像我这样希望通过实践来学习计算机视觉的读者来说，这绝对是一个非常有吸引力的卖点。我期待这本书能够提供一个全面且系统的学习路径，从OpenCV的基础知识入手，逐步深入到更高级的图像处理和计算机视觉算法。我希望书中能够包含对各种图像滤波技术（如高斯滤波、双边滤波）、形态学操作（腐蚀、膨胀）、边缘检测（Canny、Sobel）的清晰讲解，以及对特征检测与描述算法（SIFT、SURF、ORB）的详尽说明和代码实现。此外，我也非常关注书中是否能涵盖一些更具挑战性的主题，例如物体识别、跟踪、图像分割、甚至是基础的三维视觉技术，并且这些主题都能通过具体的Python代码实例来展示。这本书的“计算机书”标签，也暗示了它可能不仅仅停留在表面的操作演示，而是会深入探讨算法的原理和效率，这正是我所追求的。

评分☆☆☆☆☆

评价一 这本书的封面设计倒是挺吸引人的，一看就是那种厚实、有分量的技术类书籍。拿到手里沉甸甸的，感觉内容应该很扎实，不像是那种轻飘飘、泛泛而谈的入门读物。书名里的“OpenCV 3”和“Python语言实现”就直接点明了主题，对于想深入学习计算机视觉，特别是想用Python来实现的开发者来说，这绝对是个不错的选择。我尤其看重“编程实例”这个部分，因为理论再多，没有实际的代码来印证和练习，学起来总是隔靴搔痒。我期待这本书能在讲解OpenCV核心概念的同时，提供大量可以直接上手运行的例子，能够从最基础的图像加载、显示，到更复杂的图像滤波、边缘检测、特征提取，甚至到一些进阶的应用，比如物体识别、人脸检测等等，都能通过实例来深入理解。而且，OpenCV的版本很重要，3.x版本虽然现在不是最新，但在很多经典教程和项目里仍被广泛使用，能够掌握这个版本的API，对于理解后续版本也很有帮助。这本书的“计算机书”后缀，虽然有点……独特，但也能看出它是一本面向专业学习的图书，而不是那种娱乐性的读物。希望内容能够系统、条理清晰，并且源代码部分也易于查找和使用，这样才能真正地帮助读者提高技能。

评分☆☆☆☆☆

评价三 我注意到这本书的标题里明确提到了“OpenCV 3”和“Python语言实现”，这对我来说是一个非常重要的信息。我正在寻找一本能够系统性地介绍OpenCV库，并结合Python进行实际编程操作的书籍，而这本书似乎正好满足了我的需求。我对计算机视觉领域有着浓厚的兴趣，并且深知OpenCV作为这个领域最强大的开源库之一，其重要性不言而喻。我特别看重“编程实例”这一部分，因为理论知识的学习固然重要，但只有通过大量的实践，才能真正掌握这些技术，并将其应用到实际项目中。我希望这本书能够包含各种类型的图像处理和计算机视觉任务的实例，例如图像增强、特征匹配、物体检测、人脸识别、图像分割等等。同时，我也希望书中能够对OpenCV 3中的一些关键算法和API有深入的讲解，并且能够提供清晰、可运行的代码示例，方便我进行学习和调试。对于“计算机书”这个后缀，我理解它可能强调了这本书的技术性和专业性，希望它能够提供更深层次的理论探讨和代码实现。

评分☆☆☆☆☆

评价四 这本《OpenCV 3计算机视觉：Python语言实现+OpenCV图像处理编程实例 计算机 书》的标题给我一种务实和专业的印象。我一直觉得学习像OpenCV这样功能强大的计算机视觉库，光看理论是远远不够的，关键在于动手实践，将学到的知识转化为解决实际问题的能力。书名中“Python语言实现”和“编程实例”的组合，正是我寻找的那种能够将概念与代码紧密结合的学习材料。我希望这本书能够提供一系列循序渐进的例子，从最基础的图像处理操作，比如色彩空间的转换、图像的几何变换，到更复杂的图像分析和理解任务，如边缘检测、角点检测、特征提取与匹配，甚至包括一些基础的机器学习模型的应用，如SVM用于分类，或者是一些预训练模型的加载和使用。我对OpenCV 3这个版本比较熟悉，希望这本书能够充分利用其特性，并提供高质量的代码，能够帮助我理解算法背后的原理，并学会如何高效地运用OpenCV来解决计算机视觉问题。总的来说，我期待它是一本能够让我真正“玩转”OpenCV的实用指南。