計算機視覺(jué)算法：基于OpenCV的計算機應用開(kāi)發(fā)簡(jiǎn)介，目錄書(shū)摘

編輯推薦:

近年來(lái)，隨著(zhù)計算機處理能力和性能的顯著(zhù)提升，計算機視覺(jué)領(lǐng)域也得到極大推動(dòng)，越來(lái)越多的算法被引入來(lái)更有效地執行計算機視覺(jué)任務(wù)。本書(shū)從基礎開(kāi)始，循序漸進(jìn)，通過(guò)實(shí)例介紹每個(gè)算法，適合所有對計算機視覺(jué)領(lǐng)域感興趣并希望在實(shí)際工作中使用計算機視覺(jué)算法的人入門(mén)。

首先，你將了解計算機視覺(jué)開(kāi)發(fā)所需的工具及其安裝和配置，接著(zhù)你將探索OpenCV框架及其強大的庫和函數集。從*簡(jiǎn)單的圖像修改、濾鏡和變換開(kāi)始，你將逐步掌握各種算法知識，直到能執行更復雜的任務(wù)，例如，使用深度學(xué)習算法進(jìn)行實(shí)時(shí)對象檢測。

本書(shū)涵蓋以下內容：
· 機器學(xué)習和人工智能算法。
· 讀取、寫(xiě)入以及處理圖像和視頻。
· 執行數學(xué)、矩陣和其他類(lèi)型的圖像數據操作。
· 從反向投影圖像創(chuàng )建和使用直方圖。
· 檢測運動(dòng)、提取前景和追蹤對象。
· 使用一組特征檢測器算法提取關(guān)鍵點(diǎn)。
· 開(kāi)發(fā)級聯(lián)分類(lèi)器并使用它們，以及訓練和測試分類(lèi)器。
· 使用TensorFlow來(lái)檢測多個(gè)對象。

內容簡(jiǎn)介:

本書(shū)首先介紹計算機視覺(jué)開(kāi)發(fā)所需的工具及其安裝和配置，接著(zhù)探索OpenCV框架及其強大的庫和函數集。從*簡(jiǎn)單的圖像修改、濾鏡和變換開(kāi)始，讀者將逐步掌握各種算法知識，直到能執行更復雜的任務(wù)，例如使用深度學(xué)習算法進(jìn)行實(shí)時(shí)對象檢測等。本書(shū)適合所有對計算機視覺(jué)感興趣并希望在實(shí)際工作中使用計算機視覺(jué)算法的讀者。

作者簡(jiǎn)介:

Amin Ahmadi Tazehkandi是一位伊朗作家、開(kāi)發(fā)工程師和計算機視覺(jué)專(zhuān)家。 他在伊朗完成了計算機軟件工程學(xué)習，并為世界各地的眾多軟件和工業(yè)公司工作。

目錄:目　　錄
Hands-On Algorithms for Computer Vision
譯者序
前言
關(guān)于作者
關(guān)于審稿人
第1章　計算機視覺(jué)概述  1
1.1　技術(shù)要求  1
1.2　理解計算機視覺(jué)  1
1.3　理解計算機圖像  3
1.3.1　色彩空間  5
1.3.2　輸入、處理和輸出  7
1.4　計算機視覺(jué)框架和軟件庫  8
1.5　總結  9
1.6　習題  9
第2章　OpenCV入門(mén)  11
2.1　技術(shù)要求  12
2.2　OpenCV介紹  12
2.3　OpenCV的下載、編譯和安裝  14
2.4　在C++或Python項目中使用OpenCV  17
2.5　理解Mat類(lèi)  19
2.5.1　創(chuàng )建一個(gè)Mat對象  20
2.5.2　刪除一個(gè)Mat對象  23
2.5.3　訪(fǎng)問(wèn)像素  24
2.6　圖像讀寫(xiě)  27
2.7　視頻文件讀寫(xiě)  29
2.7.1　使用攝像頭  31
2.7.2　使用RTSP和網(wǎng)絡(luò )流媒體  32
2.8　Mat類(lèi)家族  32
2.9　總結  32
2.10　習題  33
2.11　補充閱讀  33
第3章　數組和矩陣操作  34
3.1　技術(shù)要求  34
3.2　Mat類(lèi)中的操作  35
3.2.1　克隆矩陣  35
3.2.2　計算叉積  35
3.2.3　提取對角線(xiàn)  36
3.2.4　計算點(diǎn)積  36
3.2.5　學(xué)習單位矩陣  37
3.2.6　矩陣求逆  37
3.2.7　元素級矩陣乘法  37
3.2.8　全一和全零矩陣  37
3.2.9　矩陣轉置  38
3.2.10　重塑Mat對象  39
3.3　元素級矩陣操作  39
3.3.1　基本操作  39
3.3.2　按位邏輯操作  43
3.3.3　比較操作  47
3.3.4　數學(xué)操作  48
3.4　矩陣和數組級操作  49
3.4.1　為外推法生成邊界  50
3.4.2　翻轉（鏡像）和旋轉圖像  51
3.4.3　使用圖像通道  52
3.4.4　數學(xué)函數  54
3.4.5　搜索和定位功能  58
3.5　總結  60
3.6　習題  61
第4章　繪圖、濾鏡和變換  62
4.1　技術(shù)要求  62
4.2　在圖像上繪圖  63
4.2.1　在圖像上打印文字  63
4.2.2　在圖像上繪制形狀  66
4.3　圖像濾鏡  72
4.3.1　模糊/平滑濾鏡  72
4.3.2　形態(tài)濾鏡  76
4.3.3　基于導數的濾鏡  79
4.3.4　任意濾鏡  80
4.4　圖像變換  81
4.4.1　閾值算法  81
4.4.2　色彩空間和類(lèi)型轉換  83
4.5　幾何變換  84
4.6　使用色彩表  86
4.7　總結  88
4.8　習題  88
第5章　反向投影和直方圖  89
5.1　技術(shù)要求  89
5.2　理解直方圖  90
5.3　直方圖反向投影  95
5.4　直方圖比較  103
5.5　直方圖均衡  105
5.6　總結  106
5.7　習題  107
5.8　補充閱讀  107
第6章　視頻分析——運動(dòng)檢測和
追蹤  108
6.1　技術(shù)要求  108
6.2　視頻處理  109
6.3　理解均值偏移算法  112
6.4　使用連續自適應均值偏移算法  119
6.5　使用卡爾曼濾波器進(jìn)行運動(dòng)追蹤和降噪  122
6.6　如何提取背景和前景  129
6.7　總結  132
6.8　習題  132
第7章　對象檢測——特征和描述符  133
7.1　技術(shù)要求  133
7.2　用于對象檢測的模板匹配  134
7.3　檢測角點(diǎn)和邊緣  137
7.3.1　學(xué)習Harris角點(diǎn)檢測算法  137
7.3.2　邊緣檢測算法  143
7.4　輪廓計算和分析  147
7.5　特征檢測、描述和匹配  152
7.6　總結  158
7.7　習題  158
第8章　機器學(xué)習與計算機視覺(jué)  160
8.1　技術(shù)要求  160
8.2　支持向量機  161
8.3　用人工神經(jīng)網(wǎng)絡(luò )訓練模型  169
8.4　級聯(lián)分類(lèi)算法  171
8.4.1　使用級聯(lián)分類(lèi)器進(jìn)行對象檢測  171
8.4.2　訓練級聯(lián)分類(lèi)器  174
8.5　使用深度學(xué)習模型  180
8.6　總結  184
8.7　習題  184
習題答案  185