【现货速发】OPENCV轻松入门：面向PYTHON（第2版）
全新正版书籍，24小时发货，可开发票。
￥ 72.9 5.2折 ￥ 139.99 全新
库存4件
天津津南
认证卖家担保交易快速发货售后保障
作者李立宗
出版社电子工业出版社
ISBN9787121455995
出版时间2023-06
装帧平装
开本其他
定价139.99元
货号29586708
上书时间2024-11-27
商品详情
- 品相描述：全新
- 商品描述
-
导语摘要
本书基于面向 Python 的 OpenCV（OpenCV for Python），介绍了图像处理的方方面面。本书以 OpenCV 官方文档的知识脉络为主线，并对细节进行补充和说明。 书中不仅介绍了 OpenCV 函数的使用方法，还介绍了函数实现的算法原理。在介绍 OpenCV 函数的 使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组 的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽 量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。
作者简介
李立宗，天津职业技术师范大学信息技术工程学院副教授，参与了《数字图像处理》等多本图书的编写工作，对数字图像处理研究颇深。
目录
第1章 OpenCV入门1
1.1 如何使用1
1.2 图像处理基本操作3
1.2.1 读取图像4
1.2.2 显示图像5
1.2.3 保存图像10
1.3 OpenCV贡献库10
第2章 图像处理基础12
2.1 图像的基本表示方法12
2.2 像素处理16
2.3 使用numpy.array访问像素24
2.4 感兴趣区域（ROI）30
2.5 通道操作32
2.5.1 通道拆分33
2.5.2 通道合并35
2.6 获取图像属性36
第3章 图像运算38
3.1 图像加法运算38
3.1.1 加号运算符38
3.1.2 cv2.add()函数39
3.2 图像加权和42
3.3 按位逻辑运算44
3.3.1 按位与运算44
3.3.2 按位或运算48
3.3.3 按位非运算49
3.3.4 按位异或运算50
3.4 掩膜51
3.5 图像与数值的运算54
3.6 位平面分解56
3.7 图像加密和解密62
3.8 数字水印66
3.8.1 原理67
3.8.2 实现方法70
3.8.3 例题77
3.9 脸部打码及解码78
3.9.1 按位与方式78
3.9.2 ROI方式82
第4章 色彩空间类型转换85
4.1 色彩空间基础85
4.1.1 GRAY色彩空间85
4.1.2 XYZ色彩空间86
4.1.3 YCrCb色彩空间86
4.1.4 HSV色彩空间87
4.1.5 HLS色彩空间88
4.1.6 CIEL*a*b*色彩空间89
4.1.7 CIEL*u*v*色彩空间90
4.1.8 Bayer色彩空间90
4.2 类型转换函数92
4.3 类型转换实例98
4.3.1 通过数组观察转换效果98
4.3.2 图像处理实例102
4.4 HSV色彩空间讨论104
4.4.1 基础知识104
4.4.2 获取指定颜色105
4.4.3 标记指定颜色107
4.4.4 标记肤色111
4.4.5 实现艺术效果112
4.5 alpha通道113
第5章 几何变换117
5.1 缩放117
5.2 翻转121
5.3 仿射122
5.3.1 平移123
5.3.2 旋转124
5.3.3 更复杂的仿射变换125
5.4 透视126
5.5 重映射128
5.5.1 映射参数的理解129
5.5.2 复制130
5.5.3 绕x轴翻转132
5.5.4 绕y轴翻转134
5.5.5 绕x轴、y轴翻转136
5.5.6 x轴、y轴互换138
5.5.7 图像缩放140
第6章 阈值处理141
6.1 threshold函数141
6.1.1 二值化阈值处理（cv2.THRESH_BINARY）142
6.1.2 反二值化阈值处理（cv2.THRESH_BINARY_INV）144
6.1.3 截断阈值化处理（cv2.THRESH_TRUNC）146
6.1.4 超阈值零处理（cv2.THRESH_TOZERO_INV）147
6.1.5 低阈值零处理（cv2.THRESH_TOZERO）149
6.2 Otsu处理150
6.3 自适应阈值处理153
第7章 图像平滑处理157
7.1 均值滤波159
7.1.1 基本原理159
7.1.2 函数语法166
7.1.3 程序示例167
7.2 方框滤波168
7.2.1 基本原理169
7.2.2 函数语法169
7.2.3 程序示例171
7.3 高斯滤波176
7.3.1 基本原理176
7.3.2 函数语法177
7.3.3 程序示例179
7.4 中值滤波180
7.4.1 基本原理180
7.4.2 函数语法181
7.4.3 程序示例181
7.5 双边滤波182
7.5.1 基本原理182
7.5.2 函数语法184
7.5.3 程序示例185
7.6 2D卷积186
第8章 形态学操作189
8.1 腐蚀189
8.2 膨胀194
8.3 通用形态学函数199
8.4 开运算199
8.5 闭运算201
8.6 形态学梯度运算203
8.7 礼帽运算204
8.8 黑帽运算205
8.9 核函数207
第9章 图像梯度210
9.1 卷积基础210
9.2 Sobel理论基础214
9.3 Sobel算子及函数使用216
9.3.1 参数ddepth217
9.3.2 方向221
9.3.3 实例223
9.4 Scharr算子及函数使用226
9.5 Sobel算子和Scharr算子的比较231
9.6 Laplacian算子及函数使用232
9.7 算子总结234
第10章 Canny边缘检测235
10.1 Canny边缘检测基础235
10.2 Canny函数及使用239
第11章 图像金字塔241
11.1 理论基础241
11.2 pyrDown函数及使用243
11.3 pyrUp函数及使用245
11.4 采样可逆性的研究247
11.5 拉普拉斯金字塔250
11.5.1 定义250
11.5.2 应用252
第12章 图像轮廓257
12.1 查找并绘制轮廓257
12.1.1 查找图像轮廓：findContours函数257
12.1.2 绘制图像轮廓：drawContours函数265
12.1.3 轮廓实例266
12.2 矩特征270
12.2.1 矩的计算：moments函数271
12.2.2 计算轮廓的面积：contourArea函数273
12.2.3 计算轮廓的长度：arcLength函数276
12.3 Hu矩278
12.3.1 Hu矩函数278
12.3.2 形状匹配282
12.4 轮廓拟合284
12.4.1 矩形包围框285
12.4.2 小包围矩形框287
12.4.3 小包围圆形289
12.4.4 拟合椭圆290
12.4.5 拟合直线291
12.4.6 小外包三角形293
12.4.7 逼近多边形294
12.5 凸包296
12.5.1 获取凸包297
12.5.2 凸缺陷299
12.5.3 几何学测试302
12.6 利用形状场景算法比较轮廓306
12.6.1 计算形状场景距离306
12.6.2 计算Hausdorff距离309
12.7 轮廓的特征值312
12.7.1 宽高比312
12.7.2 Extent313
12.7.3 Solidity314
12.7.4 等效直径（Equivalent Diameter）315
12.7.5 方向316
12.7.6 掩膜和像素点318
12.7.7 值和小值及它们的位置323
12.7.8 平均颜色及平均灰度325
12.7.9 极点326
第13章 直方图处理329
13.1 直方图的含义329
13.2 绘制直方图333
13.2.1 使用Numpy绘制直方图333
13.2.2 使用OpenCV绘制直方图335
13.2.3 使用掩膜绘制直方图341
13.3 直方图均衡化345
13.3.1 直方图均衡化原理347
13.3.2 直方图均衡化处理351
13.4 pyplot模块介绍353
13.4.1 subplot函数353
13.4.2 imshow函数354
第14章 傅里叶变换358
14.1 理论基础358
14.2 Numpy实现傅里叶变换362
14.2.1 实现傅里叶变换363
14.2.2 实现逆傅里叶变换364
14.3 OpenCV实现傅里叶变换365
14.3.1 实现傅里叶变换366
14.3.2 实现逆傅里叶变换368
14.4 滤波处理369
14.4.1 滤波原理369
14.4.2 高通滤波实现374
14.4.3 低通滤波实现377
第15章 模板匹配380
15.1 模板匹配基础380
15.2 多模板匹配387
第16章 霍夫变换393
16.1 霍夫直线变换393
16.1.1 霍夫变换原理393
16.1.2 HoughLines函数399
16.1.3 HoughLinesP函数401
16.2 霍夫圆环变换403
第17章 图像分割与提取406
17.1 用分水岭算法实现图像分割与提取406
17.1.1 算法原理406
17.1.2 相关函数介绍408
17.1.3 分水岭算法图像分割实例418
17.2 交互式前景提取421
17.2.1 矩形框提取424
17.2.2 自定义模板提取426
17.2.3 手绘模板提取429
第18章 视频处理432
18.1 VideoCapture类432
18.1.1 类函数介绍432
18.1.2 捕获摄像头视频437
18.1.3 播放视频文件438
18.2 VideoWriter类438
18.2.1 类函数介绍439
18.2.2 保存视频440
18.3 视频操作基础442
第19章 绘图及交互444
19.1 绘画基础444
19.1.1 绘制直线445
19.1.2 绘制矩形446
19.1.3 绘制圆形447
19.1.4 绘制椭圆449
19.1.5 绘制多边形450
19.1.6 在图形上绘制文字451
19.2 鼠标交互454
19.2.1 绘制随机矩形456
19.2.2 双窗口绘制图形457
19.2.3 绘制多种不同图形458
19.3 滚动条460
19.3.1 用滚动条实现调色板461
19.3.2 滚动条交互462
19.3.3 用滚动条作为开关463
第20章 K近邻算法465
20.1 理论基础465
20.2 计算468
20.2.1 归一化468
20.2.2 距离计算469
20.3 手写数字识别的原理470
20.4 自定义函数手写数字识别475
20.5 K近邻模块的基本使用482
20.6 K近邻手写数字识别487
第21章 支持向量机490
21.1 理论基础490
21.2 SVM流程493
21.3 SVM员工表现预测494
21.4 手写数字识别498
第22章 K均值聚类508
22.1 理论基础508
22.1.1 分豆子509
22.1.2 K均值聚类的基本步骤512
22.2 K均值聚类模块512
22.3 单特征豆子分类513
22.4 米粒分类517
22.5 灰度图像二值化521
第23章 人脸识别526
23.1 人脸检测526
23.1.1 基本原理526
23.1.2 级联分类器的使用529
23.1.3 函数介绍530
23.1.4 案例介绍531
23.2 人脸识别基础534
23.2.1 人脸识别基本流程534
23.2.2 OpenCV人脸识别基础535
23.3 LPBH人脸识别536
23.3.1 基本原理537
23.3.2 函数介绍540
23.3.3 案例介绍541
23.4 EigenFaces人脸识别543
23.4.1 基本原理543
23.4.2 函数介绍543
23.4.3 案例介绍544
23.5 Fisherfaces人脸识别546
23.5.1 基本原理546
23.5.2 函数介绍547
23.5.3 案例介绍548
23.6 人脸数据库549
内容摘要
本书基于面向 Python 的 OpenCV（OpenCV for Python），介绍了图像处理的方方面面。本书以 OpenCV 官方文档的知识脉络为主线，并对细节进行补充和说明。 书中不仅介绍了 OpenCV 函数的使用方法，还介绍了函数实现的算法原理。在介绍 OpenCV 函数的 使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组 的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽 量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。
主编推荐
李立宗，天津职业技术师范大学信息技术工程学院副教授，参与了《数字图像处理》等多本图书的编写工作，对数字图像处理研究颇深。
媒体评论
"本书采用Python语言，以案例的形式介绍了OpenCV中的常用算法及其使用方法。Python是一种高效的开发语言，使用Python调用OpenCV中的算法，可以快速地实现计算机视觉应用。
——于仕琪 OpenCV开源库在国内的早期推广者，“OpenCV系列”图书译者、作者，OpenCV中文站站长
本书以通俗的语言，结合贴近生活的实例，形象地介绍了面向Python的OpenCV中各个函数的基本原理和使用方法。希望这本书能够为大家带来有益的启发，帮助大家更好、更快、更全面地掌握面向Python的OpenCV，在计算机视觉领域有所作为。
——高铁杠 南开大学教授、博士生导师
Python是一门跨平台、开源、免费的解释型高级动态编译语言，它使得各领域的工程师、科研人员、策划人员甚至管理人员能够快速实现和验证自己的思路、创意甚至推测。在有些语言中需要编写大量代码才能实现的功能，在Python中直接调用内置函数或者标准库方法即可实现，大幅简化了代码的编写和维护。开发者仅需要把主要精力放在业务逻辑的设计和实现上，Python会自动在开发速度和运行效率之间做出平衡，其精妙之处令人击节赞叹。
——董付国 《Python程序设计》一书作者
计算机视觉是一个崭新而又充满希望的研究领域，而OpenCV是辅助计算机视觉的出色开源工具。OpenCV库旨在提供易于使用的计算机视觉接口，它包含各个领域的500多个函数，能够帮助人们方便、快速、高效地构建视觉应用。不仅如此，它还提供了一个完备的、具有通用性的机器学习模块。可想而知，将Python和OpenCV结合，将产生巨大的威力。
本书比较系统地介绍了面向Python的OpenCV视觉库的使用，内容通俗易懂、生动有趣，案例丰富，实用性强。相信通过学习这本书，大家能够在计算机视觉领域快速入门，熟练地使用面向Python的OpenCV解决实际问题。
——毕磊 腾讯科技高级工程师
有幸提前翻阅了这本书的内容，这本书和李老师的课程一样，循序渐进，深入浅出，非常适合我这样的初学者。感谢老师开发了如此通俗易懂的OpenCV课程，让OpenCV的学习变得非常轻松。
——LittleKEY 在线视频课程学员"
— 没有更多了 —
以下为对购买帮助不大的评价