OpenCV3计算机视觉Python语言实现原书第2版乔米尼奇诺JoeMinichino机械工业出版社9787111539759

目　录　Contents
译者序
前言
作者简介
审校者简介
译者简介
章　安装OpenCV1
1.1　选择和使用合适的安装工具2
1.1.1　在Windows上安装2
1.1.2　在OS X系统中安装6
1.1.3　在Ubuntu及其衍生版本中安装11
1.1.4　在其他类Unix系统中安装12
1.2　安装Contrib模块13
1.3　运行示例13
1.4　查找文档、帮助及更新14
1.5　总结15
第2章　处理文件、摄像头和图形用户界面16
2.1　基本I/O脚本 16
2.1.1　读/写图像文件16
2.1.2　图像与原始字节之间的转换19
2.1.3　使用numpy.array访问图像数据20
2.1.4　,文件的读/写22
2.1.5　捕获摄像头的帧23
2.1.6　在窗口显示图像24
2.1.7　在窗口显示摄像头帧25
2.2　Cameo项目（人脸跟踪和图像处理）26
2.3　Cameo—面向对象的设计27
2.3.1　使用managers. CaptureManager提取,流27
2.3.2　使用managers.WindowManager抽象窗口和键盘32
2.3.3　cameo.Cameo的强大实现33
2.4　总结34
第3章　使用OpenCV 3处理图像36
3.1　不同色彩空间的转换36
3.2　傅里叶变换37
3.2.1　高通滤波器37
3.2.2　低通滤波器39
3.3　创建模块39
3.4　边缘检测40
3.5　用定制内核做卷积41
3.6　修改应用43
3.7　Canny边缘检测44
3.8　轮廓检测45
3.9　边界框、小矩形区域和小闭圆的轮廓46
3.10　凸轮廓与Douglas-Peucker算法48
3.11　直线和圆检测50
3.11.1　直线检测50
3.11.2　圆检测51
3.12　检测其他形状52
3.13　总结52
第4章　深度估计与分割53
4.1　创建模块53
4.2　捕获深度摄像头的帧54
4.3　从视差图得到掩模56
4.4　对复制操作执行掩模57
4.5　使用普通摄像头进行深度估计59
4.6　使用分水岭和GrabCut算法进行物体分割63
4.6.1　用GrabCut进行前景检测的例子64
4.6.2　使用分水岭算法进行图像分割66
4.7　总结69
第5章　人脸检测和识别70
5.1　Haar级联的概念70
5.2　获取Haar级联数据71
5.3　使用OpenCV进行人脸检测72
5.3.1　静态图像中的人脸检测72
5.3.2　,中的人脸检测74
5.3.3　人脸识别76
5.4　总结82
第6章　图像检索以及基于图像描述符的搜索83
6.1　特征检测算法83
6.1.1　特征定义84
6.1.2　使用DoG和SIFT进行特征提取与描述86
6.1.3　使用快速Hessian算法和SURF来提取和检测特征89
6.1.4　基于ORB的特征检测和特征匹配91
6.1.5　ORB特征匹配93
6.1.6　K-近邻匹配95
6.1.7　FLANN匹配96
6.1.8　FLANN的单应性匹配99
6.1.9　基于文身取证的应用程序示例102
6.2　总结105
第7章　目标检测与识别106
7.1　目标检测与识别技术106
7.1.1　HOG描述符107
7.1.2　检测人112
7.1.3　创建和训练目标检测器113
7.2　汽车检测116
7.2.1　代码的功能118
7.2.2　SVM和滑动窗口122
7.3　总结134
第8章　目标跟踪135
8.1　检测移动的目标135
8.2　背景分割器：KNN、MOG2和GMG138
8.2.1　均值漂移和CAMShift142
8.2.2　彩色直方图144
8.2.3　返回代码146
8.3　CAMShift147
8.4　卡尔曼滤波器149
8.4.1　预测和更新149
8.4.2　范例150
8.4.3　一个基于行人跟踪的例子153
8.4.4　Pedestrian类154
8.4.5　主程序157
8.5　总结159
第9章　基于OpenCV的神经网络简介160
9.1　人工神经网络160
9.2　人工神经网络的结构161
9.2.1　网络层级示例162
9.2.2　学习算法163
9.3　OpenCV中的ANN164
9.3.1　基于ANN的动物分类166
9.3.2　训练周期169
9.4　用人工神经网络进行手写数字识别170
9.4.1　MNIST—手写数字数据库170
9.4.2　定制训练数据170
9.4.3　初始参数171
9.4.4　迭代次数171
9.4.5　其他参数171
9.4.6　你库172
9.4.7　主文件175
9.5　可能的改进和潜在的应用180
9.5.1　改进180
9.5.2　应用181
9.6　总结181