新書推薦：
《
零基础制作栩栩如生的立体纸艺花
》
售價：NT$
274.0
《
第三帝国图文史（修订版）：纳粹德国浮沉实录（彩色精装典藏版）
》
售價：NT$
941.0
《
四大会计师事务所：历史秘辛与未来挑战
》
售價：NT$
386.0
《
中国社会经济史
》
售價：NT$
498.0
《
犯罪心理X档案：法医精神科医生真实办案手记（第一季）法医精神科医师心理解剖手记
》
售價：NT$
269.0
《
台湾农业产业发展研究
》
售價：NT$
549.0
《
流风回雪：六朝名士的庙堂与山林（论衡系列）
》
售價：NT$
381.0
《
妈妈，我想为自己而活
》
售價：NT$
325.0
|
| 內容簡介： |
|
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。
|
| 關於作者： |
|
目 录 Contents译者序前言作者简介审校者简介译者简介第1章 安装OpenCV11.1 选择和使用合适的安装工具21.1.1 在Windows上安装21.1.2 在OS X系统中安装61.1.3 在Ubuntu及其衍生版本中安装111.1.4 在其他类Unix系统中安装121.2 安装Contrib模块131.3 运行示例131.4 查找文档、帮助及更新141.5 总结15第2章 处理文件、摄像头和图形用户界面162.1 基本IO脚本 162.1.1 读写图像文件162.1.2 图像与原始字节之间的转换192.1.3 使用numpy.array访问图像数据202.1.4 视频文件的读写222.1.5 捕获摄像头的帧232.1.6 在窗口显示图像242.1.7 在窗口显示摄像头帧252.2 Cameo项目（人脸跟踪和图像处理）262.3 Cameo—面向对象的设计272.3.1 使用managers. CaptureManager提取视频流272.3.2 使用managers.WindowManager抽象窗口和键盘322.3.3 cameo.Cameo的强大实现332.4 总结34第3章 使用OpenCV 3处理图像363.1 不同色彩空间的转换363.2 傅里叶变换373.2.1 高通滤波器373.2.2 低通滤波器393.3 创建模块393.4 边缘检测403.5 用定制内核做卷积413.6 修改应用433.7 Canny边缘检测443.8 轮廓检测453.9 边界框、最小矩形区域和最小闭圆的轮廓463.10 凸轮廓与Douglas-Peucker算法483.11 直线和圆检测503.11.1 直线检测503.11.2 圆检测513.12 检测其他形状523.13 总结52第4章 深度估计与分割534.1 创建模块534.2 捕获深度摄像头的帧544.3 从视差图得到掩模564.4 对复制操作执行掩模574.5 使用普通摄像头进行深度估计594.6 使用分水岭和GrabCut算法进行物体分割634.6.1 用GrabCut进行前景检测的例子644.6.2 使用分水岭算法进行图像分割664.7 总结69第5章 人脸检测和识别705.1 Haar级联的概念705.2 获取Haar级联数据715.3 使用OpenCV进行人脸检测725.3.1 静态图像中的人脸检测725.3.2 视频中的人脸检测745.3.3 人脸识别765.4 总结82第6章 图像检索以及基于图像描述符的搜索836.1 特征检测算法836.1.1 特征定义846.1.2 使用DoG和SIFT进行特征提取与描述866.1.3 使用快速Hessian算法和SURF来提取和检测特征896.1.4 基于ORB的特征检测和特征匹配916.1.5 ORB特征匹配936.1.6 K-最近邻匹配956.1.7 FLANN匹配966.1.8 FLANN的单应性匹配996.1.9 基于文身取证的应用程序示例1026.2 总结105第7章 目标检测与识别1067.1 目标检测与识别技术1067.1.1 HOG描述符1077.1.2 检测人1127.1.3 创建和训练目标检测器1137.2 汽车检测1167.2.1 代码的功能1187.2.2 SVM和滑动窗口1227.3 总结134第8章 目标跟踪1358.1 检测移动的目标1358.2 背景分割器：KNN、MOG2和GMG1388.2.1 均值漂移和CAMShift1428.2.2 彩色直方图1448.2.3 返回代码1468.3 CAMShift1478.4 卡尔曼滤波器1498.4.1 预测和更新1498.4.2 范例1508.4.3 一个基于行人跟踪的例子1538.4.4 Pedestrian类1548.4.5 主程序1578.5 总结159第9章 基于OpenCV的神经网络简介1609.1 人工神经网络1609.2 人工神经网络的结构1619.2.1 网络层级示例1629.2.2 学习算法1639.3 OpenCV中的ANN1649.3.1 基于ANN的动物分类1669.3.2 训练周期1699.4 用人工神经网络进行手写数字识别1709.4.1 MNIST—手写数字数据库1709.4.2 定制训练数据1709.4.3 初始参数1719.4.4 迭代次数1719.4.5 其他参数1719.4.6 迷你库1729.4.7 主文件1759.5 可能的改进和潜在的应用1809.5.1 改进1809.5.2 应用1819.6 总结181
|
| 目錄：
|
|
目 录 Contents译者序前言作者简介审校者简介译者简介第1章 安装OpenCV11.1 选择和使用合适的安装工具21.1.1 在Windows上安装21.1.2 在OS X系统中安装61.1.3 在Ubuntu及其衍生版本中安装111.1.4 在其他类Unix系统中安装121.2 安装Contrib模块131.3 运行示例131.4 查找文档、帮助及更新141.5 总结15第2章 处理文件、摄像头和图形用户界面162.1 基本IO脚本 162.1.1 读写图像文件162.1.2 图像与原始字节之间的转换192.1.3 使用numpy.array访问图像数据202.1.4 视频文件的读写222.1.5 捕获摄像头的帧232.1.6 在窗口显示图像242.1.7 在窗口显示摄像头帧252.2 Cameo项目（人脸跟踪和图像处理）262.3 Cameo—面向对象的设计272.3.1 使用managers. CaptureManager提取视频流272.3.2 使用managers.WindowManager抽象窗口和键盘322.3.3 cameo.Cameo的强大实现332.4 总结34第3章 使用OpenCV 3处理图像363.1 不同色彩空间的转换363.2 傅里叶变换373.2.1 高通滤波器373.2.2 低通滤波器393.3 创建模块393.4 边缘检测403.5 用定制内核做卷积413.6 修改应用433.7 Canny边缘检测443.8 轮廓检测453.9 边界框、最小矩形区域和最小闭圆的轮廓463.10 凸轮廓与Douglas-Peucker算法483.11 直线和圆检测503.11.1 直线检测503.11.2 圆检测513.12 检测其他形状523.13 总结52第4章 深度估计与分割534.1 创建模块534.2 捕获深度摄像头的帧544.3 从视差图得到掩模564.4 对复制操作执行掩模574.5 使用普通摄像头进行深度估计594.6 使用分水岭和GrabCut算法进行物体分割634.6.1 用GrabCut进行前景检测的例子644.6.2 使用分水岭算法进行图像分割664.7 总结69第5章 人脸检测和识别705.1 Haar级联的概念705.2 获取Haar级联数据715.3 使用OpenCV进行人脸检测725.3.1 静态图像中的人脸检测725.3.2 视频中的人脸检测745.3.3 人脸识别765.4 总结82第6章 图像检索以及基于图像描述符的搜索836.1 特征检测算法836.1.1 特征定义846.1.2 使用DoG和SIFT进行特征提取与描述866.1.3 使用快速Hessian算法和SURF来提取和检测特征896.1.4 基于ORB的特征检测和特征匹配916.1.5 ORB特征匹配936.1.6 K-最近邻匹配956.1.7 FLANN匹配966.1.8 FLANN的单应性匹配996.1.9 基于文身取证的应用程序示例1026.2 总结105第7章 目标检测与识别1067.1 目标检测与识别技术1067.1.1 HOG描述符1077.1.2 检测人1127.1.3 创建和训练目标检测器1137.2 汽车检测1167.2.1 代码的功能1187.2.2 SVM和滑动窗口1227.3 总结134第8章 目标跟踪1358.1 检测移动的目标1358.2 背景分割器：KNN、MOG2和GMG1388.2.1 均值漂移和CAMShift1428.2.2 彩色直方图1448.2.3 返回代码1468.3 CAMShift1478.4 卡尔曼滤波器1498.4.1 预测和更新1498.4.2 范例1508.4.3 一个基于行人跟踪的例子1538.4.4 Pedestrian类1548.4.5 主程序1578.5 总结159第9章 基于OpenCV的神经网络简介1609.1 人工神经网络1609.2 人工神经网络的结构1619.2.1 网络层级示例1629.2.2 学习算法1639.3 OpenCV中的ANN1649.3.1 基于ANN的动物分类1669.3.2 训练周期1699.4 用人工神经网络进行手写数字识别1709.4.1 MNIST—手写数字数据库1709.4.2 定制训练数据1709.4.3 初始参数1719.4.4 迭代次数1719.4.5 其他参数1719.4.6 迷你库1729.4.7 主文件1759.5 可能的改进和潜在的应用1809.5.1 改进1809.5.2 应用1819.6 总结181
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
