計算機視覺算法：基于OpenCV的計算機應(yīng)用開發(fā)

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　計算機視覺概述 1
1.1　技術(shù)要求 1
1.2　理解計算機視覺 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　計算機視覺框架和軟件庫 8
1.5　總結(jié) 9
1.6　習題 9
第2章　OpenCV入門 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 19
2.5.1　創(chuàng)建一個Mat對象 20
2.5.2　刪除一個Mat對象 23
2.5.3　訪問像素 24
2.6　圖像讀寫 27
2.7　視頻文件讀寫 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類家族 32
2.9　總結(jié) 32
2.10　習題 33
2.11　補充閱讀 33
第3章　數(shù)組和矩陣操作 34
3.1　技術(shù)要求 34
3.2　Mat類中的操作 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 36
3.2.4　計算點積 36
3.2.5　學習單位矩陣 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(zhuǎn)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(shù)學操作 48
3.4　矩陣和數(shù)組級操作 49
3.4.1　為外推法生成邊界 50
3.4.2　翻轉(zhuǎn)（鏡像）和旋轉(zhuǎn)圖像 51
3.4.3　使用圖像通道 52
3.4.4　數(shù)學函數(shù) 54
3.4.5　搜索和定位功能 58
3.5　總結(jié) 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(dǎo)數(shù)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　色彩空間和類型轉(zhuǎn)換 83
4.5　幾何變換 84
4.6　使用色彩表 86
4.7　總結(jié) 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(jié) 106
5.7　習題 107
5.8　補充閱讀 107
第6章　視頻分析——運動檢測和
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(xù)自適應(yīng)均值偏移算法 119
6.5　使用卡爾曼濾波器進行運動追蹤和降噪 122
6.6　如何提取背景和前景 129
6.7　總結(jié) 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　檢測角點和邊緣 137
7.3.1　學習Harris角點檢測算法 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(jié) 158
7.7　習題 158
第8章　機器學習與計算機視覺 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)分類算法 171
8.4.1　使用級聯(lián)分類器進行對象檢測 171
8.4.2　訓練級聯(lián)分類器 174
8.5　使用深度學習模型 180
8.6　總結(jié) 184
8.7　習題 184
習題答案 185