OpenCV機器學習淘寶買書
OpenCV機器學習淘寶買書
[ https://detail.tmall.com/item.htm?id=573778335231&spm=a1z09.2.0.0.fa4c2e8dSIqHXJ&_u=938ueova98d2 ]
GITHUB: https://github.com/jash-git/Jash-good-idea-20181109-001
大陸買: 4本+運費NT 1170
台灣買: 60+395+345+395+345=1540
OpenCV计算机视觉编程攻略(第3版) – 9787115480934
OpenCV計算機視覺編程攻略 第3版 – $395 [ https://goods.ruten.com.tw/item/show?21824208571213 ]
目錄
第 1章 圖像編程入門 1
1.1 簡介 1
1.2 安裝OpenCV庫 1
1.2.1 準備工作 1
1.2.2 如何實現 2
1.2.3 實現原理 4
1.2.4 擴展閱讀 5
1.2.5 參閱 6
1.3 裝載、顯示和存儲圖像 6
1.3.1 準備工作 6
1.3.2 如何實現 6
1.3.3 實現原理 8
1.3.4 擴展閱讀 9
1.3.5 參閱 11
1.4 深入了解cv：：Mat 11
1.4.1 如何實現 11
1.4.2 實現原理 13
1.4.3 擴展閱讀 16
1.4.4 參閱 17
1.5 定義感興趣區域 17
1.5.1 準備工作 17
1.5.2 如何實現 17
1.5.3 實現原理 18
1.5.4 擴展閱讀 18
1.5.5 參閱 19
第 2 章 操作像素 20
2.1 簡介 20
2.2 訪問像素值 21
2.2.1 準備工作 21
2.2.2 如何實現 21
2.2.3 實現原理 23
2.2.4 擴展閱讀 24
2.2.5 參閱 24
2.3 用指針掃描圖像 24
2.3.1 準備工作 25
2.3.2 如何實現 25
2.3.3 實現原理 26
2.3.4 擴展閱讀 27
2.3.5 參閱 31
2.4 用迭代器掃描圖像 31
2.4.1 準備工作 31
2.4.2 如何實現 31
2.4.3 實現原理 32
2.4.4 擴展閱讀 33
2.4.5 參閱 33
2.5 編寫高效的圖像掃描循環 33
2.5.1 如何實現 34
2.5.2 實現原理 34
2.5.3 擴展閱讀 36
2.5.4 參閱 36
2.6 掃描圖像並訪問相鄰像素 36
2.6.1 準備工作 36
2.6.2 如何實現 36
2.6.3 實現原理 38
2.6.4 擴展閱讀 38
2.6.5 參閱 39
2.7 實現簡單的圖像運算 39
2.7.1 準備工作 39
2.7.2 如何實現 40
2.7.3 實現原理 40
2.7.4 擴展閱讀 41
2.8 圖像重映射 42
2.8.1 如何實現 42
2.8.2 實現原理 43
2.8.3 參閱 44
第3 章 處理圖像的顏色 45
3.1 簡介 45
3.2 用策略設計模式比較顏色 45
3.2.1 如何實現 46
3.2.2 實現原理 47
3.2.3 擴展閱讀 50
3.2.4 參閱 53
3.3 用GrabCut 算法分割圖像 53
3.3.1 如何實現 54
3.3.2 實現原理 56
3.3.3 參閱 56
3.4 轉換顏色表示法 56
3.4.1 如何實現 57
3.4.2 實現原理 58
3.4.3 參閱 59
3.5 用色調、飽和度和亮度表示顏色 59
3.5.1 如何實現 59
3.5.2 實現原理 61
3.5.3 拓展閱讀 64
3.5.4 參閱 66
第4 章 用直方圖統計像素 67
4.1 簡介 67
4.2 計算圖像直方圖 67
4.2.1 準備工作 68
4.2.2 如何實現 68
4.2.3 實現原理 72
4.2.4 擴展閱讀 72
4.2.5 參閱 74
4.3 利用查找表修改圖像外觀 74
4.3.1 如何實現 74
4.3.2 實現原理 75
4.3.3 擴展閱讀 76
4.3.4 參閱 78
4.4 直方圖均衡化 78
4.4.1 如何實現 78
4.4.2 實現原理 79
4.5 反向投影直方圖檢測特定圖像內容 79
4.5.1 如何實現 80
4.5.2 實現原理 81
4.5.3 擴展閱讀 82
4.5.4 參閱 84
4.6 用均值平移算法查找目標 85
4.6.1 如何實現 85
4.6.2 實現原理 87
4.6.3 參閱 88
4.7 比較直方圖搜索相似圖像 88
4.7.1 如何實現 88
4.7.2 實現原理 90
4.7.3 參閱 90
4.8 用積分圖像統計像素 91
4.8.1 如何實現 91
4.8.2 實現原理 92
4.8.3 擴展閱讀 93
4.8.4 參閱 99
第5 章 用形態學運算變換圖像 100
5.1 簡介 100
5.2 用形態學濾波器腐蝕和膨脹圖像 100
5.2.1 準備工作 101
5.2.2 如何實現 101
5.2.3 實現原理 102
5.2.4 擴展閱讀 103
5.2.5 參閱 104
5.3 用形態學濾波器開啟和閉合圖像 104
5.3.1 如何實現 104
5.3.2 實現原理 105
5.3.3 參閱 106
5.4 在灰度圖像中應用形態學運算 106
5.4.1 如何實現 106
5.4.2 實現原理 107
5.4.3 參閱 108
5.5 用分水嶺算法實現圖像分割 108
5.5.1 如何實現 109
5.5.2 實現原理 111
5.5.3 擴展閱讀 112
5.5.4 參閱 114
5.6 用MSER 算法提取特徵區域 114
5.6.1 如何實現 114
5.6.2 實現原理 116
5.6.3 參閱 118
第6 章 圖像濾波 119
6.1 簡介 119
6.2 低通濾波器 120
6.2.1 如何實現 120
6.2.2 實現原理 121
6.2.3 參閱 123
6.3 用濾波器進行縮減像素采樣 124
6.3.1 如何實現 124
6.3.2 實現原理 125
6.3.3 擴展閱讀 126
6.3.4 參閱 127
6.4 中值濾波器 128
6.4.1 如何實現 128
6.4.2 實現原理 129
6.5 用定向濾波器檢測邊緣 129
6.5.1 如何實現 130
6.5.2 實現原理 132
6.5.3 擴展閱讀 135
6.5.4 參閱 136
6.6 計算拉普拉斯算子 136
6.6.1 如何實現 137
6.6.2 實現原理 138
6.6.3 擴展閱讀 141
6.6.4 參閱 142
第7 章 提取直線、輪廓和區域 143
7.1 簡介 143
7.2 用Canny 算子檢測圖像輪廓 143
7.2.1 如何實現 143
7.2.2 實現原理 145
7.2.3 參閱 146
7.3 用霍夫變換檢測直線 146
7.3.1 準備工作 146
7.3.2 如何實現 147
7.3.3 實現原理 151
7.3.4 擴展閱讀 153
7.3.5 參閱 155
7.4 點集的直線擬合 155
7.4.1 如何實現 155
7.4.2 實現原理 157
7.4.3 擴展閱讀 158
7.5 提取連續區域 158
7.5.1 如何實現 159
7.5.2 實現原理 160
7.5.3 擴展閱讀 161
7.6 計算區域的形狀描述子 161
7.6.1 如何實現 162
7.6.2 實現原理 163
7.6.3 擴展閱讀 164
第8 章 檢測興趣點 166
8.1 簡介 166
8.2 檢測圖像中的角點 166
8.2.1 如何實現 167
8.2.2 實現原理 171
8.2.3 擴展閱讀 172
8.2.4 參閱 174
8.3 快速檢測特徵 174
8.3.1 如何實現 174
8.3.2 實現原理 175
8.3.3 擴展閱讀 176
8.3.4 參閱 178
8.4 尺度不變特徵的檢測 178
8.4.1 如何實現 179
8.4.2 實現原理 180
8.4.3 擴展閱讀 181
8.4.4 參閱 183
8.5 多尺度FAST 特徵的檢測 183
8.5.1 如何實現 183
8.5.2 實現原理 184
8.5.3 擴展閱讀 185
8.5.4 參閱 186
第9 章 描述和匹配興趣點 187
9.1 簡介 187
9.2 局部模板匹配 187
9.2.1 如何實現 188
9.2.2 實現原理 190
9.2.3 擴展閱讀 191
9.2.4 參閱 192
9.3 描述並匹配局部強度值模式 192
9.3.1 如何實現 193
9.3.2 實現原理 195
9.3.3 擴展閱讀 196
9.3.4 參閱 199
9.4 用二值描述子匹配關鍵點 199
9.4.1 如何實現 199
9.4.2 實現原理 200
9.4.3 擴展閱讀 201
9.4.4 參閱 202
第 10 章 估算圖像之間的投影關係 203
10.1 簡介 203
10.2 計算圖像對的基礎矩陣 205
10.2.1 準備工作 205
10.2.2 如何實現 206
10.2.3 實現原理 208
10.2.4 參閱 209
10.3 用RANSAC（隨機抽樣一致性）算法匹配圖像 209
10.3.1 如何實現 209
10.3.2 實現原理 212
10.3.3 擴展閱讀 213
10.4 計算兩幅圖像之間的單應矩陣 214
10.4.1 準備工作 214
10.4.2 如何實現 215
10.4.3 實現原理 217
10.4.4 擴展閱讀 218
10.4.5 參閱 219
10.5 檢測圖像中的平面目標 219
10.5.1 如何實現 219
10.5.2 實現原理 221
10.5.3 參閱 224
第 11 章 三維重建 225
11.1 簡介 225
11.2 相機標定 226
11.2.1 如何實現 227
11.2.2 實現原理 230
11.2.3 擴展閱讀 232
11.2.4 參閱 233
11.3 相機姿態還原 233
11.3.1 如何實現 233
11.3.2 實現原理 235
11.3.3 擴展閱讀 236
11.3.4 參閱 238
11.4 用標定相機實現三維重建 238
11.4.1 如何實現 238
11.4.2 實現原理 241
11.4.3 擴展閱讀 243
11.4.4 參閱 244
11.5 計算立體圖像的深度 244
11.5.1 準備工作 244
11.5.2 如何實現 245
11.5.3 實現原理 247
11.5.4 參閱 247
第 12 章 處理視頻序列 248
12.1 簡介 248
12.2 讀取視頻序列 248
12.2.1 如何實現 248
12.2.2 實現原理 250
12.2.3 擴展閱讀 251
12.2.4 參閱 251
12.3 處理視頻幀 251
12.3.1 如何實現 251
12.3.2 實現原理 252
12.3.3 擴展閱讀 256
12.3.4 參閱 258
12.4 寫入視頻幀 258
12.4.1 如何實現 259
12.4.2 實現原理 259
12.4.3 擴展閱讀 262
12.4.4 參閱 263
12.5 提取視頻中的前景物體 263
12.5.1 如何實現 264
12.5.2 實現原理 266
12.5.3 擴展閱讀 266
12.5.4 參閱 268
第 13 章 跟蹤運動目標 269
13.1 簡介 269
13.2 跟蹤視頻中的特徵點 269
13.2.1 如何實現 269
13.2.2 實現原理 274
13.2.3 參閱 274
13.3 估算光流 275
13.3.1 準備工作 275
13.3.2 如何實現 276
13.3.3 實現原理 278
13.3.4 參閱 279
13.4 跟蹤視頻中的物體 279
13.4.1 如何實現 279
13.4.2 實現原理 282
13.4.3 參閱 284
第 14 章 實用案例 285
14.1 簡介 285
14.2 人臉識別 286
14.2.1 如何實現 286
14.2.2 實現原理 288
14.2.3 參閱 290
14.3 人臉定位 291
14.3.1 準備工作 291
14.3.2 如何實現 292
14.3.3 實現原理 295
14.3.4 擴展閱讀 297
14.3.5 參閱 298
14.4 行人檢測 298
14.4.1 準備工作 298
14.4.2 如何實現 299
14.4.3 實現原理 302
14.4.4 擴展閱讀 304
14.4.5 參閱 308
机器学习经典算法剖析——基于OpenCV – 9787115482136
機器學習經典算法剖析 基於OpenCV – $345 [ https://goods.ruten.com.tw/item/show?21834545124559 ]
目錄
第 1章 正態貝葉斯分類器 1
1.1 原理分析 1
1.2 源碼解析 8
1.3 應用實例 13
第 2章 K近鄰算法 15
2.1 原理分析 15
2.2 源碼解析 16
2.3 應用實例 22
第3章 支持向量機 25
3.1 原理分析 25
3.2 源碼解析 50
3.3 應用實例 71
第4章 決策樹 73
4.1 原理分析 73
4.2 源碼解析 81
4.3 應用實例 117
第5章 AdaBoost 120
5.1 原理分析 120
5.2 源碼解析 123
5.3 應用實例 140
第6章 梯度提升樹 142
6.1 原理分析 142
6.2 源碼解析 147
6.3 應用實例 158
第7章 隨機森林 161
7.1 原理分析 161
7.2 源碼解析 163
7.3 應用實例 171
第8章 極端隨機樹 173
8.1 原理分析 173
8.2 源碼解析 173
8.3 應用實例 187
第9章 期望極大值 189
9.1 原理分析 189
9.2 源碼解析 202
9.3 應用實例 212
第 10章 神經網絡 214
10.1 原理分析 214
10.2 源碼解析 220
10.3 應用實例 241
附錄A Win7系統下OpenCV 2.4.9與
Visual Studio 2012
編譯環境的配置 244
附錄B Win7系統下QT 5.3.1與
OpenCV 2.4.9 編譯環境的
配置 248
附錄C 級聯分類器 252
參考文獻 287
OpenCV算法精解-基于Python与C++ – 9787121324956
OpenCV算法精解：基於Python與C++ – $395 [ https://goods.ruten.com.tw/item/show?21750410806723 ]
目錄
1 OpenCV入門
1.1 初識OpenCV
1.1.1 OpenCV的模塊簡介
1.1.2 OpenCV 2.4.13與3.2版本的區別
1.2 部署OpenCV
1.2.1 在Visual Studio 2015中 配置OpenCV
1.2.2 OpenCV 2.X C++ API的第一個示例
1.2.3 OpenCV 3.X C++ API的第一個示例
1.2.4 在Anaconda 2中配置OpenCV
1.2.5 OpenCV 2.X Python API的第一個示例
1.2.6 OpenCV 3.X Python API的第一個示例
2 圖像數字化
2.1 認識Numpy中的ndarray
2.1.1 構造ndarray對象
2.1.2 訪問ndarray中的值
2.2 認識OpenCV中的Mat類
2.2.1 初識Mat
2.2.2 構造單通道Mat對象
2.2.3 獲得單通道Mat的基本信息
2.2.4 訪問單通道Mat對象中的值
2.2.5 向量類Vec
2.2.6 構造多通道Mat對象
2.2.7 訪問多通道Mat對象中的值
2.2.8 獲得Mat中某一區域的值
2.3 矩陣的運算
2.3.1 加法運算
2.3.2 減法運算
2.3.3 點乘運算
2.3.4 點除運算
2.3.5 乘法運算
2.3.6 其他運算
2.4 灰度圖像數字化
2.4.1 概述
2.4.2 將灰度圖像轉換為Mat
2.4.3 將灰度圖轉換為ndarray
2.5 彩色圖像數字化
2.5.1 將RGB彩色圖像轉換為多通道Mat
2.5.2 將RGB彩色圖轉換為三維的ndarray
2.6 參考文獻
3 幾何變換
3.1 仿射變換
3.1.1 平移
3.1.2 放大和縮小
3.1.3 旋轉
3.1.4 計算仿射矩陣
3.1.5 插值算法
3.1.6 Python實現
3.1.7 C++實現
3.1.8 旋轉函數rotate（OpenCV3.X新特性）
3.2 投影變換
3.2.1 原理詳解
3.2.2 Python實現
3.2.3 C++實現
3.3 極坐標變換
3.3.1 原理詳解
3.3.2 Python實現
3.3.3 C++實現
3.3.4 線性極坐標函數 （OpenCV 3.X新特性）
3.3.5 對數極坐標函數logPolar（OpenCV 3.X新特性）
3.4 參考文獻
4 對比度增強
4.1 灰度直方圖
4.1.1 什麼是灰度直方圖
4.1.2 Python及C++實現
4.2 線性變換
4.2.1 原理詳解
4.2.2 Python實現
4.2.3 C++實現
4.3 直方圖正規化
4.3.1 原理詳解
4.3.2 Python實現
4.3.3 C++實現
4.3.4 正規化函數normalize
4.4 伽馬變換
4.4.1 原理詳解
4.4.2 Python實現
4.4.3 C++實現
4.5 全局直方圖均衡化
4.5.1 原理詳解
4.5.2 Python實現
4.5.3 C++實現
4.6 限制對比度的自適應直方圖均衡化
4.6.1 原理詳解
4.6.2 代碼實現
4.7 參考文獻
5 圖像平滑
5.1 二維離散卷積
5.1.1 卷積定義及矩陣形式
5.1.2 可分離卷積核
5.1.3 離散卷積的性質
5.2 高斯平滑
5.2.1 高斯卷積核的構建及分離性
5.2.2 高斯卷積核的二項式近似
5.2.3 Python實現
5.2.4 C++實現
5.3 均值平滑
5.3.1 均值卷積核的構建及分離性
5.3.2 快速均值平滑
5.3.3 Python實現
5.3.4 C++實現
5.4 中值平滑
5.4.1 原理詳解
5.4.2 Python實現
5.4.3 C++實現
5.5 雙邊濾波
5.5.1 原理詳解
5.5.2 Python實現
5.5.3 C++實現
5.6 聯合雙邊濾波
5.6.1 原理詳解
5.6.2 Python實現
5.6.3 C++實現
5.7 導向濾波
5.7.1 原理詳解
5.7.2 Python實現
5.7.3 快速導向濾波
5.7.4 C++實現
5.8 參考文獻
6 閾值分割
6.1 方法概述
6.1.1 全局閾值分割
6.1.2 閾值函數threshold（OpenCV3.X新特性）
6.1.3 局部閾值分割
6.2 直方圖技術法
6.2.1 原理詳解
6.2.2 Python實現
6.2.3 C++實現
6.3 熵算法
6.3.1 原理詳解
6.3.2 代碼實現
6.4 Otsu閾值處理
6.4.1 原理詳解
6.4.2 Python實現
6.4.3 C++實現
6.5 自適應閾值
6.5.1 原理詳解
6.5.2 Python實現
6.5.3 C++實現
6.6 二值圖的邏輯運算
6.6.1 “與”和“或”運算
6.6.2 Python實現
6.6.3 C++實現
6.7 參考文獻
7 形態學處理
7.1 腐蝕
7.1.1 原理詳解
7.1.2 實現代碼及效果
7.2 膨脹
7.2.1 原理詳解
7.2.2 Python實現
7.2.3 C++實現
7.3 開運算和閉運算
7.3.1 原理詳解
7.3.2 Python實現
7.4 其他形態學處理操作
7.4.1 頂帽變換和底帽變換
7.4.2 形態學梯度
7.4.3 C++實現
8 邊緣檢測
8.1 Roberts算子
8.1.1 原理詳解
8.1.2 Python實現
8.1.3 C++實現
8.2 Prewitt邊緣檢測
8.2.1 Prewitt算子及分離性
8.2.2 Python實現
8.2.3 C++實現
8.3 Sobel邊緣檢測
8.3.1 Sobel算子及分離性
8.3.2 構建高階的Sobel算子
8.3.3 Python實現
8.3.4 C++實現
8.4 Scharr算子
8.4.1 原理詳解
8.4.2 Python實現
8.4.3 C++實現
8.5 Kirsch算子和Robinson算子
8.5.1 原理詳解
8.5.2 代碼實現及效果
8.6 Canny邊緣檢測
8.6.1 原理詳解
8.6.2 Python實現
8.6.3 C++實現
8.7 Laplacian算子
8.7.1 原理詳解
8.7.2 Python實現
8.7.3 C++實現
8.8 高斯拉普拉斯（LoG）邊緣檢測
8.8.1 原理詳解
8.8.2 Python實現
8.8.3 C++實現
8.9 高斯差分（DoG）邊緣檢測
8.9.1 高斯拉普拉斯與高斯差分的關係
8.9.2 Python實現
8.9.3 C++實現
8.10 Marr-Hildreth邊緣檢測
8.10.1 算法步驟詳解
8.10.2 Pyton實現
8.10.3 C++實現
8.11 參考文獻
9 幾何形狀的檢測和擬合
9.1 點集的最小外包
9.1.1 最小外包旋轉矩形
9.1.2 旋轉矩形的4個頂點（OpenCV 3.X新特性）
9.1.3 最小外包圓
9.1.4 最小外包直立矩形（OpenCV 3.X新特性）
9.1.5 最小凸包
9.1.6 最小外包三角形（ OpenCV 3.X新特性）
9.2 霍夫直線檢測
9.2.1 原理詳解
9.2.2 Python實現
9.2.3 C++實現
9.3 霍夫圓檢測
9.3.1 標準霍夫圓檢測
9.3.2 Python實現
9.3.3 基於梯度的霍夫圓檢測
9.3.4 基於梯度的霍夫圓檢測函數HoughCircles
9.4 輪廓
9.4.1 查找、繪製輪廓
9.4.2 外包、擬合輪廓
9.4.3 輪廓的周長和面積
9.4.4 點和輪廓的位置關係
9.4.5 輪廓的凸包缺陷
9.5 參考文獻
10 傅裡葉變換
10.1 二維離散的傅裡葉（逆）變換
10.1.1 數學理解篇
10.1.2 快速傅裡葉變換
10.1.3 C++實現
10.1.4 Python實現
10.2 傅裡葉幅度譜與相位譜
10.2.1 基礎知識
10.2.2 Python實現
10.2.3 C++實現
10.3 譜殘差顯著性檢測
10.3.1 原理詳解
10.3.2 Python實現
10.3.3 C++實現
10.4 卷積與傅裡葉變換的關係
10.4.1 卷積定理
10.4.2 Python實現
10.5 通過快速傅裡葉變換計算卷積
10.5.1 步驟詳解
10.5.2 Python實現
10.5.3 C++實現
10.6 參考文獻
11 頻率域濾波
11.1 概述及原理詳解
11.2 低通濾波和高通濾波
11.2.1 三種常用的低通濾波器
11.2.2 低通濾波的C++實現
11.2.3 低通濾波的Python實現
11.2.4 三種常用的高通濾波器
11.3 帶通和帶阻濾波
11.3.1 三種常用的帶通濾波器
11.3.2 三種常用的帶阻濾波器
11.4 自定義濾波器
11.4.1 原理詳解
11.4.2 C++實現
11.5 同態濾波
11.5.1 原理詳解
11.5.2 Python實現
11.6 參考文獻
12 色彩空間
12.1 常見的色彩空間
12.1.1 RGB色彩空間
12.1.2 HSV色彩空間
12.1.3 HLS色彩空間
12.2 調整彩色圖像的飽和度和亮度
12.2.1 Python實現
12.2.2 C++實現
图像局部特征检测和描述-基于OpenCV源码分析的算法与实现 – 9787115461711
圖像局部特徵檢測和描述 基於OpenCV源碼分析的算法與實現 – $345 [ https://goods.ruten.com.tw/item/show?21834544877856 ]
目錄
第 1章 Kitchen-Rosenfeld角點檢測 1
1.1 原理分析 1
1.2 源碼解析 1
1.3 應用實例 3
第 2章 Canny邊緣檢測 5
2.1 理論分析 5
2.2 源碼解析 7
2.3 應用實例 13
第3章 Harris角點檢測 16
3.1 理論分析 16
3.2 源碼解析 18
3.3 應用實例 21
第4章 Shi-Tomasi角點檢測 24
4.1 理論分析 24
4.2 源碼解析 24
4.3 應用實例 29
第5章 SIFT方法 31
5.1 原理分析 31
5.2 源碼解析 42
5.3 應用實例 59
第6章 MSER區域檢測 63
6.1 原理分析 63
6.2 源碼解析 66
6.3 應用實例 76
第7章 SURF方法 78
7.1 原理分析 78
7.2 源碼解析 88
7.3 應用實例 108
第8章 FAST角點檢測 112
8.1 原理分析 112
8.2 源碼解析 113
8.3 應用實例 123
第9章 MSCR彩色圖像區域檢測 126
9.1 原理分析 126
9.2 源碼解析 127
9.3 應用實例 139
第 10章 CenSurE檢測方法 141
10.1 原理分析 141
10.2 源碼解析 146
10.3 應用實例 156
第 11章 BRIEF描述符方法 158
11.1 原理分析 158
11.2 源碼解析 160
11.3 應用實例 162
第 12章 BRISK方法 165
12.1 原理分析 165
12.2 源碼解析 176
12.3 應用實例 220
第 13章 ORB方法 223
13.1 原理分析 223
13.2 源碼解析 225
13.3 應用實例 238
第 14章 FREAK方法 242
14.1 原理分析 242
14.2 源碼解析 245
14.3 應用實例 259
第 15章 SimpleBlob方法 261
15.1 原理分析 261
15.2 源碼解析 264
15.3 應用實例 270
第 16章 密度特徵檢測 272
16.1 原理分析 272
16.2 源碼解析 272
16.3 應用實例 273
附錄A Windows 7系統下OpenCV 2.4.9與 Visual Studio 2012編譯環境的配置 275
附錄B Windows 7系統下Qt 5.3.1與OpenCV 2.4.9編譯環境的配置 280
參考文獻 285