《Learning OpenCV 3》學習OpenCV 3 範例/電子檔備份

《Learning OpenCV 3》學習OpenCV 3 範例/電子檔備份

《Learning OpenCV 3》學習OpenCV 3 範例/電子檔備份


GITHUH: https://github.com/jash-git/Learning-OpenCV-3


資料來源:http://www.1024ebook.com/book/7041

http://file.allitebooks.com/20170108/Learning%20OpenCV%203.pdf

https://github.com/oreillymedia/Learning-OpenCV-3_examples


Preface. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
1. Overview. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
    What Is OpenCV? 1
    Who Uses OpenCV? 2
    What Is Computer Vision? 3
    The Origin of OpenCV 6
    OpenCV Block Diagram 8
    Speeding Up OpenCV with IPP 9
    Who Owns OpenCV? 10
    Downloading and Installing OpenCV 10
    Installation 10
    Getting the Latest OpenCV via Git 13
    More OpenCV Documentation 13
    Supplied Documentation 14
    Online Documentation and the Wiki 14
    OpenCV Contribution Repository 17
    Downloading and Building Contributed Modules 17
    Portability 18
    Summary 19
    Exercises 19
2. Introduction to OpenCV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
    Include Files 21
    Resources 22
    First Program—Display a Picture 23
    Second Program—Video 25
    Moving Around 27
    A Simple Transformation 31
    A Not-So-Simple Transformation 32
    Input from a Camera 35
    Writing to an AVI File 36
    Summary 38
    Exercises 38
3. Getting to Know OpenCV Data Types. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
    The Basics 41
    OpenCV Data Types 41
    Overview of the Basic Types 42
    Basic Types: Getting Down to Details 44
    Helper Objects 52
    Utility Functions 60
    The Template Structures 67
    Summary 68
    Exercises 69
4. Images and Large Array Types. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
    Dynamic and Variable Storage 71
    The cv::Mat Class: N-Dimensional Dense Arrays 72
    Creating an Array 73
    Accessing Array Elements Individually 78
    The N-ary Array Iterator: NAryMatIterator 81
    Accessing Array Elements by Block 84
    Matrix Expressions: Algebra and cv::Mat 85
    Saturation Casting 87
    More Things an Array Can Do 88
    The cv::SparseMat Class: Sparse Arrays 89
    Accessing Sparse Array Elements 90
    Functions Unique to Sparse Arrays 92
    Template Structures for Large Array Types 94
    Summary 97
    Exercises 97
5. Array Operations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
    More Things You Can Do with Arrays 99
    cv::abs() 102
    cv::absdiff() 103
    cv::add() 103
    cv::addWeighted() 104
    cv::bitwise_and() 106
    cv::bitwise_not() 107
    cv::bitwise_or() 107
    cv::bitwise_xor() 108
    cv::calcCovarMatrix() 108
    cv::cartToPolar() 110
    cv::checkRange() 111
    cv::compare() 111
    cv::completeSymm() 112
    cv::convertScaleAbs() 112
    cv::countNonZero() 113
    cv::cvarrToMat() 113
    cv::dct() 114
    cv::dft() 115
    cv::cvtColor() 117
    cv::determinant() 119
    cv::divide() 120
    cv::eigen() 120
    cv::exp() 121
    cv::extractImageCOI() 121
    cv::flip() 122
    cv::gemm() 122
    cv::getConvertElem() and cv::getConvertScaleElem() 123
    cv::idct() 124
    cv::idft() 124
    cv::inRange() 124
    cv::insertImageCOI() 125
    cv::invert() 126
    cv::log() 126
    cv::LUT() 127
    cv::magnitude() 127
    cv::Mahalanobis() 128
    cv::max() 129
    cv::mean() 130
    cv::meanStdDev() 130
    cv::merge() 131
    cv::min() 131
    cv::minMaxIdx() 132
    cv::minMaxLoc() 133
    cv::mixChannels() 134
    cv::mulSpectrums() 136
    cv::multiply() 136
    cv::mulTransposed() 136
    cv::norm() 137
    cv::normalize() 139
    cv::perspectiveTransform() 140
    cv::phase() 141
    cv::polarToCart() 142
    cv::pow() 142
    cv::randu() 143
    cv::randn() 143
    cv::randShuffle() 144
    cv::reduce() 144
    cv::repeat() 145
    cv::scaleAdd() 146
    cv::setIdentity() 146
    cv::solve() 147
    cv::solveCubic() 148
    cv::solvePoly() 149
    cv::sort() 149
    cv::sortIdx() 149
    cv::split() 150
    cv::sqrt() 150
    cv::subtract() 152
    cv::sum() 152
    cv::trace() 152
    cv::transform() 153
    cv::transpose() 153
    Summary 154
    Exercises 154
6. Drawing and Annotating. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
    Drawing Things 157
    Line Art and Filled Polygons 158
    Fonts and Text 165
    Summary 167
    Exercises 167
7. Functors in OpenCV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
    Objects That “Do Stuff” 169
    Principal Component Analysis (cv::PCA) 169
    Singular Value Decomposition (cv::SVD) 173
    Random Number Generator (cv::RNG) 176
    Summary 179
    Exercises 180
8. Image, Video, and Data Files. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
    HighGUI: Portable Graphics Toolkit 183
    Working with Image Files 185
    Loading and Saving Images 185
    A Note About Codecs 188
    Compression and Decompression 188
    Working with Video 189
    Reading Video with the cv::VideoCapture Object 190
    Writing Video with the cv::VideoWriter Object 196
    Data Persistence 198
    Writing to a cv::FileStorage 198
    Reading from a cv::FileStorage 200
    cv::FileNode 201
    Summary 204
    Exercises 204
9. Cross-Platform and Native Windows. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
    Working with Windows 207
    HighGUI Native Graphical User Interface 208
    Working with the Qt Backend 220
    Integrating OpenCV with Full GUI Toolkits 232
    Summary 247
    Exercises 247
10. Filters and Convolution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
    Overview 249
    Before We Begin 249
    Filters, Kernels, and Convolution 249
    Border Extrapolation and Boundary Conditions 251
    Threshold Operations 255
    Otsu’s Algorithm 258
    Adaptive Threshold 259
    Smoothing 261
    Simple Blur and the Box Filter 262
    Median Filter 265
    Gaussian Filter 266
    Bilateral Filter 267
    Derivatives and Gradients 269
    The Sobel Derivative 269
    Scharr Filter 272
    The Laplacian 273
    Image Morphology 275
    Dilation and Erosion 276
    The General Morphology Function 281
    Opening and Closing 281
    Morphological Gradient 285
    Top Hat and Black Hat 287
    Making Your Own Kernel 289
    Convolution with an Arbitrary Linear Filter 290
    Applying a General Filter with cv::filter2D() 291
    Applying a General Separable Filter with cv::sepFilter2D 292
    Kernel Builders 292
    Summary 294
    Exercises 294
11. General Image Transforms. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
    Overview 299
    Stretch, Shrink, Warp, and Rotate 299
    Uniform Resize 300
    Image Pyramids 302
    Nonuniform Mappings 306
    Affine Transformation 308
    Perspective Transformation 313
    General Remappings 316
    Polar Mappings 317
    LogPolar 318
    Arbitrary Mappings 322
    Image Repair 323
    Inpainting 324
    Denoising 325
    Histogram Equalization 328
    cv::equalizeHist(): Contrast equalization 331
    Summary 331
    Exercises 332
12. Image Analysis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
    Overview 335
    Discrete Fourier Transform 336
    cv::dft(): The Discrete Fourier Transform 336
    cv::idft(): The Inverse Discrete Fourier Transform 339
    cv::mulSpectrums(): Spectrum Multiplication 339
    Convolution Using Discrete Fourier Transforms 340
    cv::dct(): The Discrete Cosine Transform 342
    cv::idct(): The Inverse Discrete Cosine Transform 343
    Integral Images 343
    cv::integral() for Standard Summation Integral 346
    cv::integral() for Squared Summation Integral 346
    cv::integral() for Tilted Summation Integral 346
    The Canny Edge Detector 347
    cv::Canny() 349
    Hough Transforms 349
    Hough Line Transform 349
    Hough Circle Transform 354
    Distance Transformation 358
    cv::distanceTransform() for Unlabeled Distance Transform 359
    cv::distanceTransform() for Labeled Distance Transform 360
    Segmentation 360
    Flood Fill 361
    Watershed Algorithm 365
    Grabcuts 366
    Mean-Shift Segmentation 368
    Summary 370
    Exercises 371
13. Histograms and Templates. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373
    Histogram Representation in OpenCV 376
    cv::calcHist(): Creating a Histogram from Data 377
    Basic Manipulations with Histograms 380
    Histogram Normalization 380
    Histogram Threshold 380
    Finding the Most Populated Bin 380
    Comparing Two Histograms 382
    Histogram Usage Examples 385
    Some More Sophisticated Histograms Methods 388
    Earth Mover’s Distance 389
    Back Projection 394
    Template Matching 397
    Square Difference Matching Method (cv::TM_SQDIFF) 399
    Normalized Square Difference Matching Method
    (cv::TM_SQDIFF_NORMED) 400
    Correlation Matching Methods (cv::TM_CCORR) 400
    Normalized Cross-Correlation Matching Method
    (cv::TM_CCORR_NORMED) 400
    Correlation Coefficient Matching Methods (cv::TM_CCOEFF) 400
    Normalized Correlation Coefficient Matching Method
    (cv::TM_CCOEFF_NORMED) 401
    Summary 404
    Exercises 404
14. Contours. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407
    Contour Finding 407
    Contour Hierarchies 408
    Drawing Contours 413
    A Contour Example 414
    Another Contour Example 416
    Fast Connected Component Analysis 417
    More to Do with Contours 420
    Polygon Approximations 420
    Geometry and Summary Characteristics 421
    Geometrical Tests 428
    Matching Contours and Images 429
    Moments 429
    More About Moments 431
    Matching and Hu Moments 435
    Using Shape Context to Compare Shapes 436
    Summary 441
    Exercises 442
15. Background Subtraction. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 445
    Overview of Background Subtraction 445
    Weaknesses of Background Subtraction 446
    Scene Modeling 447
    A Slice of Pixels 447
    Frame Differencing 451
    Averaging Background Method 452
    Accumulating Means, Variances, and Covariances 458
    A More Advanced Background Subtraction Method 467
    Structures 470
    Learning the Background 472
    Learning with Moving Foreground Objects 474
    Background Differencing: Finding Foreground Objects 475
    Using the Codebook Background Model 477
    A Few More Thoughts on Codebook Models 477
    Connected Components for Foreground Cleanup 477
    A Quick Test 481
    Comparing Two Background Methods 483
    OpenCV Background Subtraction Encapsulation 485
    The cv::BackgroundSubtractor Base Class 485
    KaewTraKuPong and Bowden Method 486
    Zivkovic Method 488
    Summary 490
    Exercises 491
16. Keypoints and Descriptors. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
    Keypoints and the Basics of Tracking 493
    Corner Finding 494
    Introduction to Optical Flow 498
    Lucas-Kanade Method for Sparse Optical Flow 500
    Generalized Keypoints and Descriptors 511
    Optical Flow, Tracking, and Recognition 513
    How OpenCV Handles Keypoints and Descriptors, the General Case 514
    Core Keypoint Detection Methods 526
    Keypoint Filtering 571
    Matching Methods 573
    Displaying Results 580
    Summary 583
    Exercises 584
17. Tracking. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587
    Concepts in Tracking 587
    Dense Optical Flow 588
    The Farnebäck Polynomial Expansion Algorithm 589
    The Dual TV-L1
     Algorithm 592
    The Simple Flow Algorithm 596
    Mean-Shift and Camshift Tracking 600
    Mean-Shift 601
    Camshift 604
    Motion Templates 605
    Estimators 613
    The Kalman Filter 615
    A Brief Note on the Extended Kalman Filter 633
    Summary 634
    Exercises 634
18. Camera Models and Calibration. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 637
    Camera Model 638
    The Basics of Projective Geometry 641
    Rodrigues Transform 643
    Lens Distortions 644
    Calibration 648
    Rotation Matrix and Translation Vector 650
    Calibration Boards 652
    Homography 660
    Camera Calibration 665
    Undistortion 677
    Undistortion Maps 678
    Converting Undistortion Maps Between Representations with
    cv::convertMaps() 679
    Computing Undistortion Maps with cv::initUndistortRectifyMap() 680
    Undistorting an Image with cv::remap() 682
    Undistortion with cv::undistort() 683
    Sparse Undistortion with cv::undistortPoints() 683
    Putting Calibration All Together 684
    Summary 687
    Exercises 688
19. Projection and Three-Dimensional Vision. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 691
    Projections 692
    Affine and Perspective Transformations 694
    Bird’s-Eye-View Transform Example 695
    Three-Dimensional Pose Estimation 700
    Pose Estimation from a Single Camera 700
    Stereo Imaging 703
    Triangulation 704
    Epipolar Geometry 708
    The Essential and Fundamental Matrices 710
    Computing Epipolar Lines 720
    Stereo Calibration 721
    Stereo Rectification 726
    Stereo Correspondence 737
    Stereo Calibration, Rectification, and Correspondence Code Example 752
    Depth Maps from Three-Dimensional Reprojection 759
    Structure from Motion 761
    Fitting Lines in Two and Three Dimensions 762
    Summary 765
    Exercises 766
20. The Basics of Machine Learning in OpenCV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 769
    What Is Machine Learning? 770
    Training and Test Sets 770
    Supervised and Unsupervised Learning 771
    Generative and Discriminative Models 773
    OpenCV ML Algorithms 774
    Using Machine Learning in Vision 776
    Variable Importance 778
    Diagnosing Machine Learning Problems 779
    Legacy Routines in the ML Library 785
    K-Means 786
    Mahalanobis Distance 793
    Summary 797
    Exercises 797
21. StatModel: The Standard Model for Learning in OpenCV. . . . . . . . . . . . . . . . . . . . . . . . . 799
    Common Routines in the ML Library 799
    Training and the cv::ml::TrainData Structure 802
    Prediction 809
    Machine Learning Algorithms Using cv::StatModel 810
    Naïve/Normal Bayes Classifier 810
    Binary Decision Trees 816
    Boosting 830
    Random Trees 837
    Expectation Maximization 842
    K-Nearest Neighbors 846
    Multilayer Perceptron 849
    Support Vector Machine 859
    Summary 870
    Exercises 871
22. Object Detection. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 875
    Tree-Based Object Detection Techniques 875
    Cascade Classifiers 876
    Supervised Learning and Boosting Theory 879
    Learning New Objects 888
    Object Detection Using Support Vector Machines 897
    Latent SVM for Object Detection 898
    The Bag of Words Algorithm and Semantic Categorization 901
    Summary 907
    Exercises 907
23. Future of OpenCV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 909
    Past and Present 909
    OpenCV 3.x 910
    How Well Did Our Predictions Go Last Time? 911
    Future Functions 912
    Current GSoC Work 913
    Community Contributions 915
    OpenCV.org 916
    Some AI Speculation 917
    Afterword 920
A. Planar Subdivisions. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 923
B. opencv_contrib. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 939
C. Calibration Patterns. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 943
Bibliography. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 949
Index. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 967

2 thoughts on “《Learning OpenCV 3》學習OpenCV 3 範例/電子檔備份

  1. 目录

    译者序 xvii

    前言 xxi

    第1章 概述 1

    什么是OpenCV 1

    OpenCV怎么用 2

    什么是计算机视觉 3

    OpenCV的起源 6

    OpenCV的结构 7

    使用IPP来加速OpenCV 8

    谁拥有OpenCV 9

    下载和安装OpenCV 9

    安装 9

    从Git获取最新的OpenCV 12

    更多的OpenCV文档 13

    提供的文档 13

    在线文档和维基资源 13

    OpenCV贡献库 15

    下载和编译Contributed模块 16

    可移植性 16

    小结 17

    练习 17

    第2章OpenCV初探 19

    头文件 19

    资源 20

    第一个程序:显示图片 21

    第二个程序:视频 23

    跳转 24

    简单的变换 28

    不那么简单的变换 30

    从摄像头中读取 32

    写入AVI文件 33

    小结 34

    练习 35

    第3章 了解OpenCV的数据类型 37

    基础知识 37

    OpenCV的数据类型 37

    基础类型概述 38

    深入了解基础类型 39

    辅助对象 46

    工具函数 53

    模板结构 60

    小结 61

    练习 61

    第4章 图像和大型数组类型 63

    动态可变的存储 63

    cv::Mat类N维稠密数组 64

    创建一个数组 65

    独立获取数组元素 69

    数组迭代器NAryMatIterator 72

    通过块访问数组元素 74

    矩阵表达式:代数和cv::Mat 75

    饱和转换 77

    数组还可以做很多事情 78

    稀疏数据类cv::SparesMat 79

    访问稀疏数组中的元素 79

    稀疏数组中的特有函数 82

    为大型数组准备的模板结构 83

    小结 85

    练习 86

    第5章 矩阵操作 87

    矩阵还可以做更多事情 87

    cv::abs() 90

    cv::add() 91

    cv::addWeighted() 92

    cv::bitwise_and() 94

    cv::bitwise_not() 94

    cv::bitwise_or() 94

    cv::bitwise_xor() 95

    cv::calcCovarMatrix() 95

    cv::cartToPolar() 97

    cv::checkRange() 97

    cv::compare() 98

    cv::completeSymm() 99

    cv::convertScaleAbs() 99

    cv::countNonZero() 100

    cv::Mat cv::cvarrToMat() 100

    cv::dct() 101

    cv::dft() 102

    cv::cvtColor() 103

    cv::determinant() 106

    cv::divide() 106

    cv::eigen() 106

    cv::exp() 107

    cv::extractImageCOI() 107

    cv::flip() 108

    cv::gemm() 108

    cv::getConvertElem()和cv::getConvertScaleElem() 109

    cv::idct() 110

    cv::inRange() 110

    cv::insertImageCOI() 111

    cv::invert() 111

    cv::log() 112

    cv::LUT() 112

    cv::Mahalanobis() 113

    cv::max() 114

    cv::mean() 115

    cv::meanStdDev() 116

    cv::merge() 116

    cv::min() 116

    cv::minMaxIdx() 117

    cv::minMaxLoc() 118

    cv::mixChannels() 119

    cv::mulSpectrums() 120

    cv::multiply() 121

    cv::mulTransposed() 121

    cv::norm() 122

    cv::normalize() 123

    cv::perspectiveTransform() 125

    cv::phase() 125

    cv::polarToCart() 126

    cv::pow() 126

    cv::randu() 127

    cv::randn() 127

    cv::repeat() 129

    cv::scaleAdd() 129

    cv::setIdentity() 130

    cv::solve() 130

    cv::solveCubic() 131

    cv::solvePoly() 132

    cv::sort() 132

    cv::sortIdx() 133

    cv::split() 133

    cv::sqrt() 134

    cv::subtract() 135

    cv::sum() 135

    cv::trace() 135

    cv::transform() 136

    cv::transpose() 136

    小结137

    练习137

    第6章 绘图和注释 139

    绘图139

    艺术线条和填充多边形 140

    字体和文字 146

    小结148

    练习148

    第7章OpenCV中的函数子 151

    操作对象 151

    主成分分析(cv::PCA) 151

    奇异值分解cv::SVD 154

    随机数发生器cv::RNG 157

    小结160

    练习160

    第8章 图像、视频与数据文件 163

    HighGUI模块:一个可移植的图形工具包163

    图像文件的处理 164

    图像的载入与保存 165

    关于codecs的一些注释 167

    图片的编码与解码 168

    视频的处理 169

    使用cv::VideoCapture对象读取视频流 169

    使用cv::VideoWriter对象写入视频 175

    数据存储 176

    cv::FileStorage的写入 177

    使用cv::FileStorage读取文件 179

    cv::FileNode 180

    小结183

    练习183

    第9章 跨平台和Windows系统 187

    基于Windows开发 187

    HighGUI原生图形用户接口 188

    通过Qt后端工作 199

    综合OpenCV和全功能GUI工具包 209

    小结222

    练习222

    第10章 滤波与卷积 225

    概览225

    预备知识 225

    滤波、核和卷积 225

    边界外推和边界处理 227

    阈值化操作 230

    Otsu算法 233

    自适应阈值 233

    平滑235

    简单模糊和方框型滤波器 236

    中值滤波器 238

    高斯滤波器 239

    双边滤波器 240

    导数和梯度 242

    索贝尔导数 242

    Scharr滤波器 244

    拉普拉斯变换 245

    图像形态学 246

    膨胀和腐蚀 247

    通用形态学函数 250

    开操作和闭操作 251

    形态学梯度 254

    顶帽和黑帽 256

    自定义核 258

    用任意线性滤波器做卷积 259

    用cv::filter2D()进行卷积 259

    通过cv::sepFilter2D使用可分核 260

    生成卷积核 260

    小结262

    练习262

    第11章 常见的图像变换 267

    概览267

    拉伸、收缩、扭曲和旋转 267

    均匀调整 268

    图像金字塔 269

    不均匀映射 273

    仿射变换 274

    透视变换 279

    通用变换 282

    极坐标映射 282

    LogPolar 283

    任意映射 287

    图像修复 287

    图像修复 288

    去噪 289

    直方图均衡化 292

    cv::equalizeHist()用于对比均衡 294

    小结295

    练习295

    第12章 图像分析 297

    概览297

    离散傅里叶变换 297

    cv::dft()离散傅里叶变换 298

    cv::idft()用于离散傅里叶逆变换 300

    cv::mulSpectrums()频谱乘法 300

    使用傅里叶变换进行卷积 301

    cv::dct()离散余弦变换 303

    cv::idct()离散余弦逆变换 304

    积分图 304

    cv::integral()标准求和积分 306

    cv::integral()平方求和积分 306

    cv::integral()倾斜求和积分 307

    Canny边缘检测 307

    cv::Canny() 309

    Hough变换 309

    Hough线变换 309

    Hough圆变换 313

    距离变换 316

    cv::distanceTransform()无标记距离变换 317

    cv::distanceTransform()有标记距离变换 317

    分割318

    漫水填充 318

    分水岭算法 322

    Grabcuts算法 323

    Mean-Shift分割算法 325

    小结326

    练习326

    第13章 直方图和模板 329

    OpenCV中直方图的表示 331

    cv::calcHist():从数据创建直方图 332

    基本直方图操作 334

    直方图归一化 334

    直方图二值化 335

    找出最显著的区间 335

    比较两个直方图 337

    直方图用法示例 339

    一些复杂的直方图方法 342

    EMD距离 342

    反向投影 347

    模板匹配 350

    方差匹配方法(cv::TM_SQDIFF) 351

    归一化方差匹配方法(cv::TM_SQDIFF_NORMED) 352

    相关性匹配方法(cv::TM_CCORR)352

    归一化的互相关匹配方法(cv::TM_CCORR_NORMED) 352

    相关系数匹配方法(cv::TM_CCOEFF) 352

    归一化的相关系数匹配方法(cv::TM_CCOEFF_NORMED) 352

    小结355

    练习355

    第14章 轮廓 359

    轮廓查找 359

    轮廓层次 360

    绘制轮廓 364

    轮廓实例 365

    另一个轮廓实例 366

    快速连通区域分析 368

    深入分析轮廓 370

    多边形逼近 370

    几何及特性概括 372

    几何学测试 377

    匹配轮廓与图像 378

    矩 378

    再论矩 380

    使用Hu矩进行匹配 383

    利用形状场景方法比较轮廓 384

    小结388

    练习389

    第15章 背景提取 391

    背景提取概述 391

    背景提取的缺点 392

    场景建模 392

    像素 393

    帧间差分 396

    平均背景法 397

    累计均值,方差和协方差 403

    更复杂的背景提取方法 410

    结构 413

    进行背景学习 414

    存在移动的前景物体时进行背景学习417

    背景差分:检测前景物体 418

    使用码书法的背景模型 419

    关于码书法的其他想法 419

    使用连通分量进行前景清理 420

    小测试 423

    两种背景方法的对比 425

    OpenCV中的背景提取方法的封装 425

    cv::BackgroundSubstractor基类 426

    KB方法 427

    Zivkovic方法 428

    小结431

    练习431

    第16章 关键点和描述子 433

    关键点和跟踪基础 433

    角点检测 434

    光流简介 437

    Lucas-Kanade稀疏光流法 438

    广义关键点和描述符 448

    光流,跟踪和识别 450

    OpenCV一般如何处理关键点和描述符 451

    核心关键点检测方法 461

    关键点过滤 497

    匹配方法 499

    结果显示 505

    小结508

    练习508

    第17章 跟踪 511

    跟踪中的概念 511

    稠密光流 512

    Farneback多项式扩展算法 513

    Dual TV-L1模型 515

    简单光流算法 519

    Mean-Shift算法和Camshift追踪 522

    Mean-Shift算法 522

    Camshift 526

    运动模板 526

    估计533

    卡尔曼滤波器 534

    扩展卡尔曼滤波器简述 549

    小结551

    练习551

    第18章 相机模型与标定 553

    相机模型 554

    射影几何基础 556

    Rodrigues变换 558

    透镜畸变 559

    标定562

    旋转矩阵和平移向量 563

    标定板 566

    单应性 572

    相机标定 576

    矫正587

    矫正映射 587

    使用cv::convertMaps()在不同表示方式之间转换矫正映射 588

    使用cv::initUndistortRectifyMap()计算矫正映射 589

    使用cv::remap()矫正图像 591

    使用cv::undistort()进行矫正 591

    使用cv::undistortPoints()进行稀疏矫正 591

    与标定结合 592

    小结595

    练习596

    第19章 投影与三维视觉 599

    投影600

    仿射变换与透视变换 601

    鸟瞰图变换实例 602

    三维姿态估计 606

    单摄像机姿态估计 607

    立体成像 609

    三角测量 610

    对极几何 613

    本征矩阵和基本矩阵 615

    计算极线 624

    立体校正 624

    立体校正 628

    立体匹配 638

    立体校正、标定和对应的示例代码 650

    来自三维重投影的深度映射 657

    来自运动的结构 659

    二维与三维直线拟合 659

    小结662

    练习662

    第20章 机器学习基础 665

    什么是机器学习 665

    训练集和测试集 666

    有监督学习和无监督学习 667

    生成式模型和判别式模型 669

    OpenCV机器学习算法 669

    机器学习在视觉中的应用 671

    变量的重要性 673

    诊断机器学习中的问题 674

    ML库中遗留的机器学习算法 678

    K均值 679

    马氏距离 684

    小结687

    练习687

    第21章StatModel:OpenCV中的基准学习模型 689

    ML库中的常见例程 689

    训练方法和cv::ml::TrainData的结构 691

    预测 697

    使用cv::StatModel的机器学习算法 698

    朴素贝叶斯分类器 699

    二叉决策树 703

    Boosting方法 716

    随机森林 721

    期望最大化算法 725

    K近邻算法 729

    多层感知机 731

    支持向量机 739

    小结749

    练习750

    第22章 目标检测 753

    基于树的目标检测技术 753

    级联分类器 754

    有监督学习和boosting理论 756

    学习新目标 764

    使用支持向量机的目标识别 772

    Latent SVM用于目标识别 772

    Bag of Words算法与语义分类 775

    小结780

    练习780

    第23章OpenCV的未来 783

    过去与未来 783

    OpenCV 3.x 784

    我们上一次预测怎么样? 784

    未来应用 785

    目前GSoC的进展 787

    社区贡献 788

    OpenCV.org 789

    一些关于AI的猜测 790

    结语793

    附录A平面划分 795

    附录B opencv_contrib模块概述 809

    附录C标定图案 813

    参考文献 819

    https://detail.tmall.com/item.htm?spm=a230r.1.14.68.6dea79aaby6EG3&id=574723794426&ns=1&abbucket=3

  2. 目錄

    譯者序 xvii

    前言 xxi

    第1章 概述 1

    什么是OpenCV 1

    OpenCV怎么用 2

    什么是計算機視覺 3

    OpenCV的起源 6

    OpenCV的結搆 7

    使用IPP來加速OpenCV 8

    誰擁有OpenCV 9

    下載和安裝OpenCV 9

    安裝 9

    從Git獲取最新的OpenCV 12

    更多的OpenCV文檔 13

    提供的文檔 13

    在線文檔和維基資源 13

    OpenCV貢獻庫 15

    下載和編譯Contributed模塊 16

    可移植性 16

    小結 17

    練習 17

    第2章OpenCV初探 19

    頭文件 19

    資源 20

    第一個程序:顯示圖片 21

    第二個程序:視頻 23

    跳轉 24

    簡單的變換 28

    不那么簡單的變換 30

    從攝像頭中讀取 32

    寫入AVI文件 33

    小結 34

    練習 35

    第3章 了解OpenCV的數據類型 37

    基礎知識 37

    OpenCV的數據類型 37

    基礎類型概述 38

    深入了解基礎類型 39

    輔助對象 46

    工具函數 53

    模板結搆 60

    小結 61

    練習 61

    第4章 圖像和大型數組類型 63

    動態可變的存儲 63

    cv::Mat類N維稠密數組 64

    創建一個數組 65

    獨立獲取數組元素 69

    數組迭代器NAryMatIterator 72

    通過塊訪問數組元素 74

    矩陣表達式:代數和cv::Mat 75

    飽和轉換 77

    數組還可以做很多事情 78

    稀疏數據類cv::SparesMat 79

    訪問稀疏數組中的元素 79

    稀疏數組中的特有函數 82

    為大型數組准備的模板結搆 83

    小結 85

    練習 86

    第5章 矩陣操作 87

    矩陣還可以做更多事情 87

    cv::abs() 90

    cv::add() 91

    cv::addWeighted() 92

    cv::bitwise_and() 94

    cv::bitwise_not() 94

    cv::bitwise_or() 94

    cv::bitwise_xor() 95

    cv::calcCovarMatrix() 95

    cv::cartToPolar() 97

    cv::checkRange() 97

    cv::compare() 98

    cv::completeSymm() 99

    cv::convertScaleAbs() 99

    cv::countNonZero() 100

    cv::Mat cv::cvarrToMat() 100

    cv::dct() 101

    cv::dft() 102

    cv::cvtColor() 103

    cv::determinant() 106

    cv::divide() 106

    cv::eigen() 106

    cv::exp() 107

    cv::extractImageCOI() 107

    cv::flip() 108

    cv::gemm() 108

    cv::getConvertElem()和cv::getConvertScaleElem() 109

    cv::idct() 110

    cv::inRange() 110

    cv::insertImageCOI() 111

    cv::invert() 111

    cv::log() 112

    cv::LUT() 112

    cv::Mahalanobis() 113

    cv::max() 114

    cv::mean() 115

    cv::meanStdDev() 116

    cv::merge() 116

    cv::min() 116

    cv::minMaxIdx() 117

    cv::minMaxLoc() 118

    cv::mixChannels() 119

    cv::mulSpectrums() 120

    cv::multiply() 121

    cv::mulTransposed() 121

    cv::norm() 122

    cv::normalize() 123

    cv::perspectiveTransform() 125

    cv::phase() 125

    cv::polarToCart() 126

    cv::pow() 126

    cv::randu() 127

    cv::randn() 127

    cv::repeat() 129

    cv::scaleAdd() 129

    cv::setIdentity() 130

    cv::solve() 130

    cv::solveCubic() 131

    cv::solvePoly() 132

    cv::sort() 132

    cv::sortIdx() 133

    cv::split() 133

    cv::sqrt() 134

    cv::subtract() 135

    cv::sum() 135

    cv::trace() 135

    cv::transform() 136

    cv::transpose() 136

    小結137

    練習137

    第6章 繪圖和注釋 139

    繪圖139

    藝朮線條和填充多邊形 140

    字體和文字 146

    小結148

    練習148

    第7章OpenCV中的函數子 151

    操作對象 151

    主成分分析(cv::PCA) 151

    奇異值分解cv::SVD 154

    隨機數發生器cv::RNG 157

    小結160

    練習160

    第8章 圖像、視頻與數據文件 163

    HighGUI模塊:一個可移植的圖形工具包163

    圖像文件的處理 164

    圖像的載入與保存 165

    關於codecs的一些注釋 167

    圖片的編碼與解碼 168

    視頻的處理 169

    使用cv::VideoCapture對象讀取視頻流 169

    使用cv::VideoWriter對象寫入視頻 175

    數據存儲 176

    cv::FileStorage的寫入 177

    使用cv::FileStorage讀取文件 179

    cv::FileNode 180

    小結183

    練習183

    第9章 跨平台和Windows系統 187

    基於Windows開發 187

    HighGUI原生圖形用戶接口 188

    通過Qt后端工作 199

    綜合OpenCV和全功能GUI工具包 209

    小結222

    練習222

    第10章 濾波與卷積 225

    概覽225

    預備知識 225

    濾波、核和卷積 225

    邊界外推和邊界處理 227

    閾值化操作 230

    Otsu算法 233

    自適應閾值 233

    平滑235

    簡單模糊和方框型濾波器 236

    中值濾波器 238

    高斯濾波器 239

    雙邊濾波器 240

    導數和梯度 242

    索貝爾導數 242

    Scharr濾波器 244

    拉普拉斯變換 245

    圖像形態學 246

    膨脹和腐蝕 247

    通用形態學函數 250

    開操作和閉操作 251

    形態學梯度 254

    頂帽和黑帽 256

    自定義核 258

    用任意線性濾波器做卷積 259

    用cv::filter2D()進行卷積 259

    通過cv::sepFilter2D使用可分核 260

    生成卷積核 260

    小結262

    練習262

    第11章 常見的圖像變換 267

    概覽267

    拉伸、收縮、扭曲和旋轉 267

    均勻調整 268

    圖像金字塔 269

    不均勻映射 273

    仿射變換 274

    透視變換 279

    通用變換 282

    極坐標映射 282

    LogPolar 283

    任意映射 287

    圖像修復 287

    圖像修復 288

    去噪 289

    直方圖均衡化 292

    cv::equalizeHist()用於對比均衡 294

    小結295

    練習295

    第12章 圖像分析 297

    概覽297

    離散傅里葉變換 297

    cv::dft()離散傅里葉變換 298

    cv::idft()用於離散傅里葉逆變換 300

    cv::mulSpectrums()頻譜乘法 300

    使用傅里葉變換進行卷積 301

    cv::dct()離散余弦變換 303

    cv::idct()離散余弦逆變換 304

    積分圖 304

    cv::integral()標准求和積分 306

    cv::integral()平方求和積分 306

    cv::integral()傾斜求和積分 307

    Canny邊緣檢測 307

    cv::Canny() 309

    Hough變換 309

    Hough線變換 309

    Hough圓變換 313

    距離變換 316

    cv::distanceTransform()無標記距離變換 317

    cv::distanceTransform()有標記距離變換 317

    分割318

    漫水填充 318

    分水嶺算法 322

    Grabcuts算法 323

    Mean-Shift分割算法 325

    小結326

    練習326

    第13章 直方圖和模板 329

    OpenCV中直方圖的表示 331

    cv::calcHist():從數據創建直方圖 332

    基本直方圖操作 334

    直方圖歸一化 334

    直方圖二值化 335

    找出最顯著的區間 335

    比較兩個直方圖 337

    直方圖用法示例 339

    一些復雜的直方圖方法 342

    EMD距離 342

    反向投影 347

    模板匹配 350

    方差匹配方法(cv::TM_SQDIFF) 351

    歸一化方差匹配方法(cv::TM_SQDIFF_NORMED) 352

    相關性匹配方法(cv::TM_CCORR)352

    歸一化的互相關匹配方法(cv::TM_CCORR_NORMED) 352

    相關系數匹配方法(cv::TM_CCOEFF) 352

    歸一化的相關系數匹配方法(cv::TM_CCOEFF_NORMED) 352

    小結355

    練習355

    第14章 輪廓 359

    輪廓查找 359

    輪廓層次 360

    繪制輪廓 364

    輪廓實例 365

    另一個輪廓實例 366

    快速連通區域分析 368

    深入分析輪廓 370

    多邊形逼近 370

    几何及特性概括 372

    几何學測試 377

    匹配輪廓與圖像 378

    矩 378

    再論矩 380

    使用Hu矩進行匹配 383

    利用形狀場景方法比較輪廓 384

    小結388

    練習389

    第15章 背景提取 391

    背景提取概述 391

    背景提取的缺點 392

    場景建模 392

    像素 393

    幀間差分 396

    平均背景法 397

    累計均值,方差和協方差 403

    更復雜的背景提取方法 410

    結搆 413

    進行背景學習 414

    存在移動的前景物體時進行背景學習417

    背景差分:檢測前景物體 418

    使用碼書法的背景模型 419

    關於碼書法的其他想法 419

    使用連通分量進行前景清理 420

    小測試 423

    兩種背景方法的對比 425

    OpenCV中的背景提取方法的封裝 425

    cv::BackgroundSubstractor基類 426

    KB方法 427

    Zivkovic方法 428

    小結431

    練習431

    第16章 關鍵點和描述子 433

    關鍵點和跟蹤基礎 433

    角點檢測 434

    光流簡介 437

    Lucas-Kanade稀疏光流法 438

    廣義關鍵點和描述符 448

    光流,跟蹤和識別 450

    OpenCV一般如何處理關鍵點和描述符 451

    核心關鍵點檢測方法 461

    關鍵點過濾 497

    匹配方法 499

    結果顯示 505

    小結508

    練習508

    第17章 跟蹤 511

    跟蹤中的概念 511

    稠密光流 512

    Farneback多項式擴展算法 513

    Dual TV-L1模型 515

    簡單光流算法 519

    Mean-Shift算法和Camshift追蹤 522

    Mean-Shift算法 522

    Camshift 526

    運動模板 526

    估計533

    卡爾曼濾波器 534

    擴展卡爾曼濾波器簡述 549

    小結551

    練習551

    第18章 相機模型與標定 553

    相機模型 554

    射影几何基礎 556

    Rodrigues變換 558

    透鏡畸變 559

    標定562

    旋轉矩陣和平移向量 563

    標定板 566

    單應性 572

    相機標定 576

    矯正587

    矯正映射 587

    使用cv::convertMaps()在不同表示方式之間轉換矯正映射 588

    使用cv::initUndistortRectifyMap()計算矯正映射 589

    使用cv::remap()矯正圖像 591

    使用cv::undistort()進行矯正 591

    使用cv::undistortPoints()進行稀疏矯正 591

    與標定結合 592

    小結595

    練習596

    第19章 投影與三維視覺 599

    投影600

    仿射變換與透視變換 601

    鳥瞰圖變換實例 602

    三維姿態估計 606

    單攝像機姿態估計 607

    立體成像 609

    三角測量 610

    對極几何 613

    本徵矩陣和基本矩陣 615

    計算極線 624

    立體校正 624

    立體校正 628

    立體匹配 638

    立體校正、標定和對應的示例代碼 650

    來自三維重投影的深度映射 657

    來自運動的結搆 659

    二維與三維直線擬合 659

    小結662

    練習662

    第20章 機器學習基礎 665

    什么是機器學習 665

    訓練集和測試集 666

    有監督學習和無監督學習 667

    生成式模型和判別式模型 669

    OpenCV機器學習算法 669

    機器學習在視覺中的應用 671

    變量的重要性 673

    診斷機器學習中的問題 674

    ML庫中遺留的機器學習算法 678

    K均值 679

    馬氏距離 684

    小結687

    練習687

    第21章StatModel:OpenCV中的基准學習模型 689

    ML庫中的常見例程 689

    訓練方法和cv::ml::TrainData的結搆 691

    預測 697

    使用cv::StatModel的機器學習算法 698

    朴素貝葉斯分類器 699

    二叉決策樹 703

    Boosting方法 716

    隨機森林 721

    期望最大化算法 725

    K近鄰算法 729

    多層感知機 731

    支持向量機 739

    小結749

    練習750

    第22章 目標檢測 753

    基於樹的目標檢測技朮 753

    級聯分類器 754

    有監督學習和boosting理論 756

    學習新目標 764

    使用支持向量機的目標識別 772

    Latent SVM用於目標識別 772

    Bag of Words算法與語義分類 775

    小結780

    練習780

    第23章OpenCV的未來 783

    過去與未來 783

    OpenCV 3.x 784

    我們上一次預測怎么樣? 784

    未來應用 785

    目前GSoC的進展 787

    社區貢獻 788

    OpenCV.org 789

    一些關於AI的猜測 790

    結語793

    附錄A平面划分 795

    附錄B opencv_contrib模塊概述 809

    附錄C標定圖案 813

    參考文獻 819

    https://detail.tmall.com/item.htm?spm=a230r.1.14.68.6dea79aaby6EG3&id=574723794426&ns=1&abbucket=3

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *