书籍详情
《官网OpenCV4应用开发入门进阶与工程化实践OpenCV4图像处理OpenCV应用开发OpenCV工程化实践书籍》[23M]百度网盘|亲测有效|pdf下载
  • 官网OpenCV4应用开发入门进阶与工程化实践OpenCV4图像处理OpenCV应用开发OpenCV工程化实践书籍

  • 出版社:机械工业出版社官方旗舰店
  • 热度:12112
  • 上架时间:2024-06-30 09:38:03
  • 价格:0.0
书籍下载
书籍预览
免责声明

本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源,一旦发现资源涉及侵权,将立即删除。希望所有用户一同监督并反馈问题,如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正

内容介绍

6f4d42192e1fff25.jpg7e29aba89c34375c.jpg







本书包括三大部分,对应着三个层次的OpenCV开发进阶:(1)基础篇学习OpenCV基础知识,知道如何简单使用API函数;(2)进阶篇学习OpenCV核心API、达到熟练掌握可以解决常见的计算机视觉问题;(3)高级实战篇:综合运用OpenCV开发知识,解决实际问题。

第 一部分针对初级读者,介绍什么是OpenCV、如何开始写第 一行OpenCV代码,图像如何被OpenCV加载与显示、OpenCV基础API操作、Mat对象与像素操作。

第二部分针对中级读者,从图像卷积开始,认真学习OpenCV图像处理、特征提取、机器学习等核心模块相关知识点、穿插大量工程案例与代码实践、从图像卷积滤波到二值图像分析、图像特征提取、自定义对象检测、完整系统化的学习OpenCV传统图像处理的经典知识点与案例。真正做到扎实基础、构建中级水准,可以解决常见计算机视觉问题。

第三部分针对高级读者,这是本书的重点与难点,主要涉及深度神经网络运用、DNN中支持卷积神经网络模型理解与调用、人脸检测与识别、自定义对象检测、深度神经网络模型压缩与优化、模型转换与加速推理、tensorflow对象检测框架与OpenCV DNN模块结合使用等相关知识点、同时还有OpenCV传统强项应用二值图像分析相关的典型工业应用案例学习。

通过对本书的学习,读者对OpenCV整个框架理解、相关模块的运用能力都达到一个新的高度、有能力设计复杂的计算机视觉算法、通过OpenCV解决实际问题、把深度学习模型应用到端侧加速实现商业价值、拓展OpenCV与计算机视觉在各个行业的商业化落地。






目  录

前言

基础篇

第1章 OpenCV简介与安装 / 2

1.1 OpenCV简介 / 2

1.1.1 OpenCV历史 / 2

1.1.2 OpenCV的模块与功能 / 3

1.1.3 OpenCV4里程碑 / 4

1.1.4 OpenCV发展现状与

应用趋势 / 4

1.2 OpenCV源码项目 / 4

1.3 OpenCV4开发环境搭建 / 5

1.4 第一个OpenCV开发程序 / 6

1.5 图像加载与保存 / 7

1.5.1 加载图像 / 7

1.5.2 保存图像 / 8

1.6 加载视频 / 9

1.7 小结 / 12

第2章 Mat与像素操作 / 13

2.1 Mat对象 / 13

2.1.1 什么是Mat对象 / 13

2.1.2 一切图像皆Mat / 14

2.1.3 Mat类型与深度 / 15

2.1.4 创建Mat / 15

2.2 访问像素 / 18

2.2.1 遍历Mat中的像素 / 18

2.2.2 像素算术运算 / 20

2.2.3 位运算 / 21

2.2.4 调整图像亮度与对比度 / 22

2.3 图像类型与通道 / 23

2.3.1 图像类型 / 23

2.3.2 图像通道 / 23

2.3.3 通道操作 / 24

2.4 小结 / 25

第3章 色彩空间 / 26

3.1 RGB色彩空间 / 26

3.2 HSV色彩空间 / 28

3.3 LAB色彩空间 / 29

3.4 色彩空间的转换与应用 / 30

3.5 小结 / 31

第4章 图像直方图 / 32

4.1 像素统计信息 / 32

4.2 直方图的计算与绘制 / 34

4.2.1 直方图计算 / 35

4.2.2 直方图绘制 / 36

4.3 直方图均衡化 / 37

4.4 直方图比较 / 40

4.5 直方图反向投影 / 41

4.6 小结 / 43

进阶篇

第5章 卷积操作 / 46

5.1 卷积的概念 / 46

5.2 卷积模糊 / 49

5.3 自定义滤波 / 53

5.4 梯度提取 / 56

5.5 边缘发现 / 59

5.6 噪声与去噪 / 61

5.7 边缘保留滤波 / 64

5.8 锐化增强 / 66

5.9 小结 / 68

第6章 二值图像 / 70

6.1 图像阈值化分割 / 70

6.2 全局阈值计算 / 72

6.3 自适应阈值计算 / 76

6.4 去噪与二值化 / 77

6.4.1 去噪对二值化的影响 / 77

6.4.2 其他方式的二值化 / 78

6.5 小结 / 79

第7章 二值分析 / 80

7.1 二值图像分析概述 / 80

7.2 连通组件标记 / 82

7.3 轮廓发现 / 85

7.3.1 轮廓发现函数 / 85

7.3.2 轮廓绘制函数 / 87

7.3.3 轮廓发现与绘制的示例

代码 / 87

7.4 轮廓测量 / 88

7.5 拟合与逼近 / 90

7.6 轮廓分析 / 95

7.7 直线检测 / 97

7.8 霍夫圆检测 / 99

7.9 大内接圆与最小外接圆 / 101

7.10 轮廓匹配 / 102

7.11 大轮廓与关键点编码 / 104

7.12 凸包检测 / 106

7.13 小结 / 107

第8章 形态学分析 / 108

8.1 图像形态学概述 / 108

8.2 膨胀与腐蚀 / 109

8.3 开/闭操作 / 111

8.4 形态学梯度 / 113

8.5 顶帽与黑帽 / 115

8.6 击中/击不中 / 116

8.7 结构元素 / 119

8.8 距离变换 / 120

8.9 分水岭分割 / 121

8.10 小结 / 124

第9章 特征提取 / 125

9.1 图像金字塔 / 125

9.1.1 高斯金字塔 / 125

9.1.2 拉普拉斯金字塔 / 128

9.1.3 图像金字塔融合 / 129

9.2 Harris角点检测 / 131

9.3 shi-tomas角点检测 / 133

9.4 亚像素级别的角点检测 / 135

9.5 HOG特征与使用 / 137

9.5.1 HOG特征描述子 / 137

9.5.2 HOG特征行人检测 / 139

9.6 ORB特征描述子 / 140

9.6.1 关键点与描述子提取 / 140

9.6.2 描述子匹配 / 144

9.7 基于特征的对象检测 / 148

9.7.1 单应性矩阵计算方法 / 148

9.7.2 特征对象的位置发现 / 150

9.8 小结 / 152

第10章 视频分析 / 153

10.1 基于颜色的对象跟踪 / 153

10.2 视频背景分析 / 155

10.3 帧差法背景分析 / 157

10.4 稀疏光流分析法 / 158

10.5 稠密光流分析法 / 161

10.6 均值迁移分析 / 163

10.7 小结 / 166

第11章 机器学习 / 167

11.1 KMeans分类 / 167

 11.1.1 KMeans图像语义

分割 / 167

 11.1.2 提取主色彩构建色卡 / 170

11.2 KNN分类 / 172

 11.2.1 KNN函数支持 / 172

 11.2.2 KNN实现手写数字

识别 / 173

11.3 SVM分类 / 175

 11.3.1 SVM的原理与分类 / 175

 11.3.2 SVM函数 / 176

 11.3.3 SVM实现手写数字

识别 / 176

11.4 SVM与HOG实现对象检测 / 177

 11.4.1 数据样本特征提取 / 178

 11.4.2 SVM特征分类 / 179

 11.4.3 构建SVM对象检测器 / 179

11.5 小结 / 181

第12章 深度神经网络 / 182

12.1 DNN概述 / 182

12.2 图像分类 / 183

12.3 对象检测 / 186

 12.3.1 SSD对象检测 / 187

 12.3.2 Faster-RCNN对象

检测 / 188

 12.3.3 YOLO对象检测 / 190

12.4 ENet图像语义分割 / 193

12.5 风格迁移 / 195

12.6 场景文字检测 / 197

12.7 人脸检测 / 199

12.8 小结 / 201

高级与实战篇

第13章 YOLO 5自定义对象

检测 / 204

13.1 YOLO 5对象检测框架 / 204

13.2 YOLO 5对象检测 / 205

13.3 自定义对象检测 / 208

 13.3.1 数据集制作与生成 / 209

 13.3.2 模型训练与查看损失

曲线 / 210

 13.3.3 模型导出与部署 / 211

13.4 小结 / 212

第14章 缺陷检测 / 213

14.1 简单背景下的缺陷检测 / 213

14.2 复杂背景下的缺陷检测 / 216

 14.2.1 频域增强的缺陷检测 / 216

 14.2.2 空间域增强的缺陷检测 / 219

14.3 案例:刀片缺陷检测 / 220

14.4 基于深度学习的缺陷检测 / 222

 14.4.1 基于分类的缺陷检测 / 223

 14.4.2 基于分割的缺陷检测 / 226

14.5 小结 / 228

第15章 OpenVINO加速 / 229

15.1 OpenVINO框架安装与环境

配置 / 229

 15.1.1 OpenVINO安装 / 230

 15.1.2 配置C++开发支持 / 232

15.2 OpenVINO2022.x版SDK

推理演示 / 233

 15.2.1 推理SDK介绍 / 234

 15.2.2 推理SDK演示 / 235

15.3 OpenVINO支持UNet部署 / 236

15.4 OpenVINO支持YOLO 5

部署 / 237

15.5 小结 / 239

第16章 CUDA加速 / 240

16.1 编译OpenCV源码支持CUDA

加速 / 240

16.2 用CUDA加速传统图像处理 / 245

 16.2.1 Mat与GpuMat / 245

 16.2.2 加速图像处理与视频

分析 / 246

16.3 加速DNN / 248

16.4 小结 / 249