包邮OpenCV 3计算机视觉-Python语言实现-(原书第2版)

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opencv 11.1　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i/o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、*小矩形区域和*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-*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gmg 1388.2.1　均值漂移和camshift 1428.2.2　彩色直方图 1448.2.3　返回代码 1468.3　camshift 1478.4　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ann 1649.3.1　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