OpenCV 4计算机视觉:Python语言实现(原书第3版)

译者序
前言
作者简介
审校者简介
第1章　安装OpenCV 1
11　技术需求 2
12　OpenCV 4有哪些新特性 2
13　选择和使用合适的安装工具 3
131　在Windows上安装 3
132　在macOS上安装 7
133　在Debian、Ubuntu、Linux Mint以及类似系统上安装 8
134　在其他类UNIX系统上安装 11
14　运行示例 12
15　查找文档、帮助和更新 13
16　本章小结 13
第2章　处理文件、摄像头和GUI 14
21　技术需求 14
22　基本I/O脚本 14
221　读取/写入图像文件 15
222　在图像和原始字节之间进行转换 17
223　基于numpyarray访问图像数据 19
224　读取/写入视频文件 21
225　捕捉摄像头帧 22
226　在窗口中显示图像 23
227　在窗口中显示摄像头帧 24
23　项目Cameo（人脸跟踪和图像处理） 25
24　Cameo：面向对象的设计 26
241　基于managersCaptureManager提取视频流 26
242　基于managersWindowManager提取窗口和键盘 30
243　基于cameoCameo应用所有内容 31
25　本章小结 33
第3章　基于OpenCV的图像处理 34
31　技术需求 34
32　在不同颜色模型之间进行图像转换 34
33　探索傅里叶变换 35
34　创建模块 38
35　边缘检测 38
36　自定义核：获取卷积 39
37　修改应用程序 41
38　基于Canny的边缘检测 43
39　轮廓检测 43
391　边框、*小矩形区域以及*小外接圆 44
392　凸轮廓和Douglas-Peucker算法 46
310　检测线、圆以及其他形状 48
3101　检测线 48
3102　检测圆 49
3103　检测其他形状 50
311　本章小结 50
第4章　深度估计和分割 51
41　技术需求 51
42　创建模块 52
43　从深度摄像头捕捉帧 52
44　将10位图像转换成8位图像 54
45　由视差图创建掩模 56
46　修改应用程序 57
47　基于普通摄像头的深度估计 59
48　基于GrabCut算法的前景检测 64
49　基于分水岭算法的图像分割 67
410　本章小结 69
第5章　人脸检测和识别 70
51　技术需求 71
52　Haar级联的概念化 71
53　获取Haar级联数据 72
54　使用OpenCV进行人脸检测 72
541　在静态图像上进行人脸检测 73
542　在视频上进行人脸检测 74
543　进行人脸识别 77
55　在红外线下换脸 83
551　修改应用程序的循环 84
552　掩模复制操作 86
56　本章小结 88
第6章　使用图像描述符检索和搜索图像 89
61　技术需求 89
62　理解特征检测和匹配的类型 90
63　检测Harris角点 90
64　检测DoG特征并提取SIFT描述符 92
65　检测快速Hessian特征并提取SURF描述符 95
66　使用基于FAST特征和BRIEF描述符的ORB 96
661　FAST 97
662　BRIEF 97
663　蛮力匹配 98
664　匹配两幅图像中的标识 98
67　使用K*近邻和比率检验过滤匹配 101
68　基于FLANN的匹配 104
69　基于FLANN进行单应性匹配 107
610　示例应用程序：文身取证 110
6101　将图像描述符保存到文件 110
6102　扫描匹配 111
611　本章小结 114
第7章　建立自定义物体检测器 115
71　技术需求 115
72　理解HOG描述符 116
721　HOG的可视化 116
722　使用HOG描述图像的区域 117
73　理解非极大值抑制 118
74　理解支持向量机 118
75　基于HOG描述符检测人 119
76　创建并训练物体检测器 122
761　理解BoW 122
762　将BoW应用于计算机视觉领域 123
763　k均值聚类 123
77　检测汽车 124
771　支持向量机和滑动窗口相结合 129
772　检测场景中的汽车 130
773　保存并加载经过训练的支持向量机 135
78　本章小结 135
第8章　物体跟踪 136
81　技术需求 136
82　基于背景差分检测运动物体 137
821　实现基本背景差分器 138
822　使用MOG背景差分器 140
823　使用KNN背景差分器 143
824　使用GMG和其他背景差分器 145
83　利用MeanShift和CamShift跟踪彩色物体 147
831　规划MeanShift示例 148
832　计算和反投影颜色直方图 148
833　实现MeanShift示例 152
834　使用CamShift 153
84　使用卡尔曼滤波器寻找运动趋势 155
841　理解预测和更新阶段 155
842　跟踪鼠标光标 156
85　跟踪行人 158
851　规划应用程序的流程 158
852　比较面向对象范式和函数范式 159
853　实现行人类 160
854　实现主函数 162
855　考虑接下来的步骤 165
86　本章小结 165
第9章　摄像头模型和增强现实 166
91　技术需求 166
92　理解3D图像跟踪和增强现实 167
921　理解摄像头和镜头参数 168
922　理解cv2solvePnPRansac 172
93　实现demo应用程序 174
931　导入模块 174
932　执行灰度转换 175
933　执行2D到3D的空间转换 176
934　实现应用程序类 177
935　运行和测试应用程序 192
94　改进3D跟踪算法 195
95　本章小结 195
第10章　基于OpenCV的神经网络导论 197
101　技术需求 198
102　理解人工神经网络 198
1021　理解神经元和感知器 199
1022　理解神经网络的层 200
103　用OpenCV训练基本人工神经网络 202
104　训练多阶段人工神经网络分类器 203
105　基于人工神经网络识别手写数字 207
1051　理解手写数字的MNIST数据库 207
1052　为MNIST数据库选择训练参数 208
1053　实现模块来训练人工神经网络 208
1054　实现简单测试模块 212
1055　实现主模块 212
1056　试着提升人工神经网络训练性能 217
1057　寻找其他潜在应用程序 218
106　在OpenCV中使用其他框架的深度神经网络 219
107　基于第三方深度神经网络的物体检测和分类 220
108　基于第三方深度神经网络的人脸检测和分类 223
109　本章小结 228
附录　基于曲线滤波器弯曲颜色空间 229