本書使用面向Python的OpenCV講解計算機(jī)視覺中圖像處理的相關(guān)知識，內(nèi)容主要包括初見OpenCV、OpenCV入門應(yīng)用、圖像平滑與形態(tài)學(xué)處理、圖像基礎(chǔ)變換、圖像輪廓檢測、人臉識別、圖像特征檢測、圖像分割、目標(biāo)檢測與識別、目標(biāo)跟蹤、神經(jīng)網(wǎng)絡(luò)、YOLOv5目標(biāo)檢測。通過對本書內(nèi)容的學(xué)習(xí)，學(xué)生能夠掌握OpenCV的基本使用方法、圖像處理基礎(chǔ)理論知識、用于圖像基礎(chǔ)變換與輪廓檢測的常見算子、圖像特征檢測與圖像分割主流算法、目標(biāo)檢測識別與跟蹤的原理和實現(xiàn)方法，以及OpenCV在神經(jīng)網(wǎng)絡(luò)目標(biāo)識別項目中的實際應(yīng)用，熟練運(yùn)用OpenCV解決機(jī)器學(xué)習(xí)等領(lǐng)域中的典型圖像處理問題。
1.深職大一線名師精品力作，融入多年教學(xué)經(jīng)驗，重難點(diǎn)清晰明確
2.以數(shù)字化創(chuàng)新與發(fā)展為導(dǎo)向，培養(yǎng)學(xué)生實際問題處理能力
3.以“理實結(jié)合、循序漸進(jìn)”為宗旨，每章在相關(guān)理論知識講解的基礎(chǔ)上，結(jié)合實際應(yīng)用進(jìn)行實踐訓(xùn)練
林偉鵬，深圳職業(yè)技術(shù)大學(xué)人工智能學(xué)院云計算技術(shù)應(yīng)用專業(yè)、講師、加拿大西蒙菲莎大學(xué)(Simon Fraser University)計算機(jī)科學(xué)與技術(shù)專業(yè)博士、主要從事云計算、區(qū)塊鏈、以及大數(shù)據(jù)研究；具有紅帽RHCE認(rèn)證，騰訊云首席講師認(rèn)證；主編《Python語言及其應(yīng)用》、《信息技術(shù)基礎(chǔ)(WPS Office+數(shù)據(jù)思維)》、《區(qū)塊鏈應(yīng)用開發(fā)與測試》等多本教材。
第 1章 初見OpenCV1
1.1 計算機(jī)視覺1
1.2 OpenCV介紹1
1.3 安裝OpenCV1
1.3.1 安裝Python2
1.3.2 使用pip命令安裝OpenCV4
1.4 環(huán)境測試5
1.5 小結(jié)6
習(xí)題6
第 2章 OpenCV入門應(yīng)用7
2.1 圖像讀寫7
2.2 標(biāo)識和截取ROI8
2.2.1 訪問圖像數(shù)據(jù)9
2.2.2 對圖像進(jìn)行幾何變換10
2.2.3 添加標(biāo)識15
2.3 色彩空間16
2.3.1 BGR色彩空間的概念17
2.3.2 通過滑動條改變B、G、R
的值17
2.3.3 灰度色彩空間19
2.4 視頻讀寫19
2.4.1 視頻讀取21
2.4.2 視頻寫入23
2.5 應(yīng)用：編寫一個簡易的照相機(jī)程序25
2.6 小結(jié)27
習(xí)題27
第3章 圖像平滑與形態(tài)學(xué)處理29
3.1 平滑處理29
3.1.1 圖像噪聲29
3.1.2 常用平滑濾波方法30
3.2 數(shù)學(xué)形態(tài)學(xué)處理37
3.2.1 腐蝕與膨脹38
3.2.2 開運(yùn)算、閉運(yùn)算、形態(tài)學(xué)梯度41
3.3 圖像金字塔44
3.4 小結(jié)46
習(xí)題47
第4章 圖像基礎(chǔ)變換49
4.1 邊緣檢測49
4.1.1 Sobel算子50
4.1.2 Scharr濾波器53
4.1.3 Laplacian算子55
4.1.4 Canny算子57
4.2 霍夫變換59
4.2.1 霍夫線變換59
4.2.2 霍夫圓變換63
4.3 直方圖65
4.3.1 直方圖計算66
4.3.2 直方圖均衡化69
4.4 小結(jié)70
習(xí)題71
第5章 圖像輪廓檢測72
5.1 輪廓檢測72
5.1.1 二值圖像轉(zhuǎn)換72
5.1.2 輪廓匹配73
5.1.3 二值圖像輪廓檢測76
5.2 凸包80
5.3 多邊形輪廓83
5.4 小結(jié)86
習(xí)題86
第6章 人臉識別88
6.1 人臉檢測88
6.2 人臉識別程序91
6.2.1 程序概述91
6.2.2 人臉檢測及采集92
6.2.3 人臉識別95
6.3 小結(jié)99
習(xí)題99
第7章 圖像特征檢測101
7.1 圖像特征101
7.2 Harris角點(diǎn)檢測102
7.3 特征檢測103
7.3.1 SIFT特征檢測算法103
7.3.2 FAST特征檢測算法105
7.4 特征描述符及匹配器106
7.4.1 Brute-Force匹配器和FLANN匹配器的基本概念106
7.4.2 使用ORB描述符和Brute-Force匹配器匹配Logo106
7.4.3 FLANN及單應(yīng)性變換110
7.5 小結(jié)113
習(xí)題114
第8章 圖像分割115
8.1 K-Means算法115
8.1.1 基本過程115
8.1.2 OpenCV中的K-Means算法117
8.1.3 使用K-Means算法對顏色進(jìn)行分割118
8.2 分水嶺算法120
8.2.1 基本過程120
8.2.2 分水嶺圖像分割算法120
8.3 GrabCut算法123
8.3.1 基本過程123
8.3.2 GrabCut算法124
8.4 小結(jié)125
習(xí)題126
第9章 目標(biāo)檢測與識別127
9.1 目標(biāo)檢測127
9.1.1 HOG技術(shù)127
9.1.2 SVM技術(shù)129
9.1.3 NMS技術(shù)131
9.1.4 行人檢測131
9.2 貓狗目標(biāo)檢測133
9.2.1 程序概述133
9.2.2 貓狗特征提取與識別134
9.3 小結(jié)143
習(xí)題144
第 10章 目標(biāo)跟蹤145
10.1 背景差分法145
10.1.1 高斯背景建模146
10.1.2 LBP特征146
10.1.3 OpenCV背景差分法146
10.1.4 背景差分器147
10.1.5 基于背景差分器的目標(biāo)跟蹤149
10.2 基于顏色的目標(biāo)檢測與跟蹤151
10.2.1 HSV色彩空間151
10.2.2 顏色分割152
10.2.3 目標(biāo)跟蹤樣例154
10.3 光流跟蹤155
10.3.1 光流155
10.3.2 光流場155
10.3.3 基本原理155
10.3.4 KLT光流法156
10.3.5 GF光流法161
10.4 CAMShift對象跟蹤163
10.4.1 MeanShift164
10.4.2 CAMShift164
10.4.3 目標(biāo)跟蹤程序165
10.5 卡爾曼濾波器167
10.5.1 預(yù)測與更新168
10.5.2 鼠標(biāo)軌跡跟蹤168
10.5.3 CAMShift目標(biāo)跟蹤與卡爾曼濾波器預(yù)測程序171
10.6 小結(jié)173
習(xí)題174
第 11章 神經(jīng)網(wǎng)絡(luò)176
11.1 人工神經(jīng)網(wǎng)絡(luò)176
11.1.1 神經(jīng)元模型176
11.1.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)177
11.1.3 過擬合現(xiàn)象177
11.1.4 欠擬合現(xiàn)象178
11.1.5 ANN算法分類179
11.2 ANN工作原理179
11.3 MNIST手寫數(shù)字識別180
11.3.1 MNIST手寫數(shù)字?jǐn)?shù)據(jù)庫181
11.3.2 基于ANN的手寫數(shù)字識別程序183
11.3.3 手寫數(shù)字預(yù)測185
11.4 小結(jié)187
習(xí)題187
第 12章 YOLOv5目標(biāo)檢測188
12.1 YOLOv5的安裝與配置188
12.2 基于YOLOv5的目標(biāo)檢測189
12.3 YOLO數(shù)據(jù)集191
12.3.1 分析數(shù)據(jù)集191
12.3.2 YOLO標(biāo)注格式191
12.3.3 配置數(shù)據(jù)集192
12.4 YOLOv5訓(xùn)練模塊193
12.4.1 訓(xùn)練模型參數(shù)193
12.4.2 特殊情況194
12.4.3 訓(xùn)練結(jié)果197
12.5 YOLOv5 預(yù)測模塊199
12.5.1 預(yù)測參數(shù)199
12.5.2 預(yù)測結(jié)果200
12.6 實戰(zhàn)：口罩佩戴檢測201
12.7 小結(jié)203
習(xí)題204
書單推薦
