| | | 學習OpenCV3 中文版 | 該商品所屬分類:圖書 -> 圖形圖像 | 【市場價】 | 1248-1808元 | 【優惠價】 | 780-1130元 | 【作者】 | 安德裡安·凱勒 | 【出版社】 | 清華大學出版社 | 【ISBN】 | 9787302504184 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](/c3/31129550019.jpg)
出版社:清華大學出版社 ISBN:9787302504184 商品編碼:31129550019 品牌:文軒 出版時間:2018-07-01 代碼:149 作者:安德裡安·凱勒
"![](http://img14.360buyimg.com/cms/jfs/t1/203358/9/26405/134589/62f4a34cEcdefae53/84e082ed3b03dbc0.jpg) ![](https://img1.360buyimg.com/imgzone/jfs/t1/17508/11/5316/356495/5c3c3f9dE8a8e0e13/7f9f293098d594bf.jpg) ![](https://img1.360buyimg.com/imgzone/jfs/t1/125672/25/32364/328456/64411649Fdc375ab6/659d092c5a171f96.jpg) 作 者:(美)安德裡安·凱勒(Adrian Kaehler),(美)加裡·布拉德斯基(Gary Bradski) 著;劉昌祥 等 譯 著 定 價:149 出 版 社:清華大學出版社 出版日期:2018年07月01日 頁 數:837 裝 幀:平裝 ISBN:9787302504184 ●譯者序 xvii 前言 xxi 第1章 概述 1 什麼是OpenCV 1 OpenCV怎麼用 2 什麼是計算機視覺 3 OpenCV的起源 6 OpenCV的結構 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獲取近期新的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 不那麼簡單的變換 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 輔助對像 46 工具函數 53 模板結構 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 獨立獲素 69 數組迭代器NAryMatIterator 72 通過塊訪素 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 訪問稀疏數素 79 稀疏數組中的特有函數 82 為大型數組準備的模板結構 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 藝術線條和填充多邊形 140 字體和文字 146 小結 148 練習 148 第7章 OpenCV中的函數子 151 操作對像 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對像讀取視頻流 169 使用cv::VideoWriter對像寫入視頻 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 跨平臺和Windows繫統 187 基於Windows開發 187 HighGUI原生圖形用戶接口 188 通過Qt後端工作 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 離散傅裡葉變換 297 cv::dft()離散傅裡葉變換 298 cv::idft()用於離散傅裡葉逆變換 300 cv::mulSpectrums()頻譜乘法 300 使用傅裡葉變換進行卷積 301 cv::dct()離散餘弦變換 303 cv::idct()離散餘弦逆變換 304 積分圖 304 cv::integral()標準求和積分 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 相關繫數匹配方法(cv::TM_CCOEFF) 352 歸一化的相關繫數匹配方法(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 幾何及特性概括 372 幾何學測試 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 結構 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 射影幾何基礎 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 對極幾何 613 本征矩陣和基本矩陣 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 來自運動的結構 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 什麼是機器學習 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中的基準學習模型 689 ML庫中的常見例程 689 訓練方法和cv::ml::TrainData的結構 691 預測 697 使用cv::StatModel的機器學習算法 698 樸素貝葉斯分類器 699 二叉決策樹 703 Boosting方法 716 隨機森林 721 期望優選化算法 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術 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 我們上一次預測怎麼樣? 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 平面劃分 795 附錄B opencv_contrib模塊概述 809 附錄C 標定圖案 813 參考文獻 819 計算機視覺是在圖像處理的基礎上發展起來的新興學科。OpenCV是一個開源的計算機視覺庫,是英特爾公司資助的兩大圖像處理利器之一。它為圖像處理、模式識別、三維重建、物體跟蹤、機器學習和線性代數提供了各種各樣的算法。《學習OpenCV 3(中文版)》由OpenCV發起人所寫,站在一線開發人員的角度用通俗易懂的語言解釋了OpenCV的緣起和計算機視覺基礎結構,演示了如何用OpenCV和現有的自由代碼為各種各樣的機器進行編程,這些都有助於讀者迅速入門並漸入佳境,興趣盎然地深入探索計算機視覺領域。《學習OpenCV 3(中文版)》可作為信息處理、計算機、機器人、人工智能、遙感圖像處理、認知神經科學等有關專業的高年級學生或研究生的教學用書,也可供相關領域的研究工作者參考。 (美)安德裡安·凱勒(Adrian Kaehler),(美)加裡·布拉德斯基(Gary Bradski) 著;劉昌祥 等 譯 著 安德裡安·凱勒(Adrian Kaehler)博士,企業家,硅谷深度學習小組創始人。他的工作重心包括機器學習、統計建模、計算機視覺和機器人。他就職於斯坦福大學人工智能實驗室,他還是該校斯坦利團隊的成員,該團隊在美國國家航空與航天局(NASA)主辦的機器人挑戰賽中勝出,贏得了20的大獎。 加裡·布拉德斯基(Gary Bradski)博士是Arraiy.ai的首席架構師(CTO),他曾經就職於好幾個創業公司,擔任過斯坦福大學計算機繫人工智能實驗室的顧問教授。他是OpenCV庫的創始人,是一名享有廣泛聲譽的演講人、開源社區的積極參與者。 ![](https://img10.360buyimg.com/imgzone/jfs/t1/147514/7/5440/73116/5f34a3beE3ba58783/f5b2391383f5625c.jpg)
" | | | | | |