目　錄　contents譯者序前言作者簡(jiǎn)介審校者簡(jiǎn)介譯者簡(jiǎn)介第1章　安裝opencv 11.1　選擇和使用合適的安裝工具 21.1.1　在windows上安裝 21.1.2　在os x系統(tǒng)中安裝 61.1.3　在ubuntu及其衍生版本中安裝 111.1.4　在其他類unix系統(tǒng)中安裝 121.2　安裝contrib模塊 131.3　運(yùn)行示例 131.4　查找文檔、幫助及更新 141.5　總結(jié) 15第2章　處理文件、攝像頭和圖形用戶界面 162.1　基本i/o腳本 162.1.1　讀/寫圖像文件 162.1.2　圖像與原始字節(jié)之間的轉(zhuǎn)換 192.1.3　使用numpy.array訪問(wèn)圖像數(shù)據(jù) 202.1.4　視頻文件的讀/寫 222.1.5　捕獲攝像頭的幀 232.1.6　在窗口顯示圖像 242.1.7　在窗口顯示攝像頭幀 252.2　cameo項(xiàng)目（人臉跟蹤和圖像處理） 262.3　cameo—面向?qū)ο蟮脑O(shè)計(jì) 272.3.1　使用managers. capturemanager提取視頻流 272.3.2　使用managers.windowmanager抽象窗口和鍵盤 322.3.3　cameo.cameo的強(qiáng)大實(shí)現(xiàn) 332.4　總結(jié) 34第3章　使用opencv 3處理圖像 363.1　不同色彩空間的轉(zhuǎn)換 363.2　傅里葉變換 373.2.1　高通濾波器 373.2.2　低通濾波器 393.3　創(chuàng)建模塊 393.4　邊緣檢測(cè) 403.5　用定制內(nèi)核做卷積 413.6　修改應(yīng)用 433.7　canny邊緣檢測(cè) 443.8　輪廓檢測(cè) 453.9　邊界框、*小矩形區(qū)域和*小閉圓的輪廓 463.10　凸輪廓與douglas-peucker算法 483.11　直線和圓檢測(cè) 503.11.1　直線檢測(cè) 503.11.2　圓檢測(cè) 513.12　檢測(cè)其他形狀 523.13　總結(jié) 52第4章　深度估計(jì)與分割 534.1　創(chuàng)建模塊 534.2　捕獲深度攝像頭的幀 544.3　從視差圖得到掩模 564.4　對(duì)復(fù)制操作執(zhí)行掩模 574.5　使用普通攝像頭進(jìn)行深度估計(jì) 594.6　使用分水嶺和grabcut算法進(jìn)行物體分割 634.6.1　用grabcut進(jìn)行前景檢測(cè)的例子 644.6.2　使用分水嶺算法進(jìn)行圖像分割 664.7　總結(jié) 69第5章　人臉檢測(cè)和識(shí)別 705.1　haar級(jí)聯(lián)的概念 705.2　獲取haar級(jí)聯(lián)數(shù)據(jù) 715.3　使用opencv進(jìn)行人臉檢測(cè) 725.3.1　靜態(tài)圖像中的人臉檢測(cè) 725.3.2　視頻中的人臉檢測(cè) 745.3.3　人臉識(shí)別 765.4　總結(jié) 82第6章　圖像檢索以及基于圖像描述符的搜索 836.1　特征檢測(cè)算法 836.1.1　特征定義 846.1.2　使用dog和sift進(jìn)行特征提取與描述 866.1.3　使用快速hessian算法和surf來(lái)提取和檢測(cè)特征 896.1.4　基于orb的特征檢測(cè)和特征匹配 916.1.5　orb特征匹配 936.1.6　k-*近鄰匹配 956.1.7　flann匹配 966.1.8　flann的單應(yīng)性匹配 996.1.9　基于文身取證的應(yīng)用程序示例 1026.2　總結(jié) 105第7章　目標(biāo)檢測(cè)與識(shí)別 1067.1　目標(biāo)檢測(cè)與識(shí)別技術(shù) 1067.1.1　hog描述符 1077.1.2　檢測(cè)人 1127.1.3　創(chuàng)建和訓(xùn)練目標(biāo)檢測(cè)器 1137.2　汽車檢測(cè) 1167.2.1　代碼的功能 1187.2.2　svm和滑動(dòng)窗口 1227.3　總結(jié) 134第8章　目標(biāo)跟蹤 1358.1　檢測(cè)移動(dòng)的目標(biāo) 1358.2　背景分割器：knn、mog2和gmg 1388.2.1　均值漂移和camshift 1428.2.2　彩色直方圖 1448.2.3　返回代碼 1468.3　camshift 1478.4　卡爾曼濾波器 1498.4.1　預(yù)測(cè)和更新 1498.4.2　范例 1508.4.3　一個(gè)基于行人跟蹤的例子 1538.4.4　pedestrian類 1548.4.5　主程序 1578.5　總結(jié) 159第9章　基于opencv的神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 1609.1　人工神經(jīng)網(wǎng)絡(luò) 1609.2　人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 1619.2.1　網(wǎng)絡(luò)層級(jí)示例 1629.2.2　學(xué)習(xí)算法 1639.3　opencv中的ann 1649.3.1　基于ann的動(dòng)物分類 1669.3.2　訓(xùn)練周期 1699.4　用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫數(shù)字識(shí)別 1709.4.1　mnist—手寫數(shù)字?jǐn)?shù)據(jù)庫(kù) 1709.4.2　定制訓(xùn)練數(shù)據(jù) 1709.4.3　初始參數(shù) 1719.4.4　迭代次數(shù) 1719.4.5　其他參數(shù) 1719.4.6　迷你庫(kù) 1729.4.7　主文件 1759.5　可能的改進(jìn)和潛在的應(yīng)用 1809.5.1　改進(jìn) 1809.5.2　應(yīng)用 1819.6　總結(jié) 181