掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
OPENCV輕松入門:面向PYTHON 版權(quán)信息
- ISBN：9787121362903
- 條形碼：9787121362903 ; 978-7-121-36290-3
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
OPENCV輕松入門:面向PYTHON 本書特色
本書基于面向 Python 的 OpenCV（OpenCV for Python），介紹了圖像處理的方方面面。本書以 OpenCV 官方文檔的知識脈絡(luò)為主線，并對細節(jié)進行補充和說明。 書中不僅介紹了 OpenCV 函數(shù)的使用方法，還介紹了函數(shù)實現(xiàn)的算法原理。在介紹 OpenCV 函數(shù)的 使用方法時，提供了大量的程序示例。而且在介紹函數(shù)對圖像的處理前，往往先展示函數(shù)對數(shù)值、數(shù)組 的處理，方便讀者從數(shù)值的角度觀察和理解函數(shù)的處理過程和結(jié)果。在介紹具體的算法原理時，本書盡 量使用通俗易懂的語言和貼近生活的示例來說明問題，避免使用過多復雜抽象的公式。 本書適合計算機視覺領(lǐng)域的初學者閱讀，包括在校學生、教師、專業(yè)技術(shù)人員、圖像處理愛好者。
OPENCV輕松入門:面向PYTHON 內(nèi)容簡介
本書基于面向 Python 的 OpenCV（OpenCV for Python），介紹了圖像處理的方方面面。本書以 OpenCV 官方文檔的知識脈絡(luò)為主線，并對細節(jié)進行補充和說明。 書中不僅介紹了 OpenCV 函數(shù)的使用方法，還介紹了函數(shù)實現(xiàn)的算法原理。在介紹 OpenCV 函數(shù)的 使用方法時，提供了大量的程序示例。而且在介紹函數(shù)對圖像的處理前，往往先展示函數(shù)對數(shù)值、數(shù)組 的處理，方便讀者從數(shù)值的角度觀察和理解函數(shù)的處理過程和結(jié)果。在介紹具體的算法原理時，本書盡 量使用通俗易懂的語言和貼近生活的示例來說明問題，避免使用過多復雜抽象的公式。 本書適合計算機視覺領(lǐng)域的初學者閱讀，包括在校學生、教師、專業(yè)技術(shù)人員、圖像處理愛好者。
OPENCV輕松入門:面向PYTHON 目錄
第1章 OPENCV入門 1
1.1 如何使用 1
1.2 圖像處理基本操作 3
1.2.1 讀取圖像 3
1.2.2 顯示圖像 5
1.2.3 保存圖像 9
1.3 OpenCV貢獻庫 10
第2章 圖像處理基礎(chǔ) 11
2.1 圖像的基本表示方法 11
2.2 像素處理 15
2.3 使用numpy.array訪問像素 23
2.4 感興趣區(qū)域（ROI） 29
2.5 通道操作 32
2.5.1 通道拆分 32
2.5.2 通道合并 34
2.6 獲取圖像屬性 36
第3章 圖像運算 37
3.1 圖像加法運算 37
3.1.1 加號運算符 37
3.1.2 cv2.add()函數(shù) 38
3.2 圖像加權(quán)和 40
3.3 按位邏輯運算 43
3.3.1 按位與運算 43
3.3.2 按位或運算 46
3.3.3 按位非運算 47
3.3.4 按位異或運算 48
3.4 掩模 49
3.5 圖像與數(shù)值的運算 52
3.6 位平面分解 53
3.7 圖像加密和解密 59
3.8 數(shù)字水印 63
3.8.1 原理 64
3.8.2 實現(xiàn)方法 66
3.8.3 例題 73
3.9 臉部打碼及解碼 74
第4章 色彩空間類型轉(zhuǎn)換 77
4.1 色彩空間基礎(chǔ) 77
4.1.1 GRAY色彩空間 77
4.1.2 XYZ色彩空間 78
4.1.3 YCrCb色彩空間 78
4.1.4 HSV色彩空間 79
4.1.5 HLS色彩空間 80
4.1.6 CIEL*a*b*色彩空間 80
4.1.7 CIEL*u*v*色彩空間 81
4.1.8 Bayer色彩空間 82
4.2 類型轉(zhuǎn)換函數(shù) 82
4.3 類型轉(zhuǎn)換實例 88
4.3.1 通過數(shù)組觀察轉(zhuǎn)換效果 88
4.3.2 圖像處理實例 92
4.4 HSV色彩空間討論 93
4.4.1 基礎(chǔ)知識 93
4.4.2 獲取指定顏色 95
4.4.3 標記指定顏色 96
4.4.4 標記膚色 100
4.4.5 實現(xiàn)藝術(shù)效果 101
4.5 alpha通道 102
第5章 幾何變換 106
5.1 縮放 106
5.2 翻轉(zhuǎn) 110
5.3 仿射 111
5.3.1 平移 112
5.3.2 旋轉(zhuǎn) 113
5.3.3 更復雜的仿射變換 114
5.4 透視 115
5.5 重映射 117
5.5.1 映射參數(shù)的理解 117
5.5.2 復制 119
5.5.3 繞x軸翻轉(zhuǎn) 121
5.5.4 繞y軸翻轉(zhuǎn) 122
5.5.5 繞x軸、y軸翻轉(zhuǎn) 124
5.5.6 x軸、y軸互換 126
5.5.7 圖像縮放 128
第6章 閾值處理 130
6.1 threshold函數(shù) 130
6.1.1 二值化閾值處理（cv2.THRESH_BINARY） 131
6.1.2 反二值化閾值處理（cv2.THRESH_BINARY_INV） 133
6.1.3 截斷閾值化處理（cv2.THRESH_TRUNC） 135
6.1.4 超閾值零處理（cv2.THRESH_TOZERO_INV） 136
6.1.5 低閾值零處理（cv2.THRESH_TOZERO） 138
6.2 自適應(yīng)閾值處理 139
6.3 Otsu處理 141
第7章 圖像平滑處理 144
7.1 均值濾波 146
7.1.1 基本原理 146
7.1.2 函數(shù)語法 150
7.1.3 程序示例 150
7.2 方框濾波 152
7.2.1 基本原理 152
7.2.2 函數(shù)語法 153
7.2.3 程序示例 154
7.3 高斯濾波 156
7.3.1 基本原理 156
7.3.2 函數(shù)語法 158
7.3.3 程序示例 159
7.4 中值濾波 159
7.4.1 基本原理 160
7.4.2 函數(shù)語法 161
7.4.3 程序示例 161
7.5 雙邊濾波 162
7.5.1 基本原理 162
7.5.2 函數(shù)語法 164
7.5.3 程序示例 164
7.6 2D卷積 166
第8章 形態(tài)學操作 168
8.1 腐蝕 168
8.2 膨脹 173
8.3 通用形態(tài)學函數(shù) 178
8.4 開運算 179
8.5 閉運算 180
8.6 形態(tài)學梯度運算 182
8.7 禮帽運算 183
8.8 黑帽運算 185
8.9 核函數(shù) 186
第9章 圖像梯度 189
9.1 Sobel理論基礎(chǔ) 189
9.2 Sobel算子及函數(shù)使用 191
9.2.1 參數(shù)ddepth 192
9.2.2 方向 195
9.2.3 實例 196
9.3 Scharr算子及函數(shù)使用 200
9.4 Sobel算子和Scharr算子的比較 204
9.5 Laplacian算子及函數(shù)使用 206
9.6 算子總結(jié) 208
第10章 CANNY邊緣檢測 209
10.1 Canny邊緣檢測基礎(chǔ) 209
10.2 Canny函數(shù)及使用 213
第11章 圖像金字塔 215
11.1 理論基礎(chǔ) 215
11.2 pyrDown函數(shù)及使用 217
11.3 pyrUp函數(shù)及使用 219
11.4 采樣可逆性的研究 220
11.5 拉普拉斯金字塔 223
11.5.1 定義 223
11.5.2 應(yīng)用 225
第12章 圖像輪廓 229
12.1 查找并繪制輪廓 229
12.1.1 查找圖像輪廓：findContours函數(shù) 229
12.1.2 繪制圖像輪廓：drawContours函數(shù) 237
12.1.3 輪廓實例 238
12.2 矩特征 240
12.2.1 矩的計算：moments函數(shù) 241
12.2.2 計算輪廓的面積：contourArea函數(shù) 243
12.2.3 計算輪廓的長度：arcLength函數(shù) 246
12.3 Hu矩 248
12.3.1 Hu矩函數(shù) 248
12.3.2 形狀匹配 252
12.4 輪廓擬合 254
12.4.1 矩形包圍框 254
12.4.2 *小包圍矩形框 257
12.4.3 *小包圍圓形 259
12.4.4 *優(yōu)擬合橢圓 260
12.4.5 *優(yōu)擬合直線 261
12.4.6 *小外包三角形 262
12.4.7 逼近多邊形 263
12.5 凸包 266
12.5.1 獲取凸包 267
12.5.2 凸缺陷 268
12.5.3 幾何學測試 270
12.6 利用形狀場景算法比較輪廓 275
12.6.1 計算形狀場景距離 275
12.6.2 計算Hausdorff距離 278
12.7 輪廓的特征值 280
12.7.1 寬高比 280
12.7.2 Extent 281
12.7.3 Solidity 282
12.7.4 等效直徑（Equivalent Diameter） 283
12.7.5 方向 284
12.7.6 掩模和像素點 286
12.7.7 *大值和*小值及它們的位置 291
12.7.8 平均顏色及平均灰度 293
12.7.9 極點 294
第13章 直方圖處理 297
13.1 直方圖的含義 297
13.2 繪制直方圖 301
13.2.1 使用Numpy繪制直方圖 301
13.2.2 使用OpenCV繪制直方圖 302
13.2.3 使用掩模繪制直方圖 307
13.3 直方圖均衡化 312
13.3.1 直方圖均衡化原理 313
13.3.2 直方圖均衡化處理 317
13.4 pyplot模塊介紹 319
13.4.1 subplot函數(shù) 319
13.4.2 imshow函數(shù) 320
第14章 傅里葉變換 324
14.1 理論基礎(chǔ) 324
14.2 Numpy實現(xiàn)傅里葉變換 328
14.2.1 實現(xiàn)傅里葉變換 329
14.2.2 實現(xiàn)逆傅里葉變換 330
14.2.3 高通濾波示例 331
14.3 OpenCV實現(xiàn)傅里葉變換 333
14.3.1 實現(xiàn)傅里葉變換 333
14.3.2 實現(xiàn)逆傅里葉變換 335
14.3.3 低通濾波示例 336
第15章 模板匹配 339
15.1 模板匹配基礎(chǔ) 339
15.2 多模板匹配 345
第16章 霍夫變換 351
16.1 霍夫直線變換 351
16.1.1 霍夫變換原理 351
16.1.2 HoughLines函數(shù) 357
16.1.3 HoughLinesP函數(shù) 359
16.2 霍夫圓環(huán)變換 361
第17章 圖像分割與提取 364
17.1 用分水嶺算法實現(xiàn)圖像分割與提取 364
17.1.1 算法原理 364
17.1.2 相關(guān)函數(shù)介紹 366
17.1.3 分水嶺算法圖像分割實例 375
17.2 交互式前景提取 376
第18章 視頻處理 383
18.1 VideoCapture類 383
18.1.1 類函數(shù)介紹 383
18.1.2 捕獲攝像頭視頻 387
18.1.3 播放視頻文件 388
18.2 VideoWriter類 389
18.2.1 類函數(shù)介紹 389
18.2.2 保存視頻 391
18.3 視頻操作基礎(chǔ) 392
第19章 繪圖及交互 393
19.1 繪畫基礎(chǔ) 393
19.1.1 繪制直線 394
19.1.2 繪制矩形 394
19.1.3 繪制圓形 395
19.1.4 繪制橢圓 397
19.1.5 繪制多邊形 398
19.1.6 在圖形上繪制文字 400
19.2 鼠標交互 402
19.2.1 簡單示例 404
19.2.2 進階示例 405
19.3 滾動條 407
19.3.1 用滾動條實現(xiàn)調(diào)色板 408
19.3.2 用滾動條控制閾值處理參數(shù) 409
19.3.3 用滾動條作為開關(guān) 410
第20章 K近鄰算法 412
20.1 理論基礎(chǔ) 412
20.2 計算 415
20.2.1 歸一化 415
20.2.2 距離計算 416
20.2 手寫數(shù)字識別的原理 417
20.3 自定義函數(shù)手寫數(shù)字識別 421
20.4 K近鄰模塊的基本使用 427
20.5 K近鄰手寫數(shù)字識別 429
第21章 支持向量機 431
21.1 理論基礎(chǔ) 431
21.2 SVM案例介紹 434
第22章 K均值聚類 439
22.1 理論基礎(chǔ) 439
22.1.1 分豆子 439
22.1.2 K均值聚類的基本步驟 441
22.2 K均值聚類模塊 441
22.3 簡單示例 442
第23章 人臉識別 448
23.1 人臉檢測 448
23.1.1 基本原理 448
23.1.2 級聯(lián)分類器的使用 451
23.1.3 函數(shù)介紹 452
23.1.4 案例介紹 453
23.2 LBPH人臉識別 454
23.2.1 基本原理 454
23.2.2 函數(shù)介紹 456
23.2.3 案例介紹 457
23.3 EigenFaces人臉識別 458
23.3.1 基本原理 458
23.3.2 函數(shù)介紹 459
23.3.3 案例介紹 460
23.4 Fisherfaces人臉識別 461
23.4.1 基本原理 461
23.4.2 函數(shù)介紹 463
23.4.3 案例介紹 464
23.5 人臉數(shù)據(jù)庫 465
參與文獻 467
附錄A 范例 470
1.1 如何使用 1
1.2 圖像處理基本操作 3
1.2.1 讀取圖像 3
1.2.2 顯示圖像 5
1.2.3 保存圖像 9
1.3 OpenCV貢獻庫 10
第2章 圖像處理基礎(chǔ) 11
2.1 圖像的基本表示方法 11
2.2 像素處理 15
2.3 使用numpy.array訪問像素 23
2.4 感興趣區(qū)域（ROI） 29
2.5 通道操作 32
2.5.1 通道拆分 32
2.5.2 通道合并 34
2.6 獲取圖像屬性 36
第3章 圖像運算 37
3.1 圖像加法運算 37
3.1.1 加號運算符 37
3.1.2 cv2.add()函數(shù) 38
3.2 圖像加權(quán)和 40
3.3 按位邏輯運算 43
3.3.1 按位與運算 43
3.3.2 按位或運算 46
3.3.3 按位非運算 47
3.3.4 按位異或運算 48
3.4 掩模 49
3.5 圖像與數(shù)值的運算 52
3.6 位平面分解 53
3.7 圖像加密和解密 59
3.8 數(shù)字水印 63
3.8.1 原理 64
3.8.2 實現(xiàn)方法 66
3.8.3 例題 73
3.9 臉部打碼及解碼 74
第4章 色彩空間類型轉(zhuǎn)換 77
4.1 色彩空間基礎(chǔ) 77
4.1.1 GRAY色彩空間 77
4.1.2 XYZ色彩空間 78
4.1.3 YCrCb色彩空間 78
4.1.4 HSV色彩空間 79
4.1.5 HLS色彩空間 80
4.1.6 CIEL*a*b*色彩空間 80
4.1.7 CIEL*u*v*色彩空間 81
4.1.8 Bayer色彩空間 82
4.2 類型轉(zhuǎn)換函數(shù) 82
4.3 類型轉(zhuǎn)換實例 88
4.3.1 通過數(shù)組觀察轉(zhuǎn)換效果 88
4.3.2 圖像處理實例 92
4.4 HSV色彩空間討論 93
4.4.1 基礎(chǔ)知識 93
4.4.2 獲取指定顏色 95
4.4.3 標記指定顏色 96
4.4.4 標記膚色 100
4.4.5 實現(xiàn)藝術(shù)效果 101
4.5 alpha通道 102
第5章 幾何變換 106
5.1 縮放 106
5.2 翻轉(zhuǎn) 110
5.3 仿射 111
5.3.1 平移 112
5.3.2 旋轉(zhuǎn) 113
5.3.3 更復雜的仿射變換 114
5.4 透視 115
5.5 重映射 117
5.5.1 映射參數(shù)的理解 117
5.5.2 復制 119
5.5.3 繞x軸翻轉(zhuǎn) 121
5.5.4 繞y軸翻轉(zhuǎn) 122
5.5.5 繞x軸、y軸翻轉(zhuǎn) 124
5.5.6 x軸、y軸互換 126
5.5.7 圖像縮放 128
第6章 閾值處理 130
6.1 threshold函數(shù) 130
6.1.1 二值化閾值處理（cv2.THRESH_BINARY） 131
6.1.2 反二值化閾值處理（cv2.THRESH_BINARY_INV） 133
6.1.3 截斷閾值化處理（cv2.THRESH_TRUNC） 135
6.1.4 超閾值零處理（cv2.THRESH_TOZERO_INV） 136
6.1.5 低閾值零處理（cv2.THRESH_TOZERO） 138
6.2 自適應(yīng)閾值處理 139
6.3 Otsu處理 141
第7章 圖像平滑處理 144
7.1 均值濾波 146
7.1.1 基本原理 146
7.1.2 函數(shù)語法 150
7.1.3 程序示例 150
7.2 方框濾波 152
7.2.1 基本原理 152
7.2.2 函數(shù)語法 153
7.2.3 程序示例 154
7.3 高斯濾波 156
7.3.1 基本原理 156
7.3.2 函數(shù)語法 158
7.3.3 程序示例 159
7.4 中值濾波 159
7.4.1 基本原理 160
7.4.2 函數(shù)語法 161
7.4.3 程序示例 161
7.5 雙邊濾波 162
7.5.1 基本原理 162
7.5.2 函數(shù)語法 164
7.5.3 程序示例 164
7.6 2D卷積 166
第8章 形態(tài)學操作 168
8.1 腐蝕 168
8.2 膨脹 173
8.3 通用形態(tài)學函數(shù) 178
8.4 開運算 179
8.5 閉運算 180
8.6 形態(tài)學梯度運算 182
8.7 禮帽運算 183
8.8 黑帽運算 185
8.9 核函數(shù) 186
第9章 圖像梯度 189
9.1 Sobel理論基礎(chǔ) 189
9.2 Sobel算子及函數(shù)使用 191
9.2.1 參數(shù)ddepth 192
9.2.2 方向 195
9.2.3 實例 196
9.3 Scharr算子及函數(shù)使用 200
9.4 Sobel算子和Scharr算子的比較 204
9.5 Laplacian算子及函數(shù)使用 206
9.6 算子總結(jié) 208
第10章 CANNY邊緣檢測 209
10.1 Canny邊緣檢測基礎(chǔ) 209
10.2 Canny函數(shù)及使用 213
第11章 圖像金字塔 215
11.1 理論基礎(chǔ) 215
11.2 pyrDown函數(shù)及使用 217
11.3 pyrUp函數(shù)及使用 219
11.4 采樣可逆性的研究 220
11.5 拉普拉斯金字塔 223
11.5.1 定義 223
11.5.2 應(yīng)用 225
第12章 圖像輪廓 229
12.1 查找并繪制輪廓 229
12.1.1 查找圖像輪廓：findContours函數(shù) 229
12.1.2 繪制圖像輪廓：drawContours函數(shù) 237
12.1.3 輪廓實例 238
12.2 矩特征 240
12.2.1 矩的計算：moments函數(shù) 241
12.2.2 計算輪廓的面積：contourArea函數(shù) 243
12.2.3 計算輪廓的長度：arcLength函數(shù) 246
12.3 Hu矩 248
12.3.1 Hu矩函數(shù) 248
12.3.2 形狀匹配 252
12.4 輪廓擬合 254
12.4.1 矩形包圍框 254
12.4.2 *小包圍矩形框 257
12.4.3 *小包圍圓形 259
12.4.4 *優(yōu)擬合橢圓 260
12.4.5 *優(yōu)擬合直線 261
12.4.6 *小外包三角形 262
12.4.7 逼近多邊形 263
12.5 凸包 266
12.5.1 獲取凸包 267
12.5.2 凸缺陷 268
12.5.3 幾何學測試 270
12.6 利用形狀場景算法比較輪廓 275
12.6.1 計算形狀場景距離 275
12.6.2 計算Hausdorff距離 278
12.7 輪廓的特征值 280
12.7.1 寬高比 280
12.7.2 Extent 281
12.7.3 Solidity 282
12.7.4 等效直徑（Equivalent Diameter） 283
12.7.5 方向 284
12.7.6 掩模和像素點 286
12.7.7 *大值和*小值及它們的位置 291
12.7.8 平均顏色及平均灰度 293
12.7.9 極點 294
第13章 直方圖處理 297
13.1 直方圖的含義 297
13.2 繪制直方圖 301
13.2.1 使用Numpy繪制直方圖 301
13.2.2 使用OpenCV繪制直方圖 302
13.2.3 使用掩模繪制直方圖 307
13.3 直方圖均衡化 312
13.3.1 直方圖均衡化原理 313
13.3.2 直方圖均衡化處理 317
13.4 pyplot模塊介紹 319
13.4.1 subplot函數(shù) 319
13.4.2 imshow函數(shù) 320
第14章 傅里葉變換 324
14.1 理論基礎(chǔ) 324
14.2 Numpy實現(xiàn)傅里葉變換 328
14.2.1 實現(xiàn)傅里葉變換 329
14.2.2 實現(xiàn)逆傅里葉變換 330
14.2.3 高通濾波示例 331
14.3 OpenCV實現(xiàn)傅里葉變換 333
14.3.1 實現(xiàn)傅里葉變換 333
14.3.2 實現(xiàn)逆傅里葉變換 335
14.3.3 低通濾波示例 336
第15章 模板匹配 339
15.1 模板匹配基礎(chǔ) 339
15.2 多模板匹配 345
第16章 霍夫變換 351
16.1 霍夫直線變換 351
16.1.1 霍夫變換原理 351
16.1.2 HoughLines函數(shù) 357
16.1.3 HoughLinesP函數(shù) 359
16.2 霍夫圓環(huán)變換 361
第17章 圖像分割與提取 364
17.1 用分水嶺算法實現(xiàn)圖像分割與提取 364
17.1.1 算法原理 364
17.1.2 相關(guān)函數(shù)介紹 366
17.1.3 分水嶺算法圖像分割實例 375
17.2 交互式前景提取 376
第18章 視頻處理 383
18.1 VideoCapture類 383
18.1.1 類函數(shù)介紹 383
18.1.2 捕獲攝像頭視頻 387
18.1.3 播放視頻文件 388
18.2 VideoWriter類 389
18.2.1 類函數(shù)介紹 389
18.2.2 保存視頻 391
18.3 視頻操作基礎(chǔ) 392
第19章 繪圖及交互 393
19.1 繪畫基礎(chǔ) 393
19.1.1 繪制直線 394
19.1.2 繪制矩形 394
19.1.3 繪制圓形 395
19.1.4 繪制橢圓 397
19.1.5 繪制多邊形 398
19.1.6 在圖形上繪制文字 400
19.2 鼠標交互 402
19.2.1 簡單示例 404
19.2.2 進階示例 405
19.3 滾動條 407
19.3.1 用滾動條實現(xiàn)調(diào)色板 408
19.3.2 用滾動條控制閾值處理參數(shù) 409
19.3.3 用滾動條作為開關(guān) 410
第20章 K近鄰算法 412
20.1 理論基礎(chǔ) 412
20.2 計算 415
20.2.1 歸一化 415
20.2.2 距離計算 416
20.2 手寫數(shù)字識別的原理 417
20.3 自定義函數(shù)手寫數(shù)字識別 421
20.4 K近鄰模塊的基本使用 427
20.5 K近鄰手寫數(shù)字識別 429
第21章 支持向量機 431
21.1 理論基礎(chǔ) 431
21.2 SVM案例介紹 434
第22章 K均值聚類 439
22.1 理論基礎(chǔ) 439
22.1.1 分豆子 439
22.1.2 K均值聚類的基本步驟 441
22.2 K均值聚類模塊 441
22.3 簡單示例 442
第23章 人臉識別 448
23.1 人臉檢測 448
23.1.1 基本原理 448
23.1.2 級聯(lián)分類器的使用 451
23.1.3 函數(shù)介紹 452
23.1.4 案例介紹 453
23.2 LBPH人臉識別 454
23.2.1 基本原理 454
23.2.2 函數(shù)介紹 456
23.2.3 案例介紹 457
23.3 EigenFaces人臉識別 458
23.3.1 基本原理 458
23.3.2 函數(shù)介紹 459
23.3.3 案例介紹 460
23.4 Fisherfaces人臉識別 461
23.4.1 基本原理 461
23.4.2 函數(shù)介紹 463
23.4.3 案例介紹 464
23.5 人臉數(shù)據(jù)庫 465
參與文獻 467
附錄A 范例 470
展開全部
OPENCV輕松入門:面向PYTHON 相關(guān)資料
本書采用Python語言，以案例的形式介紹了OpenCV中的常用算法及其使用方法。Python是一種高效的開發(fā)語言，使用Python調(diào)用OpenCV中的算法，可以快速地實現(xiàn)計算機視覺應(yīng)用。
于仕琪 OpenCV開源庫在國內(nèi)的早期推廣者，“OpenCV系列”圖書譯者、作者，OpenCV中文站站長
本書以通俗的語言，結(jié)合貼近生活的實例，形象地介紹了面向Python的OpenCV中各個函數(shù)的基本原理和使用方法。希望這本書能夠為大家?guī)碛幸娴膯l(fā)，幫助大家更好、更快、更全面地掌握面向Python的OpenCV，在計算機視覺領(lǐng)域有所作為。
高鐵杠 南開大學教授、博士生導師
Python是一門跨平臺、開源、免費的解釋型高級動態(tài)編譯語言，它使得各領(lǐng)域的工程師、科研人員、策劃人員甚至管理人員能夠快速實現(xiàn)和驗證自己的思路、創(chuàng)意甚至推測。在有些語言中需要編寫大量代碼才能實現(xiàn)的功能，在Python中直接調(diào)用內(nèi)置函數(shù)或者標準庫方法即可實現(xiàn)，大幅簡化了代碼的編寫和維護。開發(fā)者僅需要把主要精力放在業(yè)務(wù)邏輯的設(shè)計和實現(xiàn)上，Python會自動在開發(fā)速度和運行效率之間做出平衡，其精妙之處令人擊節(jié)贊嘆。
董付國 《Python程序設(shè)計》一書作者
計算機視覺是一個嶄新而又充滿希望的研究領(lǐng)域，而OpenCV是輔助計算機視覺的出色開源工具。OpenCV庫旨在提供易于使用的計算機視覺接口，它包含各個領(lǐng)域的500多個函數(shù)，能夠幫助人們方便、快速、高效地構(gòu)建視覺應(yīng)用。不僅如此，它還提供了一個完備的、具有通用性的機器學習模塊?？上攵?，將Python和OpenCV結(jié)合，將產(chǎn)生巨大的威力。
本書比較系統(tǒng)地介紹了面向Python的OpenCV視覺庫的使用，內(nèi)容通俗易懂、生動有趣，案例豐富，實用性強。相信通過學習這本書，大家能夠在計算機視覺領(lǐng)域快速入門，熟練地使用面向Python的OpenCV解決實際問題。
畢磊 騰訊科技高級工程師
有幸提前翻閱了這本書的內(nèi)容，和李老師的課程一樣，循序漸進，深入淺出，非常適合我這樣的初學者。感謝老師開發(fā)了如此通俗易懂的OpenCV課程，讓OpenCV的學習變得非常輕松。
LittleKEY 在線視頻課程學員
OPENCV輕松入門:面向PYTHON 作者簡介
李立宗，南開大學碩士，天津職業(yè)技術(shù)師范大學副教授，從事計算機視覺領(lǐng)域的教學和科研工作。擁有發(fā)明專利一項、軟件著作權(quán)十余項，公開發(fā)表論文十余篇，主編《OpenCV編程案例詳解》等多部圖書。在網(wǎng)易云課堂主講的《OpenCV圖窮匕見》等多門課程被評為精品課。
書友推薦
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
- >
【精裝繪本】畫給孩子的中國神話
- >
名家?guī)阕x魯迅:故事新編
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
史學評論
- >
上帝之肋:男人的真實旅程
- >
莉莉和章魚
本類暢銷
