《OpenCV算法精解：基于Python与C++》张平【文字版_PDF电子书_推荐】_计算机类 (opencv算法库)
《OpenCV算法精解：基于Python与C++》张平【文字版_PDF电子书_推荐】
内容简介：
开篇先介绍如何在Windows和ubuntu上部署OpenCV，然后过度到核心章节，从灰度图像、彩色图像、图像平滑、边缘检测、霍夫变换等几个维度入手讲解，尽量拆分算法，代码实现用C 和Python代码。案例在每章最后分享，方便读者练习。
作者简介：
张平，数学与应用数学专业，算法工程师。主要从事图像算法研究和产品的应用开发，此外还从事有关机器学习、数据挖掘算法的应用研发工作。
目 录：
目录
1 OpenCV入门
1.1 初识OpenCV
1.1.1 OpenCV的模块简介
1.1.2 OpenCV 2.4.13与3.2版本的区别
1.2 部署OpenCV
1.2.1 在Visual Studio 2015中 配置OpenCV
1.2.2 OpenCV 2.X C API的第一个示例
1.2.3 OpenCV 3.X C API的第一个示例
1.2.4 在Anaconda 2中配置OpenCV
1.2.5 OpenCV 2.X Python API的第一个示例
1.2.6 OpenCV 3.X Python API的第一个示例
2 图像数字化
2.1 认识Numpy中的ndarray
2.1.1 构造ndarray对象
2.1.2 访问ndarray中的值
2.2 认识OpenCV中的Mat类
2.2.1 初识Mat
2.2.2 构造单通道Mat对象
2.2.3 获得单通道Mat的基本信息
2.2.4 访问单通道Mat对象中的值
2.2.5 向量类Vec
2.2.6 构造多通道Mat对象
2.2.7 访问多通道Mat对象中的值
2.2.8 获得Mat中某一区域的值
2.3 矩阵的运算
2.3.1 加法运算
2.3.2 减法运算
2.3.3 点乘运算
2.3.4 点除运算
2.3.5 乘法运算
2.3.6 其他运算
2.4 灰度图像数字化
2.4.1 概述
2.4.2 将灰度图像转换为Mat
2.4.3 将灰度图转换为ndarray
2.5 彩色图像数字化
2.5.1 将RGB彩色图像转换为多通道Mat
2.5.2 将RGB彩色图转换为三维的ndarray
2.6 参考文献
3 几何变换
3.1 仿射变换
3.1.1 平移
3.1.2 放大和缩小
3.1.3 旋转
3.1.4 计算仿射矩阵
3.1.5 插值算法
3.1.6 Python实现
3.1.7 C 实现
3.1.8 旋转函数rotate(OpenCV3.X新特性)
3.2 投影变换
3.2.1 原理详解
3.2.2 Python实现
3.2.3 C 实现
3.3 极坐标变换
3.3.1 原理详解
3.3.2 Python实现
3.3.3 C 实现
3.3.4 线性极坐标函数linearPolar(OpenCV 3.X新特性)
3.3.5 对数极坐标函数logPolar(OpenCV 3.X新特性)
3.4 参考文献
4 对比度增强
4.1 灰度直方图
4.1.1 什么是灰度直方图
4.1.2 Python及C 实现
4.2 线性变换
4.2.1 原理详解
4.2.2 Python实现
4.2.3 C 实现
4.3 直方图正规化
4.3.1 原理详解
4.3.2 Python实现
4.3.3 C 实现
4.3.4 正规化函数normalize
4.4 伽马变换
4.4.1 原理详解
4.4.2 Python实现
4.4.3 C 实现
4.5 全局直方图均衡化
4.5.1 原理详解
4.5.2 Python实现
4.5.3 C 实现
4.6 限制对比度的自适应直方图均衡化
4.6.1 原理详解
4.6.2 代码实现
4.7 参考文献
5 图像平滑
5.1 二维离散卷积
5.1.1 卷积定义及矩阵形式
5.1.2 可分离卷积核
5.1.3 离散卷积的性质
5.2 高斯平滑
5.2.1 高斯卷积核的构建及分离性
5.2.2 高斯卷积核的二项式近似
5.2.3 Python实现
5.2.4 C 实现
5.3 均值平滑
5.3.1 均值卷积核的构建及分离性
5.3.2 快速均值平滑
5.3.3 Python实现
5.3.4 C 实现
5.4 中值平滑
5.4.1 原理详解
5.4.2 Python实现
5.4.3 C 实现
5.5 双边滤波
5.5.1 原理详解
5.5.2 Python实现
5.5.3 C 实现
5.6 联合双边滤波
5.6.1 原理详解
5.6.2 Python实现
5.6.3 C 实现
5.7 导向滤波
5.7.1 原理详解
5.7.2 Python实现
5.7.3 快速导向滤波
5.7.4 C 实现
5.8 参考文献
6 阈值分割
6.1 方法概述
6.1.1 全局阈值分割
6.1.2 阈值函数threshold(OpenCV3.X新特性)
6.1.3 局部阈值分割
6.2 直方图技术法
6.2.1 原理详解
6.2.2 Python实现
6.2.3 C 实现
6.3 熵算法
6.3.1 原理详解
6.3.2 代码实现
6.4 Otsu阈值处理
6.4.1 原理详解
6.4.2 Python实现
6.4.3 C 实现
6.5 自适应阈值
6.5.1 原理详解
6.5.2 Python实现
6.5.3 C 实现
6.6 二值图的逻辑运算
6.6.1 “与”和“或”运算
6.6.2 Python实现
6.6.3 C 实现
6.7 参考文献
7 形态学处理
7.1 腐蚀
7.1.1 原理详解
7.1.2 实现代码及效果
7.2 膨胀
7.2.1 原理详解
7.2.2 Python实现
7.2.3 C 实现
7.3 开运算和闭运算
7.3.1 原理详解
7.3.2 Python实现
7.4 其他形态学处理操作
7.4.1 顶帽变换和底帽变换
7.4.2 形态学梯度
7.4.3 C 实现
8 边缘检测
8.1 Roberts算子
8.1.1 原理详解
8.1.2 Python实现
8.1.3 C 实现
8.2 Prewitt边缘检测
8.2.1 Prewitt算子及分离性
8.2.2 Python实现
8.2.3 C 实现
8.3 Sobel边缘检测
8.3.1 Sobel算子及分离性
8.3.2 构建高阶的Sobel算子
8.3.3 Python实现
8.3.4 C 实现
8.4 Scharr算子
8.4.1 原理详解
8.4.2 Python实现
8.4.3 C 实现
8.5 Kirsch算子和Robinson算子
8.5.1 原理详解
8.5.2 代码实现及效果
8.6 Canny边缘检测
8.6.1 原理详解
8.6.2 Python实现
8.6.3 C 实现
8.7 Laplacian算子
8.7.1 原理详解
8.7.2 Python实现
8.7.3 C 实现
8.8 高斯拉普拉斯(LoG)边缘检测
8.8.1 原理详解
8.8.2 Python实现
8.8.3 C 实现
8.9 高斯差分(DoG)边缘检测
8.9.1 高斯拉普拉斯与高斯差分的关系
8.9.2 Python实现
8.9.3 C 实现
8.10 Marr-Hildreth边缘检测
8.10.1 算法步骤详解
8.10.2 Pyton实现
8.10.3 C 实现
8.11 参考文献
9 几何形状的检测和拟合
9.1 点集的最小外包
9.1.1 最小外包旋转矩形
9.1.2 旋转矩形的4个顶点(OpenCV 3.X新特性)
9.1.3 最小外包圆
9.1.4 最小外包直立矩形(OpenCV 3.X新特性)
9.1.5 最小凸包
9.1.6 最小外包三角形( OpenCV 3.X新特性)
9.2 霍夫直线检测
9.2.1 原理详解
9.2.2 Python实现
9.2.3 C 实现
9.3 霍夫圆检测
9.3.1 标准霍夫圆检测
9.3.2 Python实现
9.3.3 基于梯度的霍夫圆检测
9.3.4 基于梯度的霍夫圆检测函数HoughCircles
9.4 轮廓
9.4.1 查找、绘制轮廓
9.4.2 外包、拟合轮廓
9.4.3 轮廓的周长和面积
9.4.4 点和轮廓的位置关系
9.4.5 轮廓的凸包缺陷
9.5 参考文献
10 傅里叶变换
10.1 二维离散的傅里叶(逆)变换
10.1.1 数学理解篇
10.1.2 快速傅里叶变换
10.1.3 C 实现
10.1.4 Python实现
10.2 傅里叶幅度谱与相位谱
10.2.1 基础知识
10.2.2 Python实现
10.2.3 C 实现
10.3 谱残差显着性检测
10.3.1 原理详解
10.3.2 Python实现
10.3.3 C 实现
10.4 卷积与傅里叶变换的关系
10.4.1 卷积定理
10.4.2 Python实现
10.5 通过快速傅里叶变换计算卷积
10.5.1 步骤详解
10.5.2 Python实现
10.5.3 C 实现
10.6 参考文献
11 频率域滤波
11.1 概述及原理详解
11.2 低通滤波和高通滤波
11.2.1 三种常用的低通滤波器
11.2.2 低通滤波的C 实现
11.2.3 低通滤波的Python实现
11.2.4 三种常用的高通滤波器
11.3 带通和带阻滤波
11.3.1 三种常用的带通滤波器
11.3.2 三种常用的带阻滤波器
11.4 自定义滤波器
11.4.1 原理详解
11.4.2 C 实现
11.5 同态滤波
11.5.1 原理详解
11.5.2 Python实现
11.6 参考文献
12 色彩空间
12.1 常见的色彩空间
12.1.1 RGB色彩空间
12.1.2 HSV色彩空间
12.1.3 HLS色彩空间
12.2 调整彩色图像的饱和度和亮度
12.2.1 Python实现
12.2.2 C 实现
《OpenCV算法精解：基于Python与C++》张平【文字版_PDF电子书_下载】大小：29.02MB已经过安全软件检测无毒，请您放心下载。浏览器不支持脚本！购买本书：当当图书商城 | | 淘宝购书
有需要联系v；hx-hx4
摘要：《OpenCV算法精解：基于Python与C++》张平【文字版_PDF电子书_推荐】_计算机类
《OpenCV算法精解：基于Python与C++》是一本关于计算机视觉和图像处理领域的精品图书。本书由张平所着，主要介绍了OpenCV库的基本概念和常见算法，并通过Python和C++语言实现。本书内容详实，代码丰富，适合初学者和有一定基础的读者学习和参考。通过阅读本书，读者可以全面了解OpenCV的核心技术，掌握图像处理和计算机视觉的基本原理与算法。
1、OpenCV库的介绍
本书首先介绍了OpenCV库的背景和基本概念。OpenCV是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉算法。本书通过对OpenCV库的详细介绍，帮助读者了解OpenCV的核心功能和特性。
接着，本书以Python和C++两种语言为例，分别介绍了OpenCV库在两种语言中的使用方法。通过实例演示，读者可以学习到如何使用OpenCV库进行图像处理和计算机视觉任务。
此外，本书还介绍了OpenCV的一些高级功能，如深度学习和目标检测等。通过对这些高级功能的介绍，读者可以进一步扩展和应用OpenCV库。
2、图像处理算法
本书详细介绍了常见的图像处理算法，包括图像滤波、边缘检测、图像分割等。通过对这些算法的原理和实现进行讲解，读者可以全面了解图像处理的基本概念和技术。
同时，本书还介绍了一些常用的图像处理技术，如图像增强、图像融合和图像修复等。通过对这些技术的介绍，读者可以学习到如何将图像处理算法应用于实际问题中。
此外，本书还介绍了一些高级的图像处理算法，如图像分析和特征提取等。通过对这些算法的介绍，读者可以进一步提升图像处理的能力和水平。
3、计算机视觉算法
本书深入介绍了计算机视觉的基本概念和常见算法。通过对计算机视觉的原理和实现进行讲解，读者可以全面了解计算机视觉的基本原理和技术。
本书详细介绍了计算机视觉中的一些重要算法，如特征匹配、目标跟踪和人脸识别等。通过对这些算法的介绍，读者可以学习到如何在实际场景中应用计算机视觉算法。
此外，本书还介绍了一些高级的计算机视觉算法，如三维重建和目标检测等。通过对这些算法的介绍，读者可以进一步提升计算机视觉的能力和水平。
4、Python与C++编程实践
本书结合Python和C++两种编程语言，详细介绍了OpenCV库在两种语言中的应用和实践。通过实例演示和代码分析，读者可以学习到如何使用Python和C++进行图像处理和计算机视觉任务。
本书还介绍了一些常用的Python和C++编程技巧，帮助读者更好地理解和应用OpenCV库。
此外，本书还提供了一些实战项目，如人脸识别和图像识别等。通过对这些实战项目的介绍，读者可以将所学的知识应用到实际项目中。
总结：
《OpenCV算法精解：基于Python与C++》是一本关于计算机视觉和图像处理的精品图书。本书通过对OpenCV库的介绍和实践，帮助读者全面了解图像处理和计算机视觉的基本原理和技术。通过阅读本书，读者可以掌握OpenCV库的使用方法，了解常见的图像处理算法和计算机视觉算法，并应用于实际项目中。对于初学者和有一定基础的读者而言，本书是一本不可多得的学习资料。
本文由nayona.cn整理
本文采摘于网络，不代表本站立场，转载联系作者并注明出处： https://sm.nayona.cn/xinnengyuan/258839.html
