OpenCV实例精解

出版者:机械工业出版社

作者:[美] 普拉蒂克·乔希

页数:212

译者:呆萌院长

出版时间:2016-8-1

价格:59.00元

装帧:平装

isbn号码:9787111547419

丛书系列:华章程序员书库

具体描述

OpenCV是一个开源的计算机视觉库，在计算机视觉的开发中扮演着重要的角色。它为计算机视觉应用开发提供了灵活、功能强大的开发接口，使其成为计算机视觉专业人员所依赖的重要开发工具。

本书首先介绍计算机视觉中的各个领域和在C++中相关的OpenCV功能。每个章节都包含真实世界的例子和示例代码，可以帮助你轻松地掌握主题，并了解它们在现实生活中的应用。全书自始至终都在力争使用简洁的语言、清晰的格式以及实践性很强的示例项目来教你如何在C++中使用OpenCV，并建立各种应用程序。

无论你是对计算机视觉一无所知，还是对此已有基本的了解，本书都将通过一些真实世界的例子和项目来引导你理解OpenCV的概念和算法。

作者简介

Prateek Joshi 计算机视觉专家，曾任职于NVIDIA、微软、高通等公司，其研究方向为基于内容的分析和深度学习。他在计算机视觉领域已经斩获多个专利，也赢得过很多关于图像识别技术的编程比赛。他还是《OpenCV with Python By Example》一书的作者。

David Millan Escriva; 有超过13年的IT工作经验和9年以上的计算机视觉领域从业经验，在不同的项目和初创企业工作过，并一直在工作中运用计算机视觉、光学字符识别、图像识别方面的知识。他是DamilesBlog (http://blog.damiles.com)的作者，还是《Mastering OpenCV with Practical Computer Vision Projects Book》一书的合著者。

Vinicius Godoy　PUCPR的计算机图形学教授、Blackmuppet公司的联合创始人。他感兴趣的领域包括图像处理、设计模式和多线程应用程序。

目录信息

译者序
前言
第1章　OpenCV的探险之旅 1
1.1　理解人类视觉系统 1
1.2　人类是怎么理解图像内容的 3
1.3　OpenCV可以做什么 4
1.4　安装OpenCV 11
1.5　总结 14
第2章　OpenCV基础知识介绍 15
2.1　CMake基本配置文件 15
2.2　创建库 16
2.3　管理依赖关系 17
2.4　脚本复杂化 19
2.5　图像和矩阵 21
2.6　读写图像 23
2.7　读取视频和摄像头 27
2.8　其他基本对象类型 30
2.9　矩阵的基本运算 33
2.10　基本数据持久性和存储 36
2.11　总结 38
第3章　图形用户界面和基本滤波 39
3.1　介绍OpenCV的用户界面 39
3.2　使用OpenCV实现基本图形用户界面 40
3.3　QT的图形用户界面 45
3.4　在界面上添加滑动条和鼠标事件 47
3.5　在用户界面上添加按钮 51
3.6　支持OpenGL 55
3.7　总结 60
第4章　深入研究直方图和滤波器 61
4.1　生成CMake脚本文件 62
4.2　创建图形用户界面 63
4.3　绘制直方图 65
4.4　图像色彩均衡化 69
4.5　LOMO效果 71
4.6　卡通效果 76
4.7　总结 80
第5章　自动光学检测、目标分割和检测 81
5.1　隔离场景中的目标 82
5.2　创建AOI应用程序 84
5.3　输入图像的预处理 86
5.4　分割输入图像 92
5.5　总结 101
第6章　学习目标分类 102
6.1　介绍机器学习的概念 103
6.2　计算机视觉和机器学习的工作流程 106
6.3　自动检测目标分类的示例 108
6.4　特征提取 110
6.5　总结 120
第7章　识别人脸部分并覆盖面具 121
7.1　理解Haar级联 121
7.2　积分图 123
7.3　在实时视频中覆盖上面具 124
7.4　戴上太阳镜 127
7.5　跟踪鼻子、嘴和耳朵 130
7.6　总结 131
第8章　视频监控、背景建模和形态学操作 132
8.1　理解背景差分 132
8.2　简单背景差分法 133
8.3　帧差值法 137
8.4　混合高斯方法 141
8.5　形态学图像操作 144
8.6　图像细化 145
8.7　图像加粗 146
8.8　其他形态学运算 147
8.9　总结 152
第9章　学习对象跟踪 153
9.1　跟踪特定颜色的对象 153
9.2　建立交互式对象跟踪器 156
9.3　使用Harris角点检测器检测点 161
9.4　Shi-Tomasi角点检测器 163
9.5　基于特征的跟踪 166
9.6　总结 175
第10章　文本识别中的分割算法 176
10.1　OCR简介 176
10.2　预处理步骤 178
10.3　在你的操作系统上安装Tesseract OCR 186
10.4　使用Tesseract OCR库 190
10.5　总结 195
第11章　使用Tesseract识别文本 196
11.1　文本识别API工作原理 196
11.2　使用文本识别API 200
11.3　总结 212
· · · · · · (收起)

用户评价

我必须说，《OpenCV实例精解》这本书，绝对是我近年来阅读过的最实用的技术书籍之一。它最大的特点就是“少废话，多干货”。我之前看过的很多OpenCV的书籍，要么就是堆砌API，要么就是过于理论化，让人难以消化。而这本书，则完全不同。它以解决实际问题为导向，每一个章节都围绕着一个具体的应用场景展开，并给出了详细的代码实现和解释。我记得书中有一个关于图像修复的章节，讲解了如何利用泊松图像编辑技术来填充图像中的缺失区域。这个例子非常直观，我跟着代码一步步操作，看着图像中被挖掉的部分神奇地被填补起来，那种感觉真是太令人兴奋了。而且，书中对每个算法的讲解都非常透彻，不仅仅是告诉你如何调用函数，更重要的是解释了算法的原理和背后的数学思想。比如，在讲解霍夫变换检测圆时，书中不仅给出了代码，还详细解释了如何通过参数空间来检测圆。这种深入的讲解，让我对OpenCV的理解更加深刻。我尤其喜欢书中关于立体视觉的部分，虽然之前觉得三维重建是非常高深的技术，但通过书中一个简单的双目立体视觉的例子，我竟然也能够理解其基本原理，并尝试着去实现。这本书提供的代码非常规范，易于阅读和理解，而且作者的注释也很到位，方便我进行学习和二次开发。对于任何想要将OpenCV应用于实际项目，并且希望在短时间内获得显著进步的读者来说，这本书绝对是必读之作。它提供的不只是技术，更是一种解决问题的能力。

一直以来，我都被计算机视觉领域所吸引，但苦于找不到合适的入门途径。在朋友的推荐下，我选择了《OpenCV实例精解》。这本书的出版，对我来说，简直是及时雨。它最大的优点在于其“由表及里”的学习方式。书中的每一个实例，都不仅仅是一个简单的代码片段，而是包含了对问题背景、算法原理、代码实现以及结果分析的完整阐述。我印象最深刻的是书中关于图像配准的章节。之前我一直对图像配准的概念感到模糊，但通过书中一个利用SIFT特征进行图像配准的实例，我清晰地理解了如何通过特征提取、匹配和变换来完成图像的对齐。而且，书中提供的代码非常具有指导意义，我能够直接运行，并观察到实际效果。作者在讲解过程中，并没有回避算法背后的数学原理，而是用一种非常易于理解的方式进行阐述。比如，在讲解仿射变换时，书中详细解释了仿射变换的几何意义以及如何在OpenCV中实现。这让我对图像变换有了更深的认识。另外，书中还包含了关于目标跟踪、视频分析等内容，这些都是我非常感兴趣的方向。通过书中提供的实例，我能够快速地了解这些领域的入门技术，并尝试着去实现一些简单的功能。这本书不仅仅是一本学习OpenCV的工具书，更是一本激发我探索计算机视觉的启蒙书。它让我看到了OpenCV的强大之处，也给了我继续深入学习的信心。

《OpenCV实例精解》这本书，以一种非常务实的方式，将OpenCV的强大功能展现在我面前。我是一名对计算机视觉技术有所了解，但缺乏实操经验的程序员，这本书为我打开了一扇新的大门。它最大的优点在于其“问题导向”的设计。书中的每一个章节，都是围绕着一个具体的实际问题展开，然后给出相应的OpenCV解决方案。我印象最深刻的是书中关于“图像增强”的章节。作者通过一个实际的例子，讲解了如何利用直方图均衡化、自适应直方图均衡化等方法来改善图像的对比度和亮度。这个例子非常直观，让我能够清晰地看到不同算法对图像效果的影响。而且，书中对每个算法的解释都非常清晰，不会让人感到晦涩难懂。比如，在讲解Canny边缘检测算法时，作者详细解释了高斯滤波、梯度计算、非极大值抑制等步骤，并且给出了相应的代码实现。这让我对边缘检测的原理有了更深的理解。我尤其喜欢书中关于“特征匹配与物体识别”的章节，通过一个简单的物体识别实例，我了解了SIFT、SURF等特征点检测算法，并学会了如何利用这些算法来实现物体的快速匹配。这本书提供的代码质量非常高，结构清晰，并且作者的注释也非常详细，这对于我这样希望将OpenCV技术应用于实际项目中的开发者来说，是非常宝贵的学习资源。它提供的不仅仅是技术，更是一种解决问题的思路和方法。

我原本是一个对计算机视觉一窍不通的“小白”，在一次偶然的机会下，听朋友推荐了《OpenCV实例精解》。抱着试试看的心态，我开始了我的OpenCV学习之旅。这本书最大的亮点在于它的“实操性”和“易懂性”。它没有一开始就抛出大量的理论概念，而是从最基础的图像加载、显示开始，然后逐步引入一些常用的图像处理算法，比如色彩空间转换、二值化、形态学操作等等。我记得书中有一个例子是关于如何去除图像中的噪声，作者不仅给出了椒盐噪声和高斯噪声的生成代码，还详细讲解了中值滤波和高斯滤波的应用，并且对比了它们的效果。这种“知其所以然”的讲解方式，让我深深地受益。我之所以说它“易懂”，是因为书中对每个函数的解释都非常清晰，并且配有相应的代码示例，我可以直接复制粘贴运行，观察结果。更重要的是，书中很多例子都取材于实际生活，比如简单的车牌识别、人脸检测、物体跟踪等，这些都让我觉得计算机视觉离我并不遥远。我尤其喜欢书中关于图像特征提取的部分，虽然之前对SIFT、SURF等算法有过一些了解，但总是觉得概念模糊。这本书通过一个实用的例子，比如使用ORB算法进行图像特征匹配，将抽象的算法变得具体可感。我跟着代码实现了简单的图像识别，那种成就感是难以言表的。这本书不仅仅是教会我如何使用OpenCV，更重要的是培养了我解决问题的能力。我学会了如何分析问题，如何选择合适的算法，以及如何用代码实现。对于任何想要学习OpenCV，并且希望快速入门并做出实际应用的人来说，这本书绝对是首选。

《OpenCV实例精解》这本书，对于我这样希望在实际项目中快速应用OpenCV技术的开发者来说，简直是量身定制。它的最大亮点在于其“案例驱动”的学习模式。这本书不是从理论出发，而是从一个个实际应用场景出发，然后引出相关的OpenCV技术。我记得书中有一个关于“查找图像中的特定图案”的例子，作者通过讲解模板匹配算法，一步步演示了如何在大量的图像中快速准确地找到一个预设的图案。这个例子非常有启发性，让我对OpenCV在图像搜索和识别方面的应用有了直观的认识。而且，书中对每个算法的解释都非常清晰，不会让人感到晦涩难懂。比如，在讲解金字塔图像处理时，作者用通俗易懂的比喻，解释了如何通过多分辨率来处理图像，并且给出了相应的代码实现。我跟着代码进行了实践，发现这种方法在处理缩放问题时非常有效。我尤其喜欢书中关于图像特征检测与描述的章节，通过一个实际的物体识别的例子，我了解了SIFT、SURF、FAST等算法的原理和应用。书中提供的代码质量非常高，注释详细，并且可以直接在各种操作系统上运行。对于希望将OpenCV技术应用到实际项目中的开发者来说，这本书提供的不仅仅是代码，更是一种解决问题的思路和方法。它让我能够更自信地面对各种计算机视觉相关的开发任务。

《OpenCV实例精解》这本书，在我看来，不仅仅是一本技术书籍，更像是一位循循善诱的导师。我之前尝试过其他一些OpenCV的书籍，但往往因为过于理论化或者代码过于晦涩而难以坚持。直到我接触到这本书，我才真正体会到“精解”的含义。它以一种非常系统化的方式，从基础概念到高级应用，层层递进。我记得书中有关于图像纹理分析的一章，通过一个实际的例子，讲解了如何利用灰度共生矩阵（GLCM）来提取图像的纹理特征。在讲解之前，作者首先解释了什么是纹理，为什么纹理分析很重要，然后才引出GLCM的计算方法和在OpenCV中的实现。这种“由浅入深”的讲解模式，让我能够更好地理解算法背后的原理，而不是仅仅停留在API的调用层面。书中大量的实例都非常有代表性，比如在讲解物体检测时，除了常见的Haar级联分类器，还引入了更现代的HOG+SVM方法，并且详细解释了HOG特征的提取过程。我跟着代码实现了自己的第一个物体检测器，那种感觉就像打开了新世界的大门。而且，这本书的语言风格非常朴实，没有太多华丽的辞藻，但每一个字都充满了信息量。它不是那种“包罗万象”的百科全书，而是“精挑细选”的精华集，将最核心、最实用的知识点一一呈现。对于那些想要在计算机视觉领域有所建树，并且希望通过实际项目来提升自己技能的读者来说，这本书绝对是一份不可多得的礼物。它提供的不仅是知识，更是一种宝贵的学习经验。

说实话，在我拿到《OpenCV实例精解》之前，我对“实例精解”这几个字是有些疑虑的。我总觉得“精解”意味着需要深厚的功底才能看懂，而“实例”可能又过于碎片化。然而，事实证明我的担忧是多余的。这本书的“实例”不仅仅是简单的代码堆砌，而是真正做到了“精解”。它以一种非常友好的方式，将复杂的OpenCV算法拆解开来，通过一个个具体、可执行的例子，带领读者一步步理解。我最喜欢的是书中关于图像特征提取和匹配的部分。比如，SIFT、SURF算法的讲解，通常是我头疼的环节，因为涉及到了很多数学原理。但这本书通过一个实用的场景——图像拼接，将这些算法的应用讲得明明白白。我跟着书中给出的代码，实现了自己的第一个图像拼接程序，那种感觉太棒了。而且，书中对于每个实例的解释都非常详尽，不仅仅是说明“怎么做”，更重要的是解释“为什么这么做”。比如，在讲解SIFT特征点检测时，书中会详细解释尺度空间、高斯差分算子等概念，并说明它们在特征点检测中的作用。这种深入浅出的讲解方式，让我对OpenCV的理解不再停留在“调用函数”的层面，而是真正触及到了底层逻辑。另外，书中还包含了一些关于相机标定、三维重建的章节，虽然这些内容相对复杂，但作者依然能够用清晰的语言和生动的例子来阐述，让我对这些高级概念不再望而却步。对于那些想要深入理解OpenCV，并且希望将其应用于实际项目中的读者来说，这本书绝对是一本不可多得的宝藏。它提供的不只是技术，更是一种解决问题的思维方式。

在我看来，《OpenCV实例精解》这本书最大的成功之处，在于它能够有效地将OpenCV这个庞大而复杂的库，以一种非常“接地气”的方式呈现给读者。我是一名对计算机视觉充满兴趣，但缺乏实践经验的学习者，这本书彻底颠覆了我对OpenCV的认知。它不是那种“堆砌API”的说明手册，而是通过一个接一个的实际案例，引领读者逐步深入。我记得书中有一个关于“图像风格迁移”的章节，虽然这个概念听起来很高深，但作者通过一个非常直观的例子，将整个过程分解开来，并且给出了相应的代码实现。我跟着代码一步步操作，看着一张普通的照片被赋予了梵高风格，那种感觉真是太奇妙了。而且，书中对算法的解释都非常到位，不仅仅是告诉你“怎么做”，更重要的是让你理解“为什么这么做”。比如，在讲解K-means聚类算法在图像分割中的应用时，作者详细解释了聚类中心的更新过程以及如何选择合适的聚类数量。这让我对图像分割的原理有了更深的理解。我尤其喜欢书中关于目标跟踪的章节，通过一个简单的卡尔曼滤波实例，我了解了如何对运动目标进行预测和跟踪。这本书提供的代码质量非常高，结构清晰，并且作者的注释也非常详细，这对于初学者来说，是非常宝贵的学习资源。对于任何希望通过实际项目来学习OpenCV，并希望在计算机视觉领域有所突破的读者来说，这本书绝对是不可或缺的。它提供的不仅仅是技术，更是一种学习的动力和方法。

这本书绝对是给像我这样，初次接触OpenCV，但又想快速上手、做出点实际东西的开发者准备的。我记得当初抱着满腔热情，翻遍了网上的教程，却发现很多都停留在理论层面，要么就是代码片段零散，难以整合。当我拿到《OpenCV实例精解》时，第一感觉就是“对了，就是这个！”。它的结构非常清晰，从最基础的图像读取、显示、基本操作开始，循序渐进地引导读者，丝毫没有给我带来“劝退”的感觉。尤其是一些基础的滤波、边缘检测的章节，作者的讲解非常到位，不仅给出了代码，还详细解释了每个参数的含义，以及它们对结果的影响。这对我这种喜欢刨根问底的人来说，简直是福音。我记得有一章讲到霍夫变换检测直线，书中给出的例子非常生动，我跟着代码一步步调试，看着那些检测出来的直线在图像上闪烁，那种成就感是难以言表的。而且，书中不仅仅是罗列API，更侧重于讲解这些API背后的原理，以及如何在实际场景中应用。比如，在讲解人脸检测的章节，我不仅学会了如何调用Haar级联分类器，还了解到它是如何工作的，这让我对图像识别有了更深的理解。这本书的实例都非常贴近实际需求，比如简单的图像拼接、去除噪声、甚至是一些基础的图像处理特效，都可以在书中找到现成的解决方案和详细的讲解。我觉得最棒的一点是，这本书不会让你迷失在海量的函数库里，而是精选了最常用、最核心的部分，让你能在最短的时间内掌握OpenCV的精髓，并且能够融会贯通。对于初学者来说，这本书提供了一个非常坚实的基础，让我有信心去探索更复杂的计算机视觉任务。

这本书的价值，在于它将OpenCV这个庞大的库，通过一个个精心设计的实例，变得触手可及。我是一名有一定编程基础，但对计算机视觉领域接触不多的开发者，在阅读《OpenCV实例精解》之前，我总觉得OpenCV是一个高不可攀的技术。然而，这本书彻底改变了我的看法。它从最基础的图像处理操作开始，循序渐进地引导读者，每一个章节都围绕着一个具体的问题展开，并给出了完整的解决方案。我记得书中有一个关于视频流处理的章节，讲解了如何从摄像头捕获视频，并在视频流上进行实时的人脸检测。这个例子非常具有启发性，我不仅学会了如何处理视频帧，还理解了实时处理的性能要求。而且，书中对每个算法的解释都非常细致，比如在讲解图像滤波时，作者会详细说明不同滤波器的原理、优缺点以及适用场景。这让我能够根据实际需求，选择最合适的滤波方法。我尤其喜欢书中关于图像特征匹配的实例，通过一个简单的物体识别例子，我了解了SIFT、SURF、ORB等特征点检测和描述算法，并且学会了如何利用这些算法来实现物体的快速匹配。这本书提供的代码质量很高，可以直接运行，并且作者的注释也非常详细，方便我进行二次开发和学习。对于那些希望将OpenCV应用于实际项目，并且希望快速掌握计算机视觉核心技术的开发者来说，这本书绝对是不可或缺的学习资源。它不仅教会我“做什么”，更教会我“为什么这么做”。

微信读书

终于…… （为了该死的寒假课设）

终于…… （为了该死的寒假课设）

终于…… （为了该死的寒假课设）

终于…… （为了该死的寒假课设）