4.2
用户推荐指数
科技 类型
8.5 豆瓣评分
可以朗读 语音朗读
268千字 字数
2017-10-01 发行日期
展开全部

主编推荐语

Python与C++双实现，助力你轻松驾驭OpenCV算法，夯实计算机视觉领域基础知识。

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。

本书适合入门图像处理和计算机视觉领域的初学者阅读，要求读者具备一定的C++ 或Python编程基础。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 本书整体架构及特色
  • 本书面向的读者
  • 致谢
  • 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 谱残差显著性检测
  • 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
展开全部

评分及书评

4.2
5个评分
  • 用户头像
    给这本书评了
    2.0
    下载资源呢？

    这本书有两个章节提到 “代码请到随书下载资源中查找”。那么问题来了，下载资源在哪呢？书里即没看到网址，也没看到资源获取方式，搜索 “下载” 也啥都搜不出来。。。。

      转发
      评论

    出版方

    电子工业出版社

    电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。