新書推薦：
《
scikit-learn机器学习超入门
》
售價：HK$
76.8
《
万有引力书系·牛奶狂潮：身体、科学与希望
》
售價：HK$
74.8
《
艾博士：深入浅出人工智能（第2版）
》
售價：HK$
109.8
《
无处不在的算法（双色版）
》
售價：HK$
97.9
《
周礼学史
》
售價：HK$
173.8
《
埃及通史：托勒密王朝
》
售價：HK$
77.0
《
改变课堂的教育理论：理解与运用（第2版）
》
售價：HK$
85.8
《
使行录与东亚历史文化研究（上下册）
》
售價：HK$
242.0
|
| 編輯推薦： |
1.深职大一线名师精品力作，融入多年教学经验，重难点清晰明确
2.以数字化创新与发展为导向，培养学生实际问题处理能力
3.以“理实结合、循序渐进”为宗旨，每章在相关理论知识讲解的基础上，结合实际应用进行实践训练
|
| 內容簡介： |
|
本书使用面向Python的OpenCV讲解计算机视觉中图像处理的相关知识，内容主要包括初见OpenCV、OpenCV入门应用、图像平滑与形态学处理、图像基础变换、图像轮廓检测、人脸识别、图像特征检测、图像分割、目标检测与识别、目标跟踪、神经网络、YOLOv5目标检测。通过对本书内容的学习，学生能够掌握OpenCV的基本使用方法、图像处理基础理论知识、用于图像基础变换与轮廓检测的常见算子、图像特征检测与图像分割主流算法、目标检测识别与跟踪的原理和实现方法，以及OpenCV在神经网络目标识别项目中的实际应用，熟练运用OpenCV解决机器学习等领域中的典型图像处理问题。
|
| 關於作者： |
|
林伟鹏，深圳职业技术大学人工智能学院云计算技术应用专业、讲师、加拿大西蒙菲莎大学(Simon Fraser University)计算机科学与技术专业博士、主要从事云计算、区块链、以及大数据研究；具有红帽RHCE认证，腾讯云首席讲师认证；主编《Python语言及其应用》、《信息技术基础(WPS Office+数据思维)》、《区块链应用开发与测试》等多本教材。
|
| 目錄：
|
第 1章 初见OpenCV1
1.1 计算机视觉1
1.2 OpenCV介绍1
1.3 安装OpenCV1
1.3.1 安装Python2
1.3.2 使用pip命令安装OpenCV4
1.4 环境测试5
1.5 小结6
习题6
第 2章 OpenCV入门应用7
2.1 图像读写7
2.2 标识和截取ROI8
2.2.1 访问图像数据9
2.2.2 对图像进行几何变换10
2.2.3 添加标识15
2.3 色彩空间16
2.3.1 BGR色彩空间的概念17
2.3.2 通过滑动条改变B、G、R
的值17
2.3.3 灰度色彩空间19
2.4 视频读写19
2.4.1 视频读取21
2.4.2 视频写入23
2.5 应用：编写一个简易的照相机程序25
2.6 小结27
习题27
第3章 图像平滑与形态学处理29
3.1 平滑处理29
3.1.1 图像噪声29
3.1.2 常用平滑滤波方法30
3.2 数学形态学处理37
3.2.1 腐蚀与膨胀38
3.2.2 开运算、闭运算、形态学梯度41
3.3 图像金字塔44
3.4 小结46
习题47
第4章 图像基础变换49
4.1 边缘检测49
4.1.1 Sobel算子50
4.1.2 Scharr滤波器53
4.1.3 Laplacian算子55
4.1.4 Canny算子57
4.2 霍夫变换59
4.2.1 霍夫线变换59
4.2.2 霍夫圆变换63
4.3 直方图65
4.3.1 直方图计算66
4.3.2 直方图均衡化69
4.4 小结70
习题71
第5章 图像轮廓检测72
5.1 轮廓检测72
5.1.1 二值图像转换72
5.1.2 轮廓匹配73
5.1.3 二值图像轮廓检测76
5.2 凸包80
5.3 多边形轮廓83
5.4 小结86
习题86
第6章 人脸识别88
6.1 人脸检测88
6.2 人脸识别程序91
6.2.1 程序概述91
6.2.2 人脸检测及采集92
6.2.3 人脸识别95
6.3 小结99
习题99
第7章 图像特征检测101
7.1 图像特征101
7.2 Harris角点检测102
7.3 特征检测103
7.3.1 SIFT特征检测算法103
7.3.2 FAST特征检测算法105
7.4 特征描述符及匹配器106
7.4.1 Brute-Force匹配器和FLANN匹配器的基本概念106
7.4.2 使用ORB描述符和Brute-Force匹配器匹配Logo106
7.4.3 FLANN及单应性变换110
7.5 小结113
习题114
第8章 图像分割115
8.1 K-Means算法115
8.1.1 基本过程115
8.1.2 OpenCV中的K-Means算法117
8.1.3 使用K-Means算法对颜色进行分割118
8.2 分水岭算法120
8.2.1 基本过程120
8.2.2 分水岭图像分割算法120
8.3 GrabCut算法123
8.3.1 基本过程123
8.3.2 GrabCut算法124
8.4 小结125
习题126
第9章 目标检测与识别127
9.1 目标检测127
9.1.1 HOG技术127
9.1.2 SVM技术129
9.1.3 NMS技术131
9.1.4 行人检测131
9.2 猫狗目标检测133
9.2.1 程序概述133
9.2.2 猫狗特征提取与识别134
9.3 小结143
习题144
第 10章 目标跟踪145
10.1 背景差分法145
10.1.1 高斯背景建模146
10.1.2 LBP特征146
10.1.3 OpenCV背景差分法146
10.1.4 背景差分器147
10.1.5 基于背景差分器的目标跟踪149
10.2 基于颜色的目标检测与跟踪151
10.2.1 HSV色彩空间151
10.2.2 颜色分割152
10.2.3 目标跟踪样例154
10.3 光流跟踪155
10.3.1 光流155
10.3.2 光流场155
10.3.3 基本原理155
10.3.4 KLT光流法156
10.3.5 GF光流法161
10.4 CAMShift对象跟踪163
10.4.1 MeanShift164
10.4.2 CAMShift164
10.4.3 目标跟踪程序165
10.5 卡尔曼滤波器167
10.5.1 预测与更新168
10.5.2 鼠标轨迹跟踪168
10.5.3 CAMShift目标跟踪与卡尔曼滤波器预测程序171
10.6 小结173
习题174
第 11章 神经网络176
11.1 人工神经网络176
11.1.1 神经元模型176
11.1.2 神经网络结构177
11.1.3 过拟合现象177
11.1.4 欠拟合现象178
11.1.5 ANN算法分类179
11.2 ANN工作原理179
11.3 MNIST手写数字识别180
11.3.1 MNIST手写数字数据库181
11.3.2 基于ANN的手写数字识别程序183
11.3.3 手写数字预测185
11.4 小结187
习题187
第 12章 YOLOv5目标检测188
12.1 YOLOv5的安装与配置188
12.2 基于YOLOv5的目标检测189
12.3 YOLO数据集191
12.3.1 分析数据集191
12.3.2 YOLO标注格式191
12.3.3 配置数据集192
12.4 YOLOv5训练模块193
12.4.1 训练模型参数193
12.4.2 特殊情况194
12.4.3 训练结果197
12.5 YOLOv5 预测模块199
12.5.1 预测参数199
12.5.2 预测结果200
12.6 实战：口罩佩戴检测201
12.7 小结203
习题204
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
