学习OpenCV（中文版） (豆瓣)

作者: Gary Bradski / Adrian Kaehler
出版社: 清华大学出版社
副标题: 学习OpenCV
译者: 于仕琪 / 刘瑞祯
出版年: 2009-10-1
页数: 601
定价: 75.00元
装帧: 平装
ISBN: 9787302209935

豆瓣评分

8.3

226人评价

5星

36.7%
4星

44.2%
3星

14.2%
2星

4.4%
1星

0.4%

评价:

内容简介 · · · · · ·

学习OpenCV（中文版），ISBN：9787302209935，作者：（美）布拉德斯基（Bradski，G.），（美）克勒（Kaehler，A.）著，于仕琪，刘瑞祯译

作者简介 · · · · · ·

Gary Bradski博士是斯坦福大学人工智能实验室的顾问教授，也是Willow Garage公司机器人学研究协会的资深科学家。

Adrian Kaehler博士，Applied Minds公司的资深科学家，从事机器学习、统计建模、计算机视觉和机器人学方面的研究。

目录 · · · · · ·

出版前言
译者序
写在前面的话
前言
第1章概述
什么是OpenCV
· · · · · · (更多)

豆瓣成员常用的标签(共78个) · · · · · ·

OpenCV 图像处理计算机视觉计算机编程计算机科学算法计算机/编程

喜欢读"学习OpenCV（中文版）"的人也喜欢的电子书 · · · · · ·

支持 Web、iPhone、iPad、Android 阅读器

: Python源码剖析

38.39元

: 免费

13.99元

喜欢读"学习OpenCV（中文版）"的人也喜欢 · · · · · ·

: 基于OpenCV的计算机视觉技术实现

: Arduino技术内幕

: Learning OpenCV

: 模式识别

: 标准模板库自修教程与参考手册(ST...

: 学习OpenCV

: 机器视觉算法与应用

: Learning OpenCV

: OpenCV 2 Computer Vision Applic...

: 图像处理、分析与机器视觉

我来说两句

短评 · · · · · · ( 全部 62 条 )

学习OpenCV（中文版）的书评 · · · · · · (全部 10 条)

OpenCV的HelloWorld

Jim Yang 2012-07-30 22:58:50

这本《学习OpenCV》是O’Reilly出品于2008年，旋即由刘瑞祯和于仕琪在国内翻译出版。相比国人介绍函数使用方法的书，《学习OpenCV》的着眼点则更多的回到图形图像，配合专业基础的脉络来介绍OpenCV。作为基础教程，那类似于Hello World是一定要的，而一本书的好坏，从Hello...

3有用 / 0没用 oreilly2008版

Opencv数字图像处理交流群

Belial 2011-08-19 21:04:30

Opencv数字图像处理交流群：168464432，欢迎大家加入群交流学习，共同进步，在群里大家可以探讨有关数字图像处理，机器视觉领域的前沿和技术问题，一起努力提高。验证信息：豆瓣网 Opencv数字图像处理交流群：168464432，欢迎大家加入群交流学习，共同进步，在群里大家可...

6有用 / 0没用 oreilly2008版

OpenCV的启蒙书籍

熊猫大哥 2010-05-05 21:44:31

本书充满了丰富的应用OpenCV编程的例子，对于OpenCV库函数的介绍也大多是通过例子的方式完成的。可以说，这样厚厚的一本书，对于OpenCV 1.0中的几乎所有的库函数均有所涉及。我认为，与传统的手册型Manual具有不同的风格，该书更像是一个OpenCV的工作人员在叙说整个OpenCV的方... (3回应)

4有用 / 0没用 oreilly2008版

读Gary Bradski, Adrian Kaehler《学习OpenCV（...

汪杨 2014-11-19 17:04:22

作者从与Sebastian Thrun研发Stanley以及与Andrew Ng研究Stair开始。这本书的内容有点过时，不过对于了解opencv的起源和基本架构还是很有帮助的。 IPP库的应用，说明起初的opencv更加偏向底层在所有资料里，这本书对于图像处理基本算法的分析解释应该是最简明最清楚的 p273 ... (1回应)

0有用 / 0没用

还是看外文吧

第一剑豪 2013-09-11 19:08:58

说实话国内外目前比较好的值得深入一读的书籍不多，此书值得深入读下去，不仅涉及到我所研究的图像图形，还有视频类的处理。opencv里很多代码都是基于C的，比较好懂，而且图像视频从感官上来说是一个容易吸引人的领域，从学术角度讲，有理论有理论，有实践有实践，是标准的工...

0有用 / 0没用

> 更多书评10篇

读书笔记 · · · · · ·

我来写笔记

按有用程度
按页码先后
最新笔记

展开收起
整体

童年在地图上

1.在OpenCV中没有向量(vector)结构 2.在计算机视觉中，一个重要的错误来源就是源点定义的不统一：避免此类现象最好办法就是在最开始的时候哦检测一下系统，在所操作的图像块的地方画点东西试试 3.IplImage和CvMat之间的一个重要区别在于imageData。 CvMat的data元素类型是联合类型，所以必须说明需要使用的指针类型。 imageData指针是字节类型指针(uchar*) 4.如果某函数可使用CvMat，那也可使用IplImage，反之亦然 5.内..
2012-04-18 22:24 1人喜欢

1.在OpenCV中没有向量(vector)结构
2.在计算机视觉中，一个重要的错误来源就是源点定义的不统一：避免此类现象最好办法就是在最开始的时候哦检测一下系统，在所操作的图像块的地方画点东西试试
3.IplImage和CvMat之间的一个重要区别在于imageData。
CvMat的data元素类型是联合类型，所以必须说明需要使用的指针类型。
imageData指针是字节类型指针(uchar*)
4.如果某函数可使用CvMat，那也可使用IplImage，反之亦然
5.内存存储器(memory storage)是OpenCV在创建动态对象时存取内存的技术
6.把OpenCV中的序列想象为许多编程语言中都存在的容器类或容器类模板(如c++中的vector)
7.学习(learning)：调整参数来达到目的的过程
8.有标签的机器学习是有监督的，如果没有标签，则是无监督的
9.除了Mahalanobis和K均值算法在CXCORE库中，人脸检测算法在CV库中，其他算法都在ML库中
10.机器学习流程
(1)第一个问题是怎么采集数据并给数据定标签，需要定义有目标在场景中得确切含义
(2)获取了很多数据之后，该怎么给数据定标签？首先需要决定标签的意义
(3)数据定好标签之后，需要决定提取哪些特征，必须寻找表达物体固有属性的特征
(4)如果有背景信息，可能想首先把背景去除，提取出物体；然后进行图像处理(归一化图像、尺度改变、旋转、直方图均衡)，计算很多特征
(5)一旦数据被转换成特征向量，便需要把数据分成训练集、验证集和测试集
(6)数据已经准备好，下面是选择分类器
11.如果不需要训练很快，但是需要精确度很高，可选择boosting和随机森林
12.时刻牢记输入数据矩阵的构成方式(行，列)=(数据样本，特征变量)
13.第一个boosting算法叫AdaBoosting
14.openCV新建工程后记得在Link(Alt+F7)选项中添加cxcore.lib cv.lib ml.lib cvaux.lib highgui.lib cvcam.lib

推荐

回应 2012-04-18 22:24
展开收起
第1页

汪杨

作者从与Sebastian Thrun研发Stanley以及与Andrew Ng研究Stair开始。这本书的内容有点过时，不过对于了解opencv的起源和基本架构还是很有帮助的。 IPP库的应用，说明起初的opencv更加偏向底层在所有资料里，这本书对于图像处理基本算法的分析解释应该是最简明最清楚的 p273 多边形逼近的方法 cvinpaint的方法比较好用作者对未来的一些开发展望已经基本实现了。
2014-11-18 16:14

作者从与Sebastian Thrun研发Stanley以及与Andrew Ng研究Stair开始。
这本书的内容有点过时，不过对于了解opencv的起源和基本架构还是很有帮助的。
IPP库的应用，说明起初的opencv更加偏向底层
在所有资料里，这本书对于图像处理基本算法的分析解释应该是最简明最清楚的
p273 多边形逼近的方法
cvinpaint的方法比较好用
作者对未来的一些开发展望已经基本实现了。

推荐

回应 2014-11-18 16:14
展开收起
第502页

小乐shong (热爱生活，追逐阳光，快乐成长)

OpenCV倾向于支持鉴别式算法，而不倾向于产生式算法。虽然这两者的区别不是非常清晰，但是鉴别式模型在根据给定的数据做出预测上有优势，而产生式模型则是在为你提供更强大的数据表达或者有条件地生成新数据时有优势。就好比王路所说：让机器通过一秒几亿次的计算来赢了象棋围棋高手不难，因为棋类的规则已知，模型搭建好后赢棋是技术活儿。而评价艺术作品却不行，由于没有固定标准，也就没有机器自行创作的可能。
2013-07-12 11:28

OpenCV倾向于支持鉴别式算法，而不倾向于产生式算法。虽然这两者的区别不是非常清晰，但是鉴别式模型在根据给定的数据做出预测上有优势，而产生式模型则是在为你提供更强大的数据表达或者有条件地生成新数据时有优势。
就好比王路所说：让机器通过一秒几亿次的计算来赢了象棋围棋高手不难，因为棋类的规则已知，模型搭建好后赢棋是技术活儿。而评价艺术作品却不行，由于没有固定标准，也就没有机器自行创作的可能。

推荐

回应 2013-07-12 11:28
展开收起
第2页

Shepherd@小bai (如果走失了，一辈子也见不到了。)

懂得浪漫的作者。 (2回应)
2012-11-29 14:40

懂得浪漫的作者。

推荐

2回应 2012-11-29 14:40

展开收起
第1页

汪杨

作者从与Sebastian Thrun研发Stanley以及与Andrew Ng研究Stair开始。这本书的内容有点过时，不过对于了解opencv的起源和基本架构还是很有帮助的。 IPP库的应用，说明起初的opencv更加偏向底层在所有资料里，这本书对于图像处理基本算法的分析解释应该是最简明最清楚的 p273 多边形逼近的方法 cvinpaint的方法比较好用作者对未来的一些开发展望已经基本实现了。
2014-11-18 16:14

作者从与Sebastian Thrun研发Stanley以及与Andrew Ng研究Stair开始。
这本书的内容有点过时，不过对于了解opencv的起源和基本架构还是很有帮助的。
IPP库的应用，说明起初的opencv更加偏向底层
在所有资料里，这本书对于图像处理基本算法的分析解释应该是最简明最清楚的
p273 多边形逼近的方法
cvinpaint的方法比较好用
作者对未来的一些开发展望已经基本实现了。

推荐

回应 2014-11-18 16:14
展开收起
第2页

Shepherd@小bai (如果走失了，一辈子也见不到了。)

懂得浪漫的作者。 (2回应)
2012-11-29 14:40

懂得浪漫的作者。

推荐

2回应 2012-11-29 14:40
展开收起
第502页

小乐shong (热爱生活，追逐阳光，快乐成长)

OpenCV倾向于支持鉴别式算法，而不倾向于产生式算法。虽然这两者的区别不是非常清晰，但是鉴别式模型在根据给定的数据做出预测上有优势，而产生式模型则是在为你提供更强大的数据表达或者有条件地生成新数据时有优势。就好比王路所说：让机器通过一秒几亿次的计算来赢了象棋围棋高手不难，因为棋类的规则已知，模型搭建好后赢棋是技术活儿。而评价艺术作品却不行，由于没有固定标准，也就没有机器自行创作的可能。
2013-07-12 11:28

OpenCV倾向于支持鉴别式算法，而不倾向于产生式算法。虽然这两者的区别不是非常清晰，但是鉴别式模型在根据给定的数据做出预测上有优势，而产生式模型则是在为你提供更强大的数据表达或者有条件地生成新数据时有优势。
就好比王路所说：让机器通过一秒几亿次的计算来赢了象棋围棋高手不难，因为棋类的规则已知，模型搭建好后赢棋是技术活儿。而评价艺术作品却不行，由于没有固定标准，也就没有机器自行创作的可能。

推荐

回应 2013-07-12 11:28
展开收起
整体

童年在地图上

1.在OpenCV中没有向量(vector)结构 2.在计算机视觉中，一个重要的错误来源就是源点定义的不统一：避免此类现象最好办法就是在最开始的时候哦检测一下系统，在所操作的图像块的地方画点东西试试 3.IplImage和CvMat之间的一个重要区别在于imageData。 CvMat的data元素类型是联合类型，所以必须说明需要使用的指针类型。 imageData指针是字节类型指针(uchar*) 4.如果某函数可使用CvMat，那也可使用IplImage，反之亦然 5.内..
2012-04-18 22:24 1人喜欢

1.在OpenCV中没有向量(vector)结构
2.在计算机视觉中，一个重要的错误来源就是源点定义的不统一：避免此类现象最好办法就是在最开始的时候哦检测一下系统，在所操作的图像块的地方画点东西试试
3.IplImage和CvMat之间的一个重要区别在于imageData。
CvMat的data元素类型是联合类型，所以必须说明需要使用的指针类型。
imageData指针是字节类型指针(uchar*)
4.如果某函数可使用CvMat，那也可使用IplImage，反之亦然
5.内存存储器(memory storage)是OpenCV在创建动态对象时存取内存的技术
6.把OpenCV中的序列想象为许多编程语言中都存在的容器类或容器类模板(如c++中的vector)
7.学习(learning)：调整参数来达到目的的过程
8.有标签的机器学习是有监督的，如果没有标签，则是无监督的
9.除了Mahalanobis和K均值算法在CXCORE库中，人脸检测算法在CV库中，其他算法都在ML库中
10.机器学习流程
(1)第一个问题是怎么采集数据并给数据定标签，需要定义有目标在场景中得确切含义
(2)获取了很多数据之后，该怎么给数据定标签？首先需要决定标签的意义
(3)数据定好标签之后，需要决定提取哪些特征，必须寻找表达物体固有属性的特征
(4)如果有背景信息，可能想首先把背景去除，提取出物体；然后进行图像处理(归一化图像、尺度改变、旋转、直方图均衡)，计算很多特征
(5)一旦数据被转换成特征向量，便需要把数据分成训练集、验证集和测试集
(6)数据已经准备好，下面是选择分类器
11.如果不需要训练很快，但是需要精确度很高，可选择boosting和随机森林
12.时刻牢记输入数据矩阵的构成方式(行，列)=(数据样本，特征变量)
13.第一个boosting算法叫AdaBoosting
14.openCV新建工程后记得在Link(Alt+F7)选项中添加cxcore.lib cv.lib ml.lib cvaux.lib highgui.lib cvcam.lib

推荐

回应 2012-04-18 22:24

展开收起
第1页

汪杨

作者从与Sebastian Thrun研发Stanley以及与Andrew Ng研究Stair开始。这本书的内容有点过时，不过对于了解opencv的起源和基本架构还是很有帮助的。 IPP库的应用，说明起初的opencv更加偏向底层在所有资料里，这本书对于图像处理基本算法的分析解释应该是最简明最清楚的 p273 多边形逼近的方法 cvinpaint的方法比较好用作者对未来的一些开发展望已经基本实现了。
2014-11-18 16:14

作者从与Sebastian Thrun研发Stanley以及与Andrew Ng研究Stair开始。
这本书的内容有点过时，不过对于了解opencv的起源和基本架构还是很有帮助的。
IPP库的应用，说明起初的opencv更加偏向底层
在所有资料里，这本书对于图像处理基本算法的分析解释应该是最简明最清楚的
p273 多边形逼近的方法
cvinpaint的方法比较好用
作者对未来的一些开发展望已经基本实现了。

推荐

回应 2014-11-18 16:14
展开收起
第502页

小乐shong (热爱生活，追逐阳光，快乐成长)

OpenCV倾向于支持鉴别式算法，而不倾向于产生式算法。虽然这两者的区别不是非常清晰，但是鉴别式模型在根据给定的数据做出预测上有优势，而产生式模型则是在为你提供更强大的数据表达或者有条件地生成新数据时有优势。就好比王路所说：让机器通过一秒几亿次的计算来赢了象棋围棋高手不难，因为棋类的规则已知，模型搭建好后赢棋是技术活儿。而评价艺术作品却不行，由于没有固定标准，也就没有机器自行创作的可能。
2013-07-12 11:28

OpenCV倾向于支持鉴别式算法，而不倾向于产生式算法。虽然这两者的区别不是非常清晰，但是鉴别式模型在根据给定的数据做出预测上有优势，而产生式模型则是在为你提供更强大的数据表达或者有条件地生成新数据时有优势。
就好比王路所说：让机器通过一秒几亿次的计算来赢了象棋围棋高手不难，因为棋类的规则已知，模型搭建好后赢棋是技术活儿。而评价艺术作品却不行，由于没有固定标准，也就没有机器自行创作的可能。

推荐

回应 2013-07-12 11:28
展开收起
第2页

Shepherd@小bai (如果走失了，一辈子也见不到了。)

懂得浪漫的作者。 (2回应)
2012-11-29 14:40

懂得浪漫的作者。

推荐

2回应 2012-11-29 14:40
展开收起
整体

童年在地图上

1.在OpenCV中没有向量(vector)结构 2.在计算机视觉中，一个重要的错误来源就是源点定义的不统一：避免此类现象最好办法就是在最开始的时候哦检测一下系统，在所操作的图像块的地方画点东西试试 3.IplImage和CvMat之间的一个重要区别在于imageData。 CvMat的data元素类型是联合类型，所以必须说明需要使用的指针类型。 imageData指针是字节类型指针(uchar*) 4.如果某函数可使用CvMat，那也可使用IplImage，反之亦然 5.内..
2012-04-18 22:24 1人喜欢

1.在OpenCV中没有向量(vector)结构
2.在计算机视觉中，一个重要的错误来源就是源点定义的不统一：避免此类现象最好办法就是在最开始的时候哦检测一下系统，在所操作的图像块的地方画点东西试试
3.IplImage和CvMat之间的一个重要区别在于imageData。
CvMat的data元素类型是联合类型，所以必须说明需要使用的指针类型。
imageData指针是字节类型指针(uchar*)
4.如果某函数可使用CvMat，那也可使用IplImage，反之亦然
5.内存存储器(memory storage)是OpenCV在创建动态对象时存取内存的技术
6.把OpenCV中的序列想象为许多编程语言中都存在的容器类或容器类模板(如c++中的vector)
7.学习(learning)：调整参数来达到目的的过程
8.有标签的机器学习是有监督的，如果没有标签，则是无监督的
9.除了Mahalanobis和K均值算法在CXCORE库中，人脸检测算法在CV库中，其他算法都在ML库中
10.机器学习流程
(1)第一个问题是怎么采集数据并给数据定标签，需要定义有目标在场景中得确切含义
(2)获取了很多数据之后，该怎么给数据定标签？首先需要决定标签的意义
(3)数据定好标签之后，需要决定提取哪些特征，必须寻找表达物体固有属性的特征
(4)如果有背景信息，可能想首先把背景去除，提取出物体；然后进行图像处理(归一化图像、尺度改变、旋转、直方图均衡)，计算很多特征
(5)一旦数据被转换成特征向量，便需要把数据分成训练集、验证集和测试集
(6)数据已经准备好，下面是选择分类器
11.如果不需要训练很快，但是需要精确度很高，可选择boosting和随机森林
12.时刻牢记输入数据矩阵的构成方式(行，列)=(数据样本，特征变量)
13.第一个boosting算法叫AdaBoosting
14.openCV新建工程后记得在Link(Alt+F7)选项中添加cxcore.lib cv.lib ml.lib cvaux.lib highgui.lib cvcam.lib

推荐

回应 2012-04-18 22:24