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
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 · · · · · ·
译者序
写在前面的话
前言
第1章 概述
什么是OpenCV
OpenCV的应用领域
什么是计算机视觉
OpenCV的起源
下载和安装OpenCV
通过SVN获取最新的OpenCV代码
更多OpenCV文档
OpenCV的结构和内容
移植性
练习
第2章 OpenCV入门
开始准备
初试牛刀—— 显示图像
第二个程序—— 播放AVI视频
视频播放控制
一个简单的变换
一个复杂一点的变换
从摄像机读入数据
写入AVI视频文件
小结
练习
第3章 初探OpenCV
OpenCV的基本数据类型
CvMat矩阵结构
IplImage数据结构
矩阵和图像操作
绘图
数据存储
集成性能基元
小结
练习
第4章 细说HighGUI
一个可移植的图形工具包
创建窗口
载入图像
显示图像
视频的处理
ConvertImage函数
练习
第5章 图像处理
综述
平滑处理
图像形态学
漫水填充算法
尺寸调整
图像金字塔
阈值化
练习
第6章 图像变换
概述
卷积
梯度和Sobel导数
拉普拉斯变换
Canny算子
霍夫变换
重映射
拉伸、收缩、扭曲和旋转
CartToPolar与PolarToCart
LogPolar
离散傅里叶变换(DFT)
离散余弦变换(DCT)
积分图像
距离变换
直方图均衡化
练习
第7章 直方图与匹配
直方图的基本数据结构
访问直方图
直方图的基本操作
一些更复杂的策略
练习
第8章 轮廓
内存
序列
查找轮廓
Freeman链码
轮廓例子
另一个轮廓例子
深入分析轮廓
轮廓的匹配
练习
第9章 图像局部与分割
局部与分割
背景减除
分水岭算法
用Inpainting修补图像
均值漂移分割
Delaunay三角剖分和Voronoi 划分
练习
第10章 跟踪与运动
跟踪基础
寻找角点
亚像素级角点
不变特征
光流
mean-shift和camshift跟踪
运动模板
预估器
condensation算法
练习
第11章 摄像机模型与标定
摄像机模型
标定
矫正
一次完成标定
罗德里格斯变换
练习
第12章 投影与三维视觉
投影
仿射变换和透视变换
POSIT:3D姿态估计
立体成像
来自运动的结构
二维和三维下的直线拟合
练习
第13章 机器学习
什么是机器学习
OpenCV机器学习算法
Mahalanobis距离
K均值
朴素贝叶斯分类
二叉决策树
boosting
随机森林
人脸识别和Haar分类器
其他机器学习算法
练习
第14章 OpenCV的未来
过去与未来
发展方向
OpenCV与艺术家
后记
参考文献
索引
关于作者和译者
封面图片
· · · · · · (收起)
原文摘录 · · · · · · ( 全部 )
-
Computer vision has a rich future ahead, and it seems likely to be one of the key enabling technologies for the 21st century. Likewise, OpenCV seems likely to be (at least in part) one of the key enabling technologies for computer vision. Endless opportunities for creativity and profound contribution lie ahead. We hope that this book encourages, excites, and enables all who are interested in joining the vibrant computer vision community. (查看原文) —— 引自第526页 -
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。 (查看原文) —— 引自第502页
> 全部原文摘录
喜欢读"学习OpenCV(中文版)"的人也喜欢的电子书 · · · · · ·
喜欢读"学习OpenCV(中文版)"的人也喜欢 · · · · · ·
学习OpenCV(中文版)的话题 · · · · · · ( 全部 条 )



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

OpenCV的启蒙书籍


读Gary Bradski, Adrian Kaehler《学习OpenCV(中文版)》

OpenCV的HelloWorld

The authors are quite funny

Learning OpenCV
> 更多书评 10篇
-
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...
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
回应 2012-04-18 22:24 -
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
-
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
-
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
-
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
-
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
-
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
当前版本有售 · · · · · ·
购买二手书 · · · · · ·
-
暂时无货,预计4天到货
这本书的其他版本 · · · · · · ( 全部5 )
-
O'Reilly Media (2008)8.6分 164人读过
-
O'Reilly Media (2017)9.4分 19人读过
-
未知出版社 (2013)暂无评分 4人读过
-
オライリージャパン (2018)暂无评分
以下书单推荐 · · · · · · ( 全部 )
谁读这本书?
二手市场
订阅关于学习OpenCV(中文版)的评论:
feed: rss 2.0
6 有用 iris 2013-06-05
翻译错误真他妈多
0 有用 小海 2011-11-29
内容详实,但相关背景信息量太大了
0 有用 幻想 2012-08-07
计算机视觉的经典之作,对函数库和图形学都有讲解
0 有用 童年在地图上 2012-04-18
2012.4.18 粗略的扫过一遍,对感兴趣的章节细读了一下,中规中矩的一本书,OpenCV入门足够了,但是要想用好还得多看看实际例子
0 有用 munik 2010-03-11
迷人的领域
0 有用 西索哟 2020-12-02
api手册一样的。官方文档一样为什么还要出一本书,全都是点到为止。需要图像学知识。又可以扔掉一本了。
0 有用 🌊 ᎪᎡᎬᏕ ᏟᎻᎬᏪᏦ🐳 2020-11-19
还行
0 有用 石头 2020-11-07
最近在搞图像的课设 介绍入门很全的工具书
0 有用 Mr-sher 2020-10-20
boring
0 有用 丁字裤 2020-10-15
过时了