OpenCV 4计算机视觉：Python语言实现(原书第3版
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
0 3
6.8基于 FLANN的匹 配
0 4
6.9基于 FLANN进行 单应性匹配
0 6
6.11本章 小结
0 5
6.10示例 应用程序： 文身取证
6.6.1 FAST 6.6.2 BRIEF 6.6.3蛮力匹配 6.6.4匹配两幅图像中的标识
6.10.1将图像描述符保存到文件 6.10.2扫描匹配
读书笔记
很浅显。 这书还是可以的，讲述了一些python的特征，numpy..。
目录分析
1.1技术需求
1.2 OpenCV 4有哪 些新特性
1.3选择和使用合适 的安装工具
1.4运行示例
1.5查找文档、 帮助和更新
1.6本章小结
1.3.1在Windows上安装 1.3.2在macOS上安装 1.3.3在Debian、Ubuntu、Linux Mint以及类似系统上安装 1.3.4在其他类UNIX系统上安装
8.3.1规划MeanShift示例 8.3.2计算和反投影颜色直方图 8.3.3实现MeanShift示例 8.3.4使用CamShift
8.4.1理解预测和更新阶段 8.4.2跟踪鼠标光标
8.5.1规划应用程序的流程 8.5.2比较面向对象范式和函数范式 8.5.3实现行人类 8.5.4实现主函数 8.5.5考虑接下来的步骤
10.9本章小结
10.2.1理解神经元和感知器 10.2.2理解神经网络的层
10.5.1理解手写数字的MNIST数据库 10.5.2为MNIST数据库选择训练参数 10.5.3实现模块来训练人工神经网络 10.5.4实现简单测试模块 10.5.5实现主模块 10.5.6试着提升人工神经网络训练性能 10.5.7寻找其他潜在应用程序
9.2理解3D图像跟 踪和增强现实
9.1技术需求
9.3实现demo应用 程序
9.4改进3D跟 踪算法
9.5本章小结
9.2.1理解摄像头和镜头参数 9.2.2理解cv2.solvePnPRansac
9.3.1导入模块 9.3.2执行灰度转换 9.3.3执行2D到3D的空间转换 9.3.4实现应用程序类 9.3.5运行和测试应用程序
1
10.1技术需求
10.2理解人工 2
神经网络
3
10.3用 OpenCV训练基
本人工神经网
络
4 10.4训练多阶
段人工神经网
络分类器
5 10.5基于人工
神经网络识别 手写数字
10.6在OpenCV中使 用其他框架的深度神
经网络
10.7基于第三方深 度神经网络的物体检
测和分类
10.8基于第三方深 度神经网络的人脸检 测和分类
2.2基本I/O脚本
2.1技术需求
2.3项目Cameo（人 脸跟踪和图像处理）
2.4 Cameo： 面向对象的 设计
2.5本章小结
2.2.1读取/写入图像文件 2.2.2在图像和原始字节之间进行转换 2.2.3基于numpy.array访问图像数据 2.2.4读取/写入视频文件 2.2.5捕捉摄像头帧 2.2.6在窗口中显示图像 2.2.7在窗口中显示摄像头帧
1
7.1技术需求
7.2理解HOG描 2
述符
3 7.3理解非极
大值抑制
4 7.4理解支持
向量机
5 7.5基于HOG描
述符检测人
7.7检测汽车
7.6创建并训练物 体检测器
7.8本章小结
7.2.1 HOG的可视化 7.2.2使用HOG描述图像的区域
7.6.1理解BoW 7.6.2将BoW应用于计算机视觉领域 7.6.3 k均值聚类
作者介绍
这是《OpenCV 4计算机视觉：Python语言实现（原书第3版）》的读书笔记模板，暂无该书作者的介绍。
精彩摘录
这是《OpenCV 4计算机视觉：Python语言实现（原书第3版）》的读书笔记模板，可以替换为自己的精彩内 容摘录。
谢谢观看
OpenCV 4计算机视觉：Python语 言实现（原书第3版
读书笔记模板
01 思维导图
03 读书笔记 05 作者介绍
目录
02 内容摘要 04 目录分析 06 精彩摘录
思维导图
关键字分析思维导图
视觉
摄像机 应用程序
技术 检测
视频
理解
语言
深度
物体 图像
物体
第版
应用程序
小结
摄像头
第章
需求
示例
内容摘要
本书首先介绍OpenCV 4以及如何基于Python 3在各种平台上安装OpenCV 4。接下来，你将学习如何执行读 取、写入、操纵，以及显示静态图像、视频和摄像机回馈等基本操作。你还将学习图像处理、视频分析、深度估 计和分割，并通过构建一个简单的GUI应用程序获得实践经验。接下来，你将处理两类常见问题：人脸检测和人 脸识别。你还将学习物体分类和机器学习的概念，这将使你能够创建和使用物体检测器和分类器，甚至跟踪电影 或摄像机回馈中的物体。稍后，你将学习3D跟踪和增强现实。本书末尾，你将学习人工神经网络和深度神经网络， 学习如何开发手写数字识别以及对人的性别和年龄分类的应用程序。
1
6.1技术需求
6.2理解特征 2
检测和匹配的 类型
3 6.3检测
Harris角点
4 6.4检测DoG特
征并提取SIFT
描述符
5
6.5检测快速 Hessian特征
并提取SURF描
述符
0
61. 6 使 用 基 于FAST特 6.7使用K 最近邻和比 率检验过滤 匹配
2.4.1基于managers.CaptureManager提取视频流 2.4.2基于managers.WindowManager提取窗口和键盘 2.4.3基于cameo.Cameo应用所有内容
0 1
3.1技术需 求
0 2
3.2在不同 颜色模型之 间进行图像 转换
0 3
3.3探索傅 里叶变换
0 4
7.7.1支持向量机和滑动窗口相结合 7.7.2检测场景中的汽车 7.7.3保存并加载经过训练的支持向量机
8.1技术需求
8.2基于背景差分检 测运动物体
8.3利用MeanShift 和CamShift跟踪彩 色物体
8.4使用卡尔曼滤波 器寻找运动趋势
8.5跟踪行人
8.6本章小结
8.2.1实现基本背景差分器 8.2.2使用MOG背景差分器 8.2.3使用KNN背景差分器 8.2.4使用GMG和其他背景差分器
0 1
5.1技术需 求
0 2
5.2 Haar 级联的概念 化
0 3
5.3获取 Haar级联 数据
0 4
5.4使用 OpenCV进 行人脸检测
0 6
5.6本章小 结
0 5
5.5在红外 线下换脸
5.4.1在静态图像上进行人脸检测 5.4.2在视频上进行人脸检测 5.4.3进行人脸识别
5.5.1修改应用程序的循环 5.5.2掩模复制操作
3.4创建模 块
0 6
3.6自定义 核：获取卷 积
0 5
3.5边缘检 测
3.7修改应用
1
程序
3.8基于Canny 2
的边缘检测
3
3.9轮廓检测
4 3.10检测线、
圆以及其他形 状
5
3.11本章小结
3.9.1边框、最小矩形区域以及最小外接圆 3.9.2凸轮廓和Douglas-Peucker算法
3.10.1检测线 3.10.2检测圆 3.10.3检测其他形状
4.1技术需求 4.2创建模块
4.3从深度摄像头捕 捉帧
4.4将10位图像转换 成8位图像
0 1
4.5由视差 图创建掩模
0 2
4.6修改应 用程序
0 3
4.7基于普 通摄像头的 深度估计
0 4
4.8基于 GrabCut算 法的前景检 测
0 6
4.10本章 小结
0 5
4.9基于分 水岭算法的 图像分割
6.8基于 FLANN的匹 配
0 4
6.9基于 FLANN进行 单应性匹配
0 6
6.11本章 小结
0 5
6.10示例 应用程序： 文身取证
6.6.1 FAST 6.6.2 BRIEF 6.6.3蛮力匹配 6.6.4匹配两幅图像中的标识
6.10.1将图像描述符保存到文件 6.10.2扫描匹配
读书笔记
很浅显。 这书还是可以的，讲述了一些python的特征，numpy..。
目录分析
1.1技术需求
1.2 OpenCV 4有哪 些新特性
1.3选择和使用合适 的安装工具
1.4运行示例
1.5查找文档、 帮助和更新
1.6本章小结
1.3.1在Windows上安装 1.3.2在macOS上安装 1.3.3在Debian、Ubuntu、Linux Mint以及类似系统上安装 1.3.4在其他类UNIX系统上安装
8.3.1规划MeanShift示例 8.3.2计算和反投影颜色直方图 8.3.3实现MeanShift示例 8.3.4使用CamShift
8.4.1理解预测和更新阶段 8.4.2跟踪鼠标光标
8.5.1规划应用程序的流程 8.5.2比较面向对象范式和函数范式 8.5.3实现行人类 8.5.4实现主函数 8.5.5考虑接下来的步骤
10.9本章小结
10.2.1理解神经元和感知器 10.2.2理解神经网络的层
10.5.1理解手写数字的MNIST数据库 10.5.2为MNIST数据库选择训练参数 10.5.3实现模块来训练人工神经网络 10.5.4实现简单测试模块 10.5.5实现主模块 10.5.6试着提升人工神经网络训练性能 10.5.7寻找其他潜在应用程序
9.2理解3D图像跟 踪和增强现实
9.1技术需求
9.3实现demo应用 程序
9.4改进3D跟 踪算法
9.5本章小结
9.2.1理解摄像头和镜头参数 9.2.2理解cv2.solvePnPRansac
9.3.1导入模块 9.3.2执行灰度转换 9.3.3执行2D到3D的空间转换 9.3.4实现应用程序类 9.3.5运行和测试应用程序
1
10.1技术需求
10.2理解人工 2
神经网络
3
10.3用 OpenCV训练基
本人工神经网
络
4 10.4训练多阶
段人工神经网
络分类器
5 10.5基于人工
神经网络识别 手写数字
10.6在OpenCV中使 用其他框架的深度神
经网络
10.7基于第三方深 度神经网络的物体检
测和分类
10.8基于第三方深 度神经网络的人脸检 测和分类
2.2基本I/O脚本
2.1技术需求
2.3项目Cameo（人 脸跟踪和图像处理）
2.4 Cameo： 面向对象的 设计
2.5本章小结
2.2.1读取/写入图像文件 2.2.2在图像和原始字节之间进行转换 2.2.3基于numpy.array访问图像数据 2.2.4读取/写入视频文件 2.2.5捕捉摄像头帧 2.2.6在窗口中显示图像 2.2.7在窗口中显示摄像头帧
1
7.1技术需求
7.2理解HOG描 2
述符
3 7.3理解非极
大值抑制
4 7.4理解支持
向量机
5 7.5基于HOG描
述符检测人
7.7检测汽车
7.6创建并训练物 体检测器
7.8本章小结
7.2.1 HOG的可视化 7.2.2使用HOG描述图像的区域
7.6.1理解BoW 7.6.2将BoW应用于计算机视觉领域 7.6.3 k均值聚类
作者介绍
这是《OpenCV 4计算机视觉：Python语言实现（原书第3版）》的读书笔记模板，暂无该书作者的介绍。
精彩摘录
这是《OpenCV 4计算机视觉：Python语言实现（原书第3版）》的读书笔记模板，可以替换为自己的精彩内 容摘录。
谢谢观看
OpenCV 4计算机视觉：Python语 言实现（原书第3版
读书笔记模板
01 思维导图
03 读书笔记 05 作者介绍
目录
02 内容摘要 04 目录分析 06 精彩摘录
思维导图
关键字分析思维导图
视觉
摄像机 应用程序
技术 检测
视频
理解
语言
深度
物体 图像
物体
第版
应用程序
小结
摄像头
第章
需求
示例
内容摘要
本书首先介绍OpenCV 4以及如何基于Python 3在各种平台上安装OpenCV 4。接下来，你将学习如何执行读 取、写入、操纵，以及显示静态图像、视频和摄像机回馈等基本操作。你还将学习图像处理、视频分析、深度估 计和分割，并通过构建一个简单的GUI应用程序获得实践经验。接下来，你将处理两类常见问题：人脸检测和人 脸识别。你还将学习物体分类和机器学习的概念，这将使你能够创建和使用物体检测器和分类器，甚至跟踪电影 或摄像机回馈中的物体。稍后，你将学习3D跟踪和增强现实。本书末尾，你将学习人工神经网络和深度神经网络， 学习如何开发手写数字识别以及对人的性别和年龄分类的应用程序。
1
6.1技术需求
6.2理解特征 2
检测和匹配的 类型
3 6.3检测
Harris角点
4 6.4检测DoG特
征并提取SIFT
描述符
5
6.5检测快速 Hessian特征
并提取SURF描
述符
0
61. 6 使 用 基 于FAST特 6.7使用K 最近邻和比 率检验过滤 匹配
2.4.1基于managers.CaptureManager提取视频流 2.4.2基于managers.WindowManager提取窗口和键盘 2.4.3基于cameo.Cameo应用所有内容
0 1
3.1技术需 求
0 2
3.2在不同 颜色模型之 间进行图像 转换
0 3
3.3探索傅 里叶变换
0 4
7.7.1支持向量机和滑动窗口相结合 7.7.2检测场景中的汽车 7.7.3保存并加载经过训练的支持向量机
8.1技术需求
8.2基于背景差分检 测运动物体
8.3利用MeanShift 和CamShift跟踪彩 色物体
8.4使用卡尔曼滤波 器寻找运动趋势
8.5跟踪行人
8.6本章小结
8.2.1实现基本背景差分器 8.2.2使用MOG背景差分器 8.2.3使用KNN背景差分器 8.2.4使用GMG和其他背景差分器
0 1
5.1技术需 求
0 2
5.2 Haar 级联的概念 化
0 3
5.3获取 Haar级联 数据
0 4
5.4使用 OpenCV进 行人脸检测
0 6
5.6本章小 结
0 5
5.5在红外 线下换脸
5.4.1在静态图像上进行人脸检测 5.4.2在视频上进行人脸检测 5.4.3进行人脸识别
5.5.1修改应用程序的循环 5.5.2掩模复制操作
3.4创建模 块
0 6
3.6自定义 核：获取卷 积
0 5
3.5边缘检 测
3.7修改应用
1
程序
3.8基于Canny 2
的边缘检测
3
3.9轮廓检测
4 3.10检测线、
圆以及其他形 状
5
3.11本章小结
3.9.1边框、最小矩形区域以及最小外接圆 3.9.2凸轮廓和Douglas-Peucker算法
3.10.1检测线 3.10.2检测圆 3.10.3检测其他形状
4.1技术需求 4.2创建模块
4.3从深度摄像头捕 捉帧
4.4将10位图像转换 成8位图像
0 1
4.5由视差 图创建掩模
0 2
4.6修改应 用程序
0 3
4.7基于普 通摄像头的 深度估计
0 4
4.8基于 GrabCut算 法的前景检 测
0 6
4.10本章 小结
0 5
4.9基于分 水岭算法的 图像分割