计算机视觉与应用

本书系统地介绍了计算机视觉主要任务及实现原理，包括图像滤波、图像变换、图像特征提取与匹配、目标检测、目标跟踪、目标识别、目标三维重构、图像分类、神经网络等。本书可作为“计算机视觉与应用”课程的培训教材，或人工智能技术应用专业的计算机视觉应用开发课程的教材，也可以作为人工智能应用领域相关技术人员的自学参考书。为方便教学，本书配备电子课件等教学资源。凡选用本书作为教材的教师均可登录机械工业出版社教育服务网ｗｗｗ..ｃｍｐｅｄｕ..ｃｏｍ注册后免费下载。

前言 二维码索引 第1 章 计算机视觉与应用导论 1.1　计算机视觉概述 ００１ 1.2　计算机视觉编程工具及环境配置 ００６ １.２.１　计算机视觉编程工具 ００６ １.２.２　计算机视觉开发环境搭建 ００８ 第2 章 图像滤波 2.1　数字图像概述 ０２１ ２.１.１　数字图像的基本概念 ０２１ ２.１.２　图像文件格式 ０２５ 2.2　图像滤波及其应用 ０２７ ２.２.１　图像点运算 ０２７ ２.２.２　图像滤波 ０３１ 2.3　形态学处理 ０４０ ２.３.１　膨胀运算 ０４２ ２.３.２　腐蚀运算 ０４４ ２.３.３　开运算与闭运算 ０４６ ２.３.４　形态学梯度 ０４７ ２.３.５　顶帽和黑帽运算 ０４９ 第3 章 图像变换 3.1　图像采样与插值 ０５０ ３.１.１　图像采样 ０５０ ３.１.２　图像插值 ０５２ 3.2　图像变换 ０５９ ３.２.１　灰度变换 ０５９ ３.２.２　图像几何变换 ０６２ ３.２.３　图像变换应用案例 ０７１ 第4 章 图像特征提取与匹配 4.1　几何特征 ０７４ ４.１.１　图像梯度 ０７５ ４.１.２　图像边缘 ０７６ ４.１.３　角点特征 ０８０ ４.１.４　形状特征 ０８５ 4.2　图像纹理特征 ０８５ ４.２.１　图像纹理特征定义 ０８５ ４.２.２　纹理特征分析 ０８６ ４.２.３　纹理合成 ０８９ 4.3　局部图像特征 ０９２ 第5 章 目标检测 5.1　目标检测简介 １０３ 5.2　目标检测算法 １０３ ５.２.１　传统的目标检测算法 １０４ ５.２.２　基于深度学习的目标检测算法 １０９ 5.3　人脸检测 １１４ ５.３.１　人脸检测算法 １１４ ５.３.２　基于ＯｐｅｎＣＶ 实现人脸检测 １１６ ５.３.３　基于ＯｐｅｎＣＶ 实现人脸识别 １１９ 5.4　增强现实 １２４ 第6 章 目标跟踪 6.1　目标跟踪概述 １２８ 6.2　目标跟踪方法 １３２ ６.２.１　基于相关滤波的跟踪算法 １３２ ６.２.２　基于深度学习的跟踪方法 １３５ ６.２.３　跨镜追踪 １３８ 第7 章 目标识别 7.1　目标识别概述 １４０ 7.2　目标识别的应用 １４３ 第8 章 目标三维重构 8.1　计算机视觉三维重构的理论基础 １４８ 8.2　相机标定 １５４ 8.3　三维场景重建 １５９ 8.4　三维场景重建技术的应用 １６０ 第9 章 图像分类 9.1　机器学习概述 １６３ 9.2　机器学习算法应用开发流程 １６４ 9.3　图像分类概述 １６４ 9.4　基于机器学习的图像分类算法 １６７ 9.5　机器学习模型评价方法 １７１ 9.6　损失函数 １７３ 第10 章 神经网络 10.1　深度学习概述 １７６ 10.2　卷积神经网络 １７６ 10.3　LeNet 模型 １８１ 10.4　VGG16 模型 １８４ 10.5　AlexNet 模型 １８９ 参考文献 １９６