OpenCV 4.0+Python机器学习与计算机视觉实战

《OpenCV 4.0+Python机器学习与计算机视觉实战》 详细阐述了机器学习与计算机视觉相关的基本解决方案， 主要包括滤镜、深度传感器和手势识别、通过特征匹配和 透视变换查找对象、使用运动恢复结构重建3D场景、在 OpenCV中使用计算摄影、跟踪视觉上的显著对象、识别交 通标志、识别面部表情、对象分类和定位、检测和跟踪对 象等内容。此外，本书还提供了相应的示例、代码，以帮 助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教 学参考书，也可作为相关开发人员的自学用书和参考手册 。

目 录 第1章 滤镜 1.1 准备工作 1.2 规划应用程序 1.3 创建黑白铅笔素描 1.3.1 了解使用减淡和加深技术的方法 1.3.2 使用二维卷积实现高斯模糊 1.3.3 应用铅笔素描变换效果 1.3.4 使用高斯模糊的优化版本 1.4 生成暖调和冷调滤镜 1.4.1 通过曲线平移使用颜色操作 1.4.2 使用查找表实现曲线滤镜 1.4.3 设计暖调和冷调效果 1.5 创建图像卡通化效果 1.5.1 使用双边滤镜 1.5.2 检测并强调突出的边缘 1.5.3 组合颜色和轮廓以创建卡通效果 1.6 综合演练 1.6.1 运行应用程序 1.6.2 映射GUI基类 1.6.3 了解GUI构造函数 1.6.4 了解基本的GUI布局 1.6.5 处理视频流 1.6.6 创建自定义滤镜布局 1.7 小结 1.8 许可 第2章 深度传感器和手势识别 2.1 准备工作 2.2 规划应用程序 2.3 设置应用程序 2.3.1 访问Kinect 3D传感器 2.3.2 使用与OpenNI兼容的传感器 2.3.3 运行应用程序和主函数例程 2.4 实时跟踪手势 2.5 了解手部区域分割 2.5.1 找到图像中心区域最突出的深度 2.5.2 应用形态学闭合操作平滑蒙版 2.5.3 在分割蒙版中查找连接的组件 2.6 执行手形分析 2.6.1 确定分割之后手部区域的轮廓 2.6.2 查找轮廓区域的凸包 2.6.3 寻找凸包的凸缺陷 2.7 执行手势识别 2.7.1 区分凸缺陷的不同原因 2.7.2 根据伸出的手指数对手势进行分类 2.8 小结 第3章 通过特征匹配和透视变换查找对象 3.1 准备工作 3.2 列出应用程序执行的任务 3.3 规划应用程序 3.4 设置应用程序 3.4.1 运行应用程序 3.4.2 显示结果 3.5 了解处理流程 3.6 学习特征提取 3.6.1 特征检测 3.6.2 使用SURF检测图像中的特征 3.6.3 使用SURF获取特征描述子 3.7 了解特征匹配 3.7.1 使用FLANN算法匹配图像特征 3.7.2 执行比率检验以消除异常值 3.7.3 可视化特征匹配 3.7.4 映射单应性估计 3.7.5 扭曲图像 3.8 了解特征跟踪 3.9 理解早期异常值检测和剔除 3.10 研究算法原理 3.11 小结 3.12 许可 第4章 使用运动恢复结构重建3D场景 4.1 准备工作 4.2 规划应用程序 4.3 了解相机校准知识 4.3.1 了解针孔相机模型 4.3.2 估算相机内参 4.3.3 定义相机校准图形用户界面 4.3.4 初始化相机校准算法 4.3.5 收集图像和对象点 4.3.6 寻找相机矩阵 4.4 设置应用程序 4.4.1 理解main例程函数 4.4.2 实现SceneReconstruction3D类 4.5 从一对图像估计相机的运动 4.5.1 使用丰富特征描述子应用点匹配 4.5.2 使用光流进行点匹配 4.5.3 查找相机矩阵 4.5.4 应用图像校正 4.6 重建场景 4.7 了解3D点云可视化 4.8 了解运动恢复结构 4.9 小结 第5章 在OpenCV中使用计算摄影 5.1 准备工作 5.2 规划应用程序 5.3 了解8位问题 5.3.1 了解RAW图像 5.3.2 使用伽玛校正 5.4 了解高动态范围成像 5.4.1 探索改变曝光度的方法 5.4.2 快门速度 5.4.3 光圈 5.4.4 ISO感光度 5.4.5 使用多重曝光图像生成HDR图像 5.4.6 从图像中提取曝光强度值 5.4.7 估计相机响应函数 5.4.8 使用OpenCV编写HDR脚本 5.4.9 显示HDR图像 5.5 了解全景拼接 5.5.1 编写脚本参数并过滤图像 5.5.2 计算相对位置和最终图片尺寸 5.5.3 查找相机参数 5.5.4 为全景图创建画布 5.5.5 将图像合并在一起 5.5.6 改善全景拼接 5.6 小结 5.7 延伸阅读 5.8 许可 第6章 跟踪视觉上的显著对象 6.1 准备工作 6.2 了解视觉显著性 6.3 规划应用程序 6.4 设置应用程序 6.4.1 实现main函数 6.4.2 了解MultiObjectTracker类 6.5 映射视觉显著性 6.5.1 了解傅里叶分析 6.5.2 了解自然场景统计 6.5.3 使用频谱残差法生成显著图 6.5.4 检测场景中的原型对象 6.6 了解均值漂移跟踪 6.7 自动跟踪足球场上的所有球员 6.8 了解OpenCV跟踪API 6.9 综合演练 6.10 小结 6.11 数据集许可 第7章 识别交通标志 7.1 准备工作 7.2 规划应用程序 7.3 监督学习概念简介 7.3.1 训练过程 7.3.2 测试过程 7.4 探索GTSRB数据集 7.5 解析数据集 7.6 了解数据集特征提取 7.6.1 理解常见的预处理 7.6.2 了解灰度特征 7.6.3 理解色彩空间 7.6.4 使用SURF描述子 7.6.5 映射HOG描述子 7.7 关于SVM 7.7.1 使用SVM进行多类分类 7.7.2 训练SVM 7.7.3 测试SVM 7.7.4 准确率 7.7.5 混淆矩阵 7.7.6 精确率 7.7.7 召回率 7.8 综合演练 7.9 使用神经网络改善结果 7.10 小结 7.11 数据集许可 第8章 识别面部表情 8.1 准备工作 8.2 规划应用程序 8.3 了解人脸检测 8.3.1 了解基于Haar的级联分类器 8.3.2 理解预训练的级联分类器 8.3.3 使