深入理解OpenCV

OpenCV是很常见的计算机视觉库之一，它提供了许多经过优化的复杂算法。本书对已掌握基本的OpenCV技术，同时想提高计算机视觉的实践经验的开发者来讲是一本很好好的书。每章都有一个单独的项目，其背景也在这些章节中进行了介绍。因此，读者可依次来学习这些项目，也可以直接跳到感兴趣的项目进行学习。本书详细讲解9个实用的计算机视觉项目，通过本书的学习，读者可以创建各种可运行的项目原型，例如，实时的移动应用，增强现实，从视频中获得三维形状，跟踪人脸和眼睛，车牌识别，等等。

Daniel Lélis Baggio，很初通过圣保罗的InCor（Instituto do Corao-心脏研究所）开始接触计算机视觉，在那里，他曾从事血管内超声图像分割。从那时起，他一直专注于GPGPU，并移植分割算法到NVIDIA的CUDA上工作。他也潜心研究个名为EHCI项目，该项目采用自然的用户界面来实现六自由度头部跟踪。他现在在巴西空军工作。

刘波，博士，重庆工商大学计算机科学与信息工程学院教师，主要从事机器学习的理论、计算机视觉和很优化技术研究，同时爱好Linux平台的编程和Oracle数据库。

译者序
前言
第1章Android系统上的卡通化和皮肤变换1
1.1访问摄像机2
1.2桌面应用处理摄像机视频的主循环3
1.3生成黑白素描4
1.4生成彩色图像和卡通5
1.5用边缘滤波器来生成“怪物”模式7
1.6用皮肤检测来生成“外星人”造型8
1.6.1皮肤检测算法8
1.6.2确定用户放置脸的位置9
1.6.3皮肤变色器的实现10
1.7把桌面应用移植到Android系统14
1.7.1安装使用OpenCV的Android项目14
1.7.2在AndroidNDK应用中添加卡通化代码17
1.7.3在Android系统中显示保存图像的消息24
1.7.4降低素描图像的随机椒盐噪声27
1.8总结31
第2章iPhone或iPad上基于标记的增强现实32
2.1使用OpenCV创建iOS项目33
2.1.1添加OpenCV框架34
2.1.2包含OpenCV头文件35
2.2应用程序的结构36
2.3标记检测43
2.3.1标记识别44
2.3.2标记编码识别50
2.4在三维空间放置标记53
2.4.1摄像机标定53
2.4.2标记姿态估计54
2.5渲染3D虚拟物体56
2.5.1创建OpenGL渲染层56
2.5.2渲染AR场景59
2.6总结64
2.7参考文献64
第3章无标记的增加现实65
3.1基于标记的AR与无标记的AR65
3.2使用特征描述符检测视频中的任意图像66
3.2.1特征提取67
3.2.2模式对象定义69
3.2.3特征点匹配69
3.2.4删除离群值70
3.2.5将示例项目各部分放在一起76
3.3模式姿态估计77
3.3.1PatternDetector.cpp77
3.3.2获取摄像机内矩阵78
3.4应用的基础架构81
3.4.1ARPipeline.hpp82
3.4.2ARPipeline.cpp82
3.4.3在OpenCV中启用三维可视化支持83
3.4.4使用OpenCV来创建OpenGL窗口84
3.4.5使用OpenCV捕获视频85
3.4.6渲染增强现实85
3.4.7演示应用程序88
3.5总结91
3.6参考文献91
第4章使用OpenCV研究从运动中恢复结构92
4.1从运动中恢复结构的概念93
4.2从两幅图像估计摄像机运动94
4.2.1通过丰富的特征描述符进行点匹配94
4.2.2通过光流进行点匹配96
4.2.3搜索摄像机矩阵99
4.3重构场景102
4.4从多视图中重构105
4.5重构的细化108
4.6用PCL来可视化3D点云111
4.7使用示例代码113
4.8总结114
4.9参考文献115
第5章基于SVM和神经网络的车牌识别116
5.1ANPR简介116
5.2ANPR算法118
5.3车牌检测119
5.3.1图像分割120
5.3.2分类125
5.4车牌号识别127
5.4.1OCR分割127
5.4.2特征提取129
5.4.3OCR分类130
5.4.4评价133
5.5总结136
第6章非刚性人脸跟踪137
6.1概述138
6.2实用工具139
6.2.1面向对象设计139
6.2.2数据收集：图像和视频标注140
6.3几何约束145
6.3.1Procrustes分析146
6.3.2线性形状模型148
6.3.3局部–全局相结合的表示150
6.3.4训练与可视化152
6.4面部特征检测器154
6.4.1相关性块模型155
6.4.2解释全局几何变换159
6.4.3训练与可视化161
6.5人脸检测与初始化163
6.6人脸跟踪166
6.6.1人脸跟踪实现166
6.6.2训练与可视化168
6.6.3通用与专用人脸模型168
6.7总结169
6.8参考文献169
第7章基于AAM和POSIT的
三维头部姿态估计170
7.1主动外观模型概述171
7.2主动形状模型概述172
7.2.1感受PCA174
7.2.2三角剖分177
7.2.3扭曲三角化结构179
7.3模型实例化——试试主动外观模型180
7.4主动外观模型搜索和拟合181
7.5POSIT算法182
7.5.1深入理解POSIT算法183
7.5.2POSIT与头部模型185
7.5.3对摄像机或视频文件进行跟踪185
7.6总结187
7.7参考文献187
第8章基于特征脸或Fisher脸的人脸识别189
8.1人脸识别与人脸检测介绍189
8.1.1第一步：人脸检测191
8.1.2检测人脸194
8.1.3第2步：人脸预处理196
8.1.4第3步：收集并训练人脸204
8.1.5第4步：人脸识别212
8.1.6收尾工作：保存和加载文件215
8.1.7收尾工作：制作一个漂亮的交互式GUI215
8.2总结225
8.3参考文献225