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