8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 21.13 руб.

Официальная подлинная OpenCV легко вступает в Python Li Lizong и веб -технологии профессиональные технологии электронная промышленность издательство

Цена: 1 046руб.    (¥49.5)
Артикул: 595623618344
Цена указана со скидкой: 50%
Старая цена:  2092р. 

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:电子工业出版社旗舰店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 109 49.051 037руб.
¥485руб.
¥6.9146руб.
¥43.56921руб.
  • Информация о товаре
  • Фотографии

Цена продажи:￥ 44,80
Цена продажи:￥ 58,70
Цена продажи:￥ 31.36
Цена продажи:￥ 45,50
Цена продажи:￥ 44,25
Цена продажи:￥ 29,85
Цена продажи:￥ 63.36
Цена продажи:￥ 25,80


Введение

   Эта книга представляет все аспекты обработки изображений на основе OpenCV (OpenCV для Python) для Python.Эта книга посвящена контексту знаний официальной документации OpenCV и добавками и объясняет детали.Книга не только вводит использование функции OpenCV, но также вводит принцип алгоритма реализации функции.При введении использования функций OpenCV приведены большое количество программных примеров.И до введения функции функции функция функции на значении и массиве часто отображается для облегчения наблюдения читателя и понимания процесса обработки и результатов функции с точки зрения численных значений.При введении конкретных принципов алгоритма в этой книге используется легкий язык и примеры, близкие к жизни, чтобы проиллюстрировать проблему, чтобы избежать использования слишком много сложных и абстрактных формул.Эта книга подходит для начинающих в области компьютерного видения, включая учащихся, учителей, профессионального и технического персонала, а также энтузиастов обработки имиджа в школах.


Оглавление

Глава 1 Opencv вход1

1.1 как использовать1

1.2 Основная работа обработки изображений3

1.2.1 Читать изображение3

1.2.2 Отображать изображение5

1.2.3 Сохраните изображение9

1.3 Библиотека вкладов OpenCV10

Глава 2 Основа обработки изображений11

2.1 Основной способ представления изображения11

2.2 Лечение пикселей15

2.3 Используйте numpy.array для доступа к пикселям23

2.4 Заинтересованная область (ROI)29

2.5 Операция канала32

2.5.1 Расщепление канала32

2.5.2 Слияние канала34

2.6 Получить атрибут изображения36

Глава 3 Операция изображения37

3.1 Изображение плюс операция37

3.1.1 Добавление оператора номера37

3.1.2 CV2.Add () Функция38

3.2 Изображение взвешен и40

3.3 Логическая операция43

3.3.1 Положение и операция43

3.3.2 Плюс или операция46

3.3.3 Не -операционный47

3.3.4 Разные или оперативные48

3.4 Прикрыть49

3.5 Изображение и численные операции52

3.6 Плоскость разложения53

3.7 Шифрование и дешифрование изображения59

3.8 Цифровой водяной знак63

3.8.1 принцип64

3.8.2 Выполнение66

3.8.3 пример73

3.9 Код лица и декодирование74

Глава 4 Преобразование типа цветового пространства77

4.1 Цветовой космос Фонд77

4.1.1 Серое цветовое пространство77

4.1.2 Цветовое пространство XYZ78

4.1.3 Цветовое пространство YCRCB78

4.1.4 HSV Color Space79

4.1.5 HLS Color Space80

4.1.6 Ciel*a*b*Цветовое пространство80

4.1.7 Ciel*u*v*Цветовое пространство81

4.1.8 Bayer Color Space82

4.2 Тип функции преобразования82

4.3 Тип экземпляра преобразования88

4.3.1 Наблюдайте за эффектом конверсии через массив88

4.3.2 Экземпляр обработки изображений92

4.4 Обсуждение цветного пространства HSV93

4.4.1 базовые знания93

4.4.2 Получить указанный цвет95

4.4.3 Укажите указанный цвет96

4.4.4 Этикетка100

4.4.5 Реализовать художественный эффект101

4.5 альфа -канал102

Глава 5 Геометрическая трансформация106

5.1 Увеличить106

5.2 Перевернуть110

5.3 Имитировать111

5.3.1 Переход112

5.3.2 Повернуть113

5.3.3 Более сложная имитационная трансформация114

5.4 перспектива115

5.5 Re -Mapping117

5.5.1 Понимание параметров картирования117

5.5.2 копия119

5.5.3 Перевернуть вокруг оси x121

5.5.4 Перевернуть вокруг оси Y122

5.5.5 Переверните вокруг оси x, оси y124

5.5.6 X -ось, ось y изменяется друг на друга126

5.5.7 Масштабирование изображений128

Глава 6 Пороговое лечение130

6.1 Пороговая функция130

6.1.1 Двухветная пороговая обработка (cv2.thresh_binary)131

6.1.2 Процедура анти -дюальной порога -значения (CV2.Thresh_binary_inv)133

6.1.3 Лечение порогового определения с обрезкой (CV2.THRESH_TRUNC)135

6.1.4 Zero -Threshold Zero Laturant (CV2.Thresh_tozero_inv)136

6.1.5 Низкая пороговая ноль обработка (CV2.Thresh_tozero)138

6.2 Адаптивная пороговая обработка139

6.3 Обработка OTSU141

Глава 7 Обработка изображения гладкая обработка144

7.1 Средняя фильтрация146

7.1.1 Основные принципы146

7.1.2 Функциональный синтаксис150

7.1.3 Пример процедуры150

7.2 Ящик фильтр152

7.2.1 Основные принципы152

7.2.2 Функциональный синтаксис153

7.2.3 Пример процедуры154

7.3 Гауссовый фильтр156

7.3.1 Основные принципы156

7.3.2 Функциональный синтаксис158

7.3.3 Пример процедуры159

7.4 Средний фильтр159

7.4.1 Основные принципы160

7.4.2 Функциональный синтаксис161

7.4.3 Пример процедуры161

7.5 Двусторонний фильтр162

7.5.1 Основные принципы162

7.5.2 Функциональный синтаксис164

7.5.3 Пример процедуры164

7.6 2D свертка166

Глава 8 Морфологическая операция168

8.1 коррозия168

8.2 Припухлость173

8.3 Универсальная морфологическая функция178

8.4 Открытая операция179

8.5 Закрытый расчет180

8.6 Морфологическая градиентная операция182

8.7 Капля183

8.8 Черная шляпа операция185

8.9 Ядерная функция186

Глава 9 Градиент изображения189

9.1 Теоретическая основа Sobel189

9.2 Оператор SOBEL и использование функций191

9.2.1 Параметр ddepth192

9.2.2 направление195

9.2.3 Пример196

9.3 Шарр оператор и использование функций200

9.4 Сравнение оператора Sobel и оператора Scharr204

9.5 Лапласианский оператор и использование функций206

9.6 Резюме оператора208

Глава 10 Обнаружение хитрый край209

10.1 Основы обнаружения хитрых краев209

10.2 Хитрый функционирование и использование213

Глава 11 Изображение пирамида215

11.1 Теоретические основы215

11.2 Функция пира и использовать217

11.3 Функция пирапа и использование219

11.4 Исследование обратимости отбора проб220

11.5 Лаплас пирамида223

11.5.1 определение223

11.5.2 приложение225

Глава 12 Контур изображения229

12.1 Найдите и нарисуйте контур229

12.1.1 Найти контур изображения: FindContours функция229

12.1.2 Нарисуйте контур изображения: функция DrawContours237

12.1.3 Контур238

12.2 Знаки240

12.2.1 Расчет момента: функция моментов241

12.2.2 Рассчитайте область контура: функция Contourrarea243

12.2.3 Рассчитайте длину контура: функция Arclength246

12.3 Хю248

12.3.1 Ху функция крутящего момента248

12.3.2 Форма252

12.4 Контур254

12.4.1 Прямоугольная осадная рама254

12.4.2 Минимальная прямоугольная коробка257

12.4.3 Наименьший округ округа259

12.4.4 Оптимальная подходящая овальная260

12.4.5 Оптимальная линия подгонки261

12.4.6 Минимальный аутсорсинг треугольник262

12.4.7 Подойдите к многоугональному263

12.5 Булочка266

12.5.1 Получить выпуклую сумку267

12.5.2 Распад268

12.5.3 Геометрический тест270

12.6 Используйте алгоритм сцены формы, чтобы сравнить контур275

12.6.1 Рассчитайте форму сцены формы275

12.6.2 Рассчитайте расстояние Husdorff278

12.7 Основная ценность контура280

12.7.1 Коэффициент высоты280

12.7.2  Extent281

12.7.3  Solidity282

12.7.4 Эквивалентный диаметр283

12.7.5 направление284

12.7.6 Модель и пиксели286

12.7.7 Максимальное значение и минимальное значение и их положение291

12.7.8 Средний цвет и средний серый293

12.7.9 полюс294

Глава 13 Обработка диаграммы297

13.1 Значение гистограммы297

13.2 Нарисуйте гистограмму301

13.2.1 Используйте Numpy, чтобы нарисовать гистограмму301

13.2.2 Используйте OpenCV, чтобы нарисовать гистограмму302

13.2.3 Используйте маску, чтобы нарисовать гистограмму307

13.3 Сбалансированный квадратной диаграмму312

13.3.1 Принцип баланса гистограммы313

13.3.2 Сбалансированная обработка гистограммы317

13.4 Введение модуля Pyplot319

13.4.1 Функция сюжета319

13.4.2 Функция Imshow320

Глава 14 Фурье трансформация324

14.1 Теоретические основы324

14.2 Numpy реализовать преобразование Фурье328

14.2.1 Реализовать преобразование Фурье329

14.2.2 Понять трансформацию против Фурье330

14.2.3 Пример высокого роста фильтра331

14.3 OpenCV реализует преобразование Фурье333

14.3.1 Реализовать преобразование Фурье333

14.3.2 Понять трансформацию против Фурье335

14.3.3 Пример низкого роста фильтра336

Глава 15 Шаблон сопоставление339

15.1 Шаблон соответствующий фундамент339

15.2 Многолетняя сопоставление345

Глава 16 Хофф перемена351

16.1 Hoff Prime -Line Transformation351

16.1.1 Принцип351

16.1.2 Houghlines функционирует357

16.1.3 Функция houghlinesp359

16.2 КОНГОВОЙ РАЗВИТИЙ361

Глава 17 Сегментация и извлечение изображения364

17.1 Реализовать сегментацию и извлечение изображений с помощью алгоритма водосбора364

17.1.1 Алгоритм364

17.1.2 Связанная функция Введение366

17.1.3 Пример сегментации изображения алгоритма похудения375

17.2 Интерактивные перспективы376

Глава 18 Обработка видео383

18.1 Видео -класс383

18.1.1 Введение функции класса383

18.1.2 Захватить видео камеры387

18.1.3 Воспроизвести видеофайлы388

18.2 VideoWriter Class389

18.2.1 Введение функции класса389

18.2.2 Сохранить видео391

18.3 Видео операция392

Глава 19 Рисунок и взаимодействие393

19.1 Рисование фундамента393

19.1.1 Нарисуйте прямую линию394

19.1.2 Рисование прямоугольника394

19.1.3 Нарисуйте круг395

19.1.4 Нарисуйте эллипс397

19.1.5 Нарисуйте многоугольник398

19.1.6 Нарисуйте текст на графике400

19.2 Мышиное взаимодействие402

19.2.1 Простой пример404

19.2.2 Пример продвижения405

19.3 полоса прокрутки407

19.3.1 Используйте Rolling Lips для реализации цветовых панелей408

19.3.2 Используйте катящиеся полосы, чтобы управлять параметрами обработки порогов409

19.3.3 Используйте каллинг -планку в качестве переключателя410

Глава 20 K Алгоритм ближнего соседа412

20.1 Теоретические основы412

20.2 рассчитать415

20.2.1 Нормализован415

20.2.2 Расчет расстояния416

20.2 Принципы почерка цифрового признания417

20.3 Настраиваемая функция рукописное распознавание номеров421

20.4 Основное использование K ближе к соседству модуль427

20.5 K Рядом с соседним идентификацией числа429

Глава 21 Поддержка векторных машин431

21.1 Теоретические основы431

21.2 Внедрение дела SVM434

Глава 22 K средний кластер439

22.1 Теоретические основы439

22.1.1 Бобы439

22.1.2 Основные шаги среднего кластера k441

22.2 K средний кластерный модуль441

22.3 Простой пример442

Глава 23 Распознавание лица448

23.1 Обнаружение лица448

23.1.1 Основные принципы448

23.1.2 Использовать451

23.1.3 Введение функции452

23.1.4 Дело введение453

23.2 LBPH распознавание лица454

23.2.1 Основные принципы454

23.2.2 Введение функции456

23.2.3 Дело введение457

23.3 Собственныефасы лица признают признание458

23.3.1 Основные принципы458

23.3.2 Введение функции459

23.3.3 Дело введение460

23.4 Fisherfaces признает признание461

23.4.1 Основные принципы461

23.4.2 Введение функции463

23.4.3 Дело введение464

23.5 База данных лица465

Участвовать в литературе467

Приложение пример470



об авторе

   Ли Лизонг, степень магистра в Университете Нанкай, доцент профессора профессионального и технического университета Тяньцзинь, занимается преподаванием и научными исследованиями в области компьютерного зрения.С одним патентом на изобретение, более десяти авторских прав с программным обеспечением, более десяти работ, редактор -в «случаев программирования OpenCV» и других книг.Ряд курсов, таких как «OpenCV Tu Guan» в классе облака NetEase, были оценены как высококачественные курсы.


Рекомендуемая рекомендация

• Читатели по вступлениям в ноль, которые заинтересованы в обработке имиджа?