导语

  

内容提要

  

    OpenCV是一个开源的计算机视觉库，在计算机视觉的开发中扮演着重要的角色。它为计算机视觉应用开发提供了灵活、功能强大的开发接口，使其成为计算机视觉专业人员所依赖的重要开发工具。本书系统地介绍如何使用OpenCV来构建与计算机视觉相关的应用，如增强现实、车牌识别、人脸检测等。每章都会介绍一个典型的计算机视觉应用问题，并提供相关的背景介绍及全部源代码，为快速解决实际计算机视觉项目遇到的问题提供系统实用指南。
    全书共10章：第1章介绍如何在台式机和小型嵌入式系统（如Raspberry Pi）上编写图像处理滤波器；第2章讲解如何使用SfM模块将场景重建为稀疏点云（包括相机姿态），以及如何使用多视图立体几何来获得稠密点云；第3章讲解使用人脸模块进行人脸特征点（也称为人脸标志）检测的过程；第4章介绍图像分割和特征提取、模式识别基础以及两种重要的模式识别算法；第5章讲解用于检测人脸图像的不同技术；第6章展示一种使用OpenCV.js为Web开发计算机视觉算法的新方法；第7章展示如何使用OpenCV的ArUco模块、Android的Camera2 API和JMonkeyEngine 3D游戏引擎在Android系统中实现增强现实（AR）应用程序；第8章介绍如何使用OpenCV的iOS预编译库在iPhone上构建全景图像拼接程序；第9章讨论在考虑OpenCV中的算法选择时应遵循的许多方法；第10章介绍如何避免OpenCV中的常见陷阱。

译者序
前言
作者简介
审阅者简介
第1章  树莓派上的卡通化和皮肤颜色分析
  1.1  访问摄像头
  1.2  桌面应用程序的相机处理主循环
    1.2.1  生成黑白素描
    1.2.2  生成彩色绘画和卡通
    1.2.3  用边缘滤波器来生成邪恶模式
    1.2.4  用皮肤检测来生成外星人造型
  1.3  皮肤变色器的实现
  1.4  从桌面移植到嵌入式设备
    1.4.1  用于开发嵌入式设备代码的设备配置
    1.4.2  在嵌入式设备上安装OpenCV
  1.5  小结
第2章  使用SfM模块从运动中恢复结构
  2.1  技术要求
  2.2  SfM的核心概念
    2.2.1  相机标定和对极几何
    2.2.2  立体重建和SfM
  2.3  在OpenCV中实现SfM
    2.3.1  图像特征匹配
    2.3.2  找到特征轨迹
    2.3.33  D重建和可视化
    2.3.4  用于稠密重建的MVS
  2.4  小结
第3章  使用人脸模块进行人脸特征点及姿态检测
  3.1  技术要求
  3.2  背景和理论
    3.2.1  主动外观模型与受约束的局部模型
    3.2.2  回归方法
  3.3  OpenCV中的人脸特征点检测
  3.4  基于特征点的人脸方向估计
    3.4.1  估计姿态计算
    3.4.2  将姿态投影到图像上
  3.5  小结
第4章  基于深度卷积网络的车牌识别
  4.1  ANPR简介
  4.2  ANPR算法
  4.3  车牌检测
    4.3.1  分割
    4.3.2  分类
  4.4  车牌识别
    4.4.1  OCR分割
    4.4.2  基于卷积神经网络的字符分类
  4.5  小结
第5章  通过DNN模块进行人脸检测和识别
  5.1  介绍人脸检测和人脸识别
    5.1.1  人脸检测
    5.1.2  人脸预处理
    5.1.3  收集人脸并从中学习
    5.1.4  人脸识别
    5.1.5  收尾工作——保存和加载文件
    5.1.6  收尾工作——制作一个漂亮的、交互体验好的GUI
  5.2  小结
  5.3  参考文献
第6章  Web计算机视觉之初识OpenCV.js
  6.1  什么是OpenCV.js
  6.2  编译OpenCV.js
  6.3  OpenCV.js开发基础
  6.4  访问摄像头流
  6.5  图像处理和基本用户界面
    6.5.1  阈值滤波器
    6.5.2  高斯滤波器
    6.5.3  canny滤波器
  6.6  浏览器中的光流
  6.7  在浏览器中使用Haar级联分类器进行人脸检测
  6.8  小结
第7章  使用ArUco模块的Android相机校准和AR
  7.1  技术要求
  7.2  增强现实和姿态估计
    7.2.1  相机校准
    7.2.2  用于平面重建的增强现实标记
  7.3  Android系统中的相机访问
  7.4  使用ArUco进行相机校准
  7.5  使用jMonkeyEngine实现增强现实
  7.6  小结
第8章  带有拼接模块的iOS全景图
  8.1  技术要求
  8.2  全景图像拼接方法
    8.2.1  全景图的特征提取和鲁棒匹配
    8.2.2  变形图像，以便全景创建
  8.3  项目概况
  8.4  用CocoaPods设置iOS OpenCV项目
  8.5  用于全景捕捉的iOS UI
  8.6  Objective-C++包装器中的OpenCV拼接
  8.7  小结
  8.8  进一步阅读
第9章  为项目找到最佳OpenCV算法
  9.1  技术要求
  9.2  方案是否包含在OpenCV中
  9.3  OpenCV中的算法选项
  9.4  哪种算法最好
  9.5  算法性能比较的示例
  9.6  小结
第10章  避免OpenCV中的常见陷阱
  10.1  OpenCV从v1到v4的历史
  10.2  OpenCV中的历史算法
  10.3  常见陷阱和建议解决方案
  10.4  小结
  10.5  进一步阅读