Java + OpenCV 高效入門
姚利民
- 出版商: 清華大學
- 出版日期: 2023-06-01
- 售價: $474
- 貴賓價: 9.5 折 $450
- 語言: 簡體中文
- 頁數: 326
- 裝訂: 平裝
- ISBN: 7302629536
- ISBN-13: 9787302629535
-
相關分類:
影像辨識 Image-recognition
立即出貨 (庫存=1)
買這商品的人也買了...
-
OpenCV + TensorFlow 深度學習與電腦視覺實戰$414$393 -
$505Java圖像處理：基於OpenCV與JVM (Java Image Processing Recipes: With OpenCV and JVM) -
Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python, 2/e (Paperback)$2,622$2,484 -
OpenCV 影像創意邁向 AI 視覺王者歸來 (全彩印刷)$890$587 -
機器學習聖經：最完整的統計學習方法$880$695 -
Python AI 人員必修的科學計算 - 數學、機率、統計、演算法$880$695 -
Python + OpenCV — 機器學習 + 深度學習 40大電腦視覺案例入門到實戰$1,200$948 -
深入淺出密碼學$719$683 -
寫給工程師的密碼學$594$564 -
密碼管理系統理論與實作：使用 Python 的 Crypto、Tkinter 與 Django 套件$650$507 -
$454深入理解 Java 併發 -
ChatGPT 醫療 AI 跨界合作：醫療雲的應用到精準醫療的未來$600$468 -
Java x ChatGPT 基礎必修課 (適用Java 20~12，涵蓋ITS Java國際認證)$600$450 -
$449Web 3超入門 -
Kafka 實戰$539$512 -
成為 Git 專家的 18天學習計畫$520$390 -
$564機器學習中的統計思維 (Python 實現) -
$505穿越作業系統迷霧：從零實現作業系統 -
圖說運算思維與演算邏輯：使用 Python + ChatGPT，訓練系統化思考與問題解析方法$560$437 -
遙遙領先 - 使用 Java 開發 Web 新手轉高手之路$860$679 -
Stable Diffusion：與杰克艾米立攜手專精 AI 繪圖$750$593 -
Beyond XSS：探索網頁前端資安宇宙$880$695 -
台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰$800$632 -
設計師自救指南：Stable Diffusion 實用教學$539$512 -
API 設計模式｜簡化整合的訊息交換技術 (Patterns for API Design: Simplifying Integration with Loosely Coupled Message Exchanges)$850$638
相關主題
商品描述
OpenCV作為一個應用廣泛的開源電腦視覺庫，正在受到越來越多的關註。目前OpenCV的各類教程基本上以Python和C++為主，基於Java的OpenCV書籍則少之又少，本書旨在彌補這一空白。 本書共13章，前4章是基礎部分，包括OpenCV概述和安裝配置、數字圖像基礎及圖像基礎操作等內容；第5到11章則包括了圖像的幾何變換、圖像平滑、形態學操作、直方圖、邊緣檢測與輪廓、霍夫變換、特徵點檢測和匹配等進階內容；第12~13章屬於提高內容，主要介紹機器學習和視頻跟蹤技術。 本書以通俗易懂的語言，圖文並茂的講解力圖使初學者能夠快速高效入門。本書面向的讀者是包括高校學生在內的各類初學者、研究電腦視覺的業餘愛好者及需要快速上手的專業人員。
目錄大綱
第1章 OpenCV概述 1
1.1 OpenCV簡介 1
1.1.1 什麽是OpenCV 1
1.1.2 OpenCV簡史 1
1.1.3 OpenCV的特色與應用 2
1.1.4 OpenCV的主要模塊 2
1.2 OpenCV的下載及安裝 3
1.2.1 Java環境的配置 4
1.2.2 Eclipse簡介及安裝 6
1.2.3 OpenCV的下載和安裝 8
1.2.4 Eclipse中OpenCV的配置 11
1.2.5 第1個OpenCV程序 13
1.3 Eclipse及Java基礎 18
1.3.1 Eclipse的界面 18
1.3.2 Eclipse的常用快捷鍵 19
1.3.3 Eclipse中如何新建Java項目 20
1.3.4 Eclipse中如何新建Java類 21
1.3.5 Eclipse中如何調試程序 21
1.3.6 Java語言基礎 23
1.4 本章小結 25
第2章 圖像處理基礎 26
2.1 數字圖像基礎 26
2.1.1 數字圖像的基本概念 26
2.1.2 像素的存儲 29
2.1.3 數字圖像的分類 31
2.2 矩陣與Mat類 33
2.2.1 Mat類簡介 33
2.2.2 矩陣數據的存儲 35
2.2.3 創建矩陣的方法 35
2.2.4 獲取矩陣信息 40
2.2.5 矩陣相關操作 42
2.3 OpenCV中常用數據結構 48
2.3.1 點的表示：Point類 48
2.3.2 矩形的表示：Rect類 48
2.3.3 尺寸的表示：Size類 48
2.3.4 顏色的表示：Scalar類 49
2.4 顏色和通道 50
2.5 本章小結 51
第3章 圖像基本操作（1） 52
3.1 圖像讀寫與顯示 52
3.1.1 圖像的讀取 52
3.1.2 圖像的保存 53
3.1.3 圖像的顯示 54
3.2 繪圖函數 56
3.2.1 繪制直線 56
3.2.2 繪制矩形 56
3.2.3 繪制圓形 56
3.2.4 繪制橢圓 58
3.2.5 繪制多邊形 59
3.2.6 繪制文字 59
3.2.7 繪制箭頭 61
3.2.8 繪制外框 62
3.3 顏色空間操作 63
3.3.1 顏色空間的轉換 63
3.3.2 圖像通道的拆分與合並 67
3.4 本章小結 69
第4章 圖像基本操作（2） 71
4.1 圖像的算術運算 71
4.1.1 加法運算 71
4.1.2 減法運算 73
4.1.3 點乘運算 74
4.1.4 點除運算 76
4.2 圖像的按位運算 79
4.2.1 按位非運算 79
4.2.2 按位與運算 80
4.2.3 按位或運算 81
4.2.4 按位異或運算 83
4.3 圖像二值化 85
4.4 查找表 90
4.5 圖像的拼接 94
4.6 子矩陣 96
4.7 掩膜 99
4.8 圖像金字塔 101
4.8.1 圖像金字塔概述 101
4.8.2 向下採樣與向上採樣 101
4.8.3 高斯金字塔 102
4.8.4 拉普拉斯金字塔 103
4.9 本章小結 106
第5章 圖像的幾何變換 108
5.1 仿射變換 108
5.2 透視變換 111
5.3 平移 113
5.4 旋轉 115
5.5 縮放 117
5.6 圖像的翻轉 118
5.7 本章小結 120
第6章 圖像平滑 122
6.1 圖像的噪聲 122
6.2 濾波器 125
6.3 線性濾波 128
6.3.1 均值濾波 128
6.3.2 方框濾波 130
6.3.3 高斯濾波 132
6.4 非線性濾波 134
6.4.1 中值濾波 134
6.4.2 雙邊濾波 136
6.5 本章小結 139
第7章 圖像形態學 140
7.1 像素的距離 140
7.2 像素的鄰域 145
7.3 膨脹與腐蝕 150
7.3.1 腐蝕 152
7.3.2 膨脹 156
7.4 形態學操作 158
7.4.1 開運算和閉運算 158
7.4.2 頂帽和黑帽 160
7.4.3 形態學梯度 162
7.4.4 擊中擊不中 163
7.5 本章小結 165
第8章 直方圖與匹配 167
8.1 直方圖簡介 167
8.2 直方圖統計 171
8.3 直方圖比較 173
8.4 直方圖均衡化 176
8.5 自適應的直方圖均衡化 178
8.6 直方圖反向投影 180
8.7 模板匹配 182
8.8 本章小結 186
第9章 邊緣與輪廓 188
9.1 邊緣檢測 188
9.2 邊緣檢測算子 189
9.2.1 Sobel算子 189
9.2.2 Scharr算子 192
9.2.3 Laplacian算子 194
9.3 Canny邊緣檢測 195
9.3.1 Canny邊緣檢測的步驟 196
9.3.2 Canny算法的實現 197
9.4 輪廓 198
9.4.1 輪廓檢測 198
9.4.2 輪廓的層級 199
9.4.3 輪廓的特徵 204
9.5 本章小結 218
第10章 霍夫變換 221
10.1 霍夫變換的原理 221
10.2 霍夫線檢測 223
10.2.1 標準霍夫變換 224
10.2.2 概率霍夫變換 227
10.3 霍夫圓檢測 230
10.3.1 霍夫圓檢測的原理 230
10.3.2 霍夫梯度法 230
10.4 本章小結 234
第11章 特徵點檢測和匹配 236
11.1 角點檢測 236
11.1.1 角點的概念 236
11.1.2 Harris角點檢測算法 237
11.1.3 Shi-Tomasi角點檢測算法 240
11.2 特徵點檢測 244
11.2.1 SIFT算法 244
11.2.2 SURF算法 249
11.2.3 FAST算法 252
11.2.4 ORB算法 254
11.3 特徵點匹配 257
11.3.1 暴力匹配 260
11.3.2 FLANN匹配 262
11.3.3 RANSAC 264
11.4 本章小結 268
第12章 機器學習 269
12.1 K均值 269
12.2 K近鄰 274
12.3 決策樹 277
12.4 隨機森林 280
12.5 SVM 282
12.6 人臉檢測 291
12.6.1 Haar特徵 291
12.6.2 AdaBoost 292
12.6.3 級聯分類器 293
12.7 本章小結 297
第13章 視頻分析 299
13.1 視頻基礎操作 299
13.1.1 視頻的讀取 299
13.1.2 視頻的保存 301
13.1.3 視頻屬性 303
13.2 均值遷移法 305
13.2.1 Meanshift算法 305
13.2.2 Camshift算法 309
13.3 背景建模 312
13.3.1 高斯混合模型 313
13.3.2 K-NN模型 315
13.4 光流分析 318
13.4.1 稀疏光流法 318
13.4.2 稠密光流法 322
13.5 本章小結 325
參考文獻 327
IV
V
