高等教育 > 计算机类
计算机视觉——基于OpenCV的图像处理
书号:9787113309800 套系名称:“十四五”高等职业教育计算机类新形态一体化系列教材
作者:宋桂岭 出版日期:2024-02-01
定价:36.00 页码 / 开本: /16
策划编辑:张围伟 责任编辑:汪敏 包宁
适用专业:计算机类 适用层次:高职教育
最新印刷时间:2024-02-01
资源下载
教学课件
教学素材
习题答案(暂无)
教学案例(暂无)
教学设计(暂无)
教学视频(暂无)
内容简介
前言
目录
作者介绍
图书特色
本书分为四个部分,第一部分为图像采集及操作实战,主要介绍计算机视觉开发工具的安装、OpenCV开发环境的配置、摄像头的访问及保存图片等操作,让读者能够理解常见的图像类型并完成图像和视频的采集任务;第二部分为图像增强实战,主要介绍图像增强的一般方法,包括图像平滑、边缘锐化、边缘提取、图像轮廓提取等内容,并带领读者完成了图像增强在工业场景下的实际任务;第三部分为图像分析实战,主要介绍图像分析的常用方法,包括阈值分割、图像轮廓提取、图像形态学操作、交互式图形分割、特征提取,并通过实战形式,完成目标检测和目标追踪等计算机视觉任务;第四部分为机器学习实战,主要介绍了OpenCV的神经网络和深度学习模块,以及常见的深度学习库在OpenCV下的使用方法,给出了商业级文字识别、车牌识别和智能交通检测等项目实战案例。 ?
数字图像处理和计算机视觉已成为计算机科学和人工智能的一个重要分支,它们在各个领域中都有广泛应用,如机器人、自动驾驶、医疗诊断、安防监控等领域的发展都离不开数字图像处理和计算机视觉技术的支持。数字图像处理和计算机视觉的本质是将图像或视频数据转换成计算机可以理解和处理的形式,然后利用各种算法和技术对其进行分析和处理。本书针对高等职业院校人工智能技术应用、计算机应用技术、工业机器人等专业教学要求,旨在通过项目实战方式,让读者逐步深入理解数字图像处理和计算机视觉的基本原理和方法,并且掌握OpenCV这一强大开源库的使用方法,从而完成实际项目任务。 本书基于OpenCV进行讲解。OpenCV是一个开源的计算机视觉库,它提供了丰富的函数和方法来实现各种数字图像处理和计算机视觉的任务。本书将具体介绍OpenCV的使用方法,包括图像读写、颜色空间转换、滤波、特征提取、目标检测和跟踪等常用操作。我们将通过实战案例分步骤带领读者掌握以上技术要点,并且提供详细的代码和运行结果,帮助读者更好地理解和掌握OpenCV的使用。全书各部分内容如下: 本书第1部分为图像采集及操作实战。在数字图像处理中,图像的表示和处理是最基本的部分。图像是计算机中最重要的数据类型之一,它是由像素组成的二维数组。在实际项目任务中需要对图像进行各种操作,如裁剪、缩放、旋转、平移等,这些操作需要对图像的像素进行处理。这一部分介绍像素操作、图像缩放、图像旋转、图像平移等内容,帮助读者全面了解图像的基本概念和处理方法。 本书第2部分为图像增强实战。图像增强是数字图像处理中的一种基础技术,它的主要任务是通过一系列的处理方法来改善原始图像的质量、增强细节、提高对比度等。图像增强技术在计算机视觉、人工智能等领域中有着广泛应用。这一部分介绍直方图均衡化、滤波、锐化、自动色阶、曲线调整等多种增强方法,并给出实战案例。 本书第3部分为图像分析实战。特征提取和描述是数字图像处理和计算机视觉中非常重要的部分。特征是图像中的重要信息,它可以描述图像中的形状、纹理、颜色等特征。在计算机视觉中,特征提取和描述是非常重要的,它可以用于目标检测、目标跟踪、图像识别等领域。这一部分介绍特征提取和描述的基本原理和方法,包括边缘检测、角点检测、直方图特征、SIFT、SURF等常用特征的提取和描述方法。 目标检测和跟踪是计算机视觉中非常重要的应用领域。目标检测和跟踪可以用于安防监控、自动驾驶、机器人、医疗诊断等领域。这一部分介绍目标检测和跟踪的基本原理和方法,包括Haar特征、LBP特征、HOG特征、卷积神经网络等常用方法。另外,还介绍了目标跟踪的基本方法,包括KCF、TLD、CSRT等。 本书第4部分为机器学习实战。重点讲解了OpenCV机器学习的相关内容。近年来,OpenCV和深度学习的结合趋势越来越明显,OpenCV通过DNN模块(deep neural network)提供了对主流深度学习框架(如TensorFlow、Caffe、PyTorch等)的支持,可以将深度学习模型直接集成到OpenCV中,实现对图像和视频的实时处理,如目标检测、人脸识别、图像分割等。本书以实战方式介绍了YoloV8与OpenCV的结合,给出了基于深度学习的文字识别、车牌识别等商业级目标检测方法。 本书配套代码及教学资源可登录中国铁道出版社教育资源数字化平台(http://www.tdpress.com/51eds/)下载。 本书的读者对象为人工智能技术应用、计算机应用技术、工业机器人技术等相关专业的高职学生,同时也适合计算机视觉初学者和从事相关领域工作的人员。我们希望读者通过本书的学习能够深入理解数字图像处理和计算机视觉的本质,能够对读者有所帮助,并且能够在实际工作中灵活运用所学知识,也欢迎大家提出宝贵的意见和建议,共同进步。 本书的写作和课程教学验证持续了一年多的时间。在本书写作过程中,从内容选题到确定思路,从资料搜集、提纲拟定到内容的编写与修改,再到诸多算法和实验的梳理,得益于无锡日联科技股份有限公司等合作企业的大力支持,在此特别表示感谢。宋桂岭制订全书编写提纲并完成编写工作,厉菲菲参与了本书的实验、素材整理和校正工作。在此,对所有关心本书的学者、同仁和学生表示感谢,感谢中国铁道出版社有限公司各位编辑的支持和指导。 本书在编写过程中,参考和引用了大量国内外的著作、论文和研究报告。由于篇幅有限,仅列举了主要文献。编者向所有被参考和引用论著的作者表示由衷的感谢,他们的辛勤劳动成果为本书提供了丰富的资料。如果有的资料没有查到出处或因疏忽而未列出,请原作者原谅,并请告知我们,以便在再版时补充。 由于编者水平有限,书中难免存在疏漏之处,恳请广大读者批评指正。 宋桂岭 2023年10月 ?
第1部分?图像采集及操作实战 第1章?OpenCV环境配置 2 1.1?计算机视觉概述 2 1.1.1?计算机视觉的概念 2 1.1.2?计算机视觉的任务 3 1.1.3?计算机视觉的应用 6 1.2?OpenCV概述 7 1.3?OpenCV-Python环境配置 7 1.3.1?Python环境的安装 7 1.3.2?OpenCV-Python安装 11 1.3.3?PyCharm安装及配置 14 小结 18 第2章?数字图像基本操作 19 2.1?数字图像的读取与显示 19 2.2?数字图像在计算机中的表示 21 2.3?视频采集与存储 26 2.4?图像基本操作 27 2.4.1?图像像素操作 27 2.4.2?图像兴趣区域选取 28 2.4.3?图像通道操作 29 2.4.4?颜色空间转换 30 2.4.5?图像边框的填充 31 2.5?图像的几何变换 33 2.5.1?图像的缩放 33 2.5.2?图像的平移 34 2.5.3?图像的旋转 35 2.5.4?图像的透视变换 36 项目实战?基于颜色的目标追踪 37 小结 38 第2部分?图像增强实战 第3章?数字滤波操作 40 3.1?图像噪声 40 3.2?图像滤波 43 3.3?邻域平滑滤波 44 3.4?频域低通滤波及高通滤波 49 3.5?图像梯度及边缘滤波 51 项目实战?图像清晰度评价 54 小结 57 第4章?图像亮度及对比度操作 58 4.1?图像直方图概念及可视化 58 4.2?直方图均衡化与图像对比度增强 59 4.3?直方图的掩模操作 62 4.4?图像亮度调整 63 4.5?图像对比度调整 64 项目实战?交互式图像增强 65 小结 68 第3部分?图像分析实战 第5章?图像分割 70 5.1?图像分割概述 70 5.2?图像阈值分割 71 5.3?图形形态学操作 74 5.4?图像轮廓提取 76 5.5?分水岭图像分割 78 项目实战1?利用图割(GrabCut)实现交互式抠图 84 项目实战2?锡球轮廓提取及面积计算 90 小结 93 第6章?目标检测 94 6.1?目标检测概述 94 6.2?模板匹配 95 6.3?特征匹配 97 6.3.1?图像特征理解 97 6.3.2?图像特征描述 99 6.3.3?基于特征匹配的目标检测 104 项目实战?疲劳驾驶检测 107 小结 115 第7章?目标跟踪 116 7.1?目标跟踪概述 116 7.2?目标跟踪实现 117 7.2.1?数据集下载 117 7.2.2?视频合成 118 7.2.3?OpenCV目标跟踪实现 120 7.3?背景差分 124 项目实战?手势跟踪 127 小结 130 第4部分?机器学习实战 第8章?文字识别 132 8.1?手写数字识别 132 8.1.1?OpenCV人工神经网络概述 132 8.1.2?手写数字识别 133 8.2?Paddle文字识别 136 项目实战1?车牌识别 140 项目实战2?镜头规格识别 148 小结 152 第9章?深度学习 153 9.1?OpenCV DNN模块概述 153 9.2?第三方深度学习库与OpenCV集成 154 小结 159 参考文献 160 ?
宋桂岭,博士,无锡科技职业学院教师。研究方向为计算机视觉、计算机图形学和自主移动机器人,毕业于北京邮电大学计算机学院。二十余年来坚持奋斗在科学技术攻关一线,积累了丰富的产品研发经验。研发成果包括工业CT算法库平台(合作单位:日联科技)、计算摄影相关国际标准(传音股份)、电力装备智能制造工业互联网平台(森蓝智能)、自主移动机器人底盘(无锡科技职业学院)、好护家智慧医养平台(苏州福星集团)、智能交通集成管控平台(中国智能交通集团)、 “智慧眼”系列智能安防系统、感知工地系统、违章停车全自动抓拍系统,以及博物馆AR虚拟漫游系统等。?
本书针对高等职业院校人工智能技术等专业教学要求,以实际项目为案例,以工程代码实现为主线,介绍利用OpenCV进行数字图像处理的基本方法,让读者对未来的人工智能工作场景有深刻的认知,从而让理论性强、内容抽象、算法较多的数字图像处理知识与岗位任务紧密融合。??