深入理解opencv 实用计算机视觉项目解析 pdf

深入理解opencv pdf是一款专注于计算机视觉方面的电子图书，这款电子书全名是深入理解opencv：实用计算机视觉项目解析。这款书对于计算机视觉开发者来说是一本非常实用的书籍，里面的内容丰富，讲解详细，感兴趣的朋友欢迎来绿色资源网下载。

深入理解opencv pdf介绍

《深入理解opencv：实用计算机视觉项目解析》详细讲解9个实用的计算机视觉项目，通过本书的学习，读者可以创建各种可运行的项目原型，例如，实时的移动应用、增强现实、从视频中获得三维形状、跟踪人脸和眼睛、车牌识别等。

opencv是最常见的计算机视觉库之一，它提供了许多经过优化的复杂算法。本书对已掌握基本opencv技术同时想提高计算机视觉的实践经验的开发者来讲是一本非常好的书。每章都有一个单独的项目，其背景也在这些章节中进行了介绍。因此，读者可以依次学习这些项目，也可以直接跳到感兴趣的项目进行学习。

图书目录

译者序

前　言

第1章　android系统上的卡通化和皮肤变换 1

1.1　访问摄像机 2

1.2　桌面应用处理摄像机视频的主循环 3

1.3　生成黑白素描 4

1.4　生成彩色图像和卡通 5

1.5　用边缘滤波器来生成“怪物”模式 7

1.6　用皮肤检测来生成

“外星人”造型 8

1.6.1　皮肤检测算法 8

1.6.2　确定用户放置脸的位置 9

1.6.3　皮肤变色器的实现 10

1.7　把桌面应用移植到android系统 14

1.7.1　安装使用opencv的android项目 14

1.7.2　在android ndk应用中添加卡通化代码 17

1.7.3　在android系统中显示保存图像的消息 24

1.7.4　降低素描图像的随机椒盐噪声 27

1.8　总结 31

第2章　iphone或ipad上基于标记的增强现实 32

2.1　使用opencv创建ios项目 33

2.1.1　添加opencv框架 34

2.1.2　包含opencv头文件 35

2.2　应用程序的结构 36

2.3　标记检测 43

2.3.1　标记识别 44

2.3.2　标记编码识别 50

2.4　在三维空间放置标记 53

2.4.1　摄像机标定 53

2.4.2　标记姿态估计 54

2.5　渲染3d虚拟物体 56

2.5.1　创建opengl渲染层 56

2.5.2　渲染ar场景 59

2.6　总结 64

2.7　参考文献 64

第3章　无标记的增加现实 65

3.1　基于标记的ar与无标记的ar 65

3.2　使用特征描述符检测视频中的任意图像 66

3.2.1　特征提取 67

3.2.2　模式对象定义 69

3.2.3　特征点匹配 69

3.2.4　删除离群值 70

3.2.5　将示例项目各部分放在一起 76

3.3　模式姿态估计 77

3.3.1　patterndetector.cpp 77

3.3.2　获取摄像机内矩阵 78

3.4　应用的基础架构 81

3.4.1　arpipeline.hpp 82

3.4.2　arpipeline.cpp 82

3.4.3　在opencv中启用三维可视化支持 83

3.4.4　使用opencv来创建opengl窗口 84

3.4.5　使用opencv捕获视频 85

3.4.6　渲染增强现实 85

3.4.7　演示应用程序 88

3.5　总结 91

3.6　参考文献 91

第4章　使用opencv研究从运动中恢复结构 92

4.1　从运动中恢复结构的概念 93

4.2　从两幅图像估计摄像机运动 94

4.2.1　通过丰富的特征描述符进行点匹配 94

4.2.2　通过光流进行点匹配 96

4.2.3　搜索摄像机矩阵 99

4.3　重构场景 102

4.4　从多视图中重构 105

4.5　重构的细化 108

4.6　用pcl来可视化3d点云 111

4.7　使用示例代码 113

4.8　总结 114

4.9　参考文献 115

第5章　基于svm和神经网络的车牌识别 116

5.1　anpr简介 116

5.2　anpr算法 118

5.3　车牌检测 119

5.3.1　图像分割 120

5.3.2　分类 125

5.4　车牌号识别 127

5.4.1　ocr分割 127

5.4.2　特征提取 129

5.4.3　ocr分类 130

5.4.4　评价 133

5.5　总结 136

第6章　非刚性人脸跟踪 137

6.1　概述 138

6.2　实用工具 139

6.2.1　面向对象设计 139

6.2.2　数据收集：图像和视频标注 140

6.3　几何约束 145

6.3.1　procrustes分析 146

6.3.2　线性形状模型 148

6.3.3　局部�C全局相结合的表示 150

6.3.4　训练与可视化 152

6.4　面部特征检测器 154

6.4.1　相关性块模型 155

6.4.2　解释全局几何变换 159

6.4.3　训练与可视化 161

6.5　人脸检测与初始化 163

6.6　人脸跟踪 166

6.6.1　人脸跟踪实现 166

6.6.2　训练与可视化 168

6.6.3　通用与专用人脸模型 168

6.7　总结 169

6.8　参考文献 169

第7章　基于aam和posit的

三维头部姿态估计 170

7.1　主动外观模型概述 171

7.2　主动形状模型概述 172

7.2.1　感受pca 174

7.2.2　三角剖分 177

7.2.3　扭曲三角化结构 179

7.3　模型实例化――试试主动外观模型 180

7.4　主动外观模型搜索和拟合 181

7.5　posit算法 182

7.5.1　深入理解posit算法 183

7.5.2　posit与头部模型 185

7.5.3　对摄像机或视频文件进行跟踪 185

7.6　总结 187

7.7　参考文献 187

第8章　基于特征脸或fisher脸的人脸识别 189

8.1　人脸识别与人脸检测介绍 189

8.1.1　第一步：人脸检测 191

8.1.2　检测人脸 194

8.1.3　第2步：人脸预处理 196

8.1.4　第3步：收集并训练人脸 204

8.1.5　第4步：人脸识别 212

8.1.6　收尾工作：保存和加载文件 215

8.1.7　收尾工作：制作一个漂亮的交互式gui 215

8.2　总结 225

8.3　参考文献 225