深入理解opencv pdf是一款專注于計算機視覺方面的電子圖書，這款電子書全名是深入理解opencv：實用計算機視覺項目解析。這款書對于計算機視覺開發者來說是一本非常實用的書籍，里面的內容豐富，講解詳細，感興趣的朋友歡迎來綠色資源網下載。

深入理解opencv pdf介紹

《深入理解opencv：實用計算機視覺項目解析》詳細講解9個實用的計算機視覺項目，通過本書的學習，讀者可以創建各種可運行的項目原型，例如，實時的移動應用、增強現實、從視頻中獲得三維形狀、跟蹤人臉和眼睛、車牌識別等。

opencv是最常見的計算機視覺庫之一，它提供了許多經過優化的復雜算法。本書對已掌握基本opencv技術同時想提高計算機視覺的實踐經驗的開發者來講是一本非常好的書。每章都有一個單獨的項目，其背景也在這些章節中進行了介紹。因此，讀者可以依次學習這些項目，也可以直接跳到感興趣的項目進行學習。

圖書目錄

譯者序

前　言

第1章　android系統上的卡通化和皮膚變換 1

1.1　訪問攝像機 2

1.2　桌面應用處理攝像機視頻的主循環 3

1.3　生成黑白素描 4

1.4　生成彩色圖像和卡通 5

1.5　用邊緣濾波器來生成“怪物”模式 7

1.6　用皮膚檢測來生成

“外星人”造型 8

1.6.1　皮膚檢測算法 8

1.6.2　確定用戶放置臉的位置 9

1.6.3　皮膚變色器的實現 10

1.7　把桌面應用移植到android系統 14

1.7.1　安裝使用opencv的android項目 14

1.7.2　在android ndk應用中添加卡通化代碼 17

1.7.3　在android系統中顯示保存圖像的消息 24

1.7.4　降低素描圖像的隨機椒鹽噪聲 27

1.8　總結 31

第2章　iphone或ipad上基于標記的增強現實 32

2.1　使用opencv創建ios項目 33

2.1.1　添加opencv框架 34

2.1.2　包含opencv頭文件 35

2.2　應用程序的結構 36

2.3　標記檢測 43

2.3.1　標記識別 44

2.3.2　標記編碼識別 50

2.4　在三維空間放置標記 53

2.4.1　攝像機標定 53

2.4.2　標記姿態估計 54

2.5　渲染3d虛擬物體 56

2.5.1　創建opengl渲染層 56

2.5.2　渲染ar場景 59

2.6　總結 64

2.7　參考文獻 64

第3章　無標記的增加現實 65

3.1　基于標記的ar與無標記的ar 65

3.2　使用特征描述符檢測視頻中的任意圖像 66

3.2.1　特征提取 67

3.2.2　模式對象定義 69

3.2.3　特征點匹配 69

3.2.4　刪除離群值 70

3.2.5　將示例項目各部分放在一起 76

3.3　模式姿態估計 77

3.3.1　patterndetector.cpp 77

3.3.2　獲取攝像機內矩陣 78

3.4　應用的基礎架構 81

3.4.1　arpipeline.hpp 82

3.4.2　arpipeline.cpp 82

3.4.3　在opencv中啟用三維可視化支持 83

3.4.4　使用opencv來創建opengl窗口 84

3.4.5　使用opencv捕獲視頻 85

3.4.6　渲染增強現實 85

3.4.7　演示應用程序 88

3.5　總結 91

3.6　參考文獻 91

第4章　使用opencv研究從運動中恢復結構 92

4.1　從運動中恢復結構的概念 93

4.2　從兩幅圖像估計攝像機運動 94

4.2.1　通過豐富的特征描述符進行點匹配 94

4.2.2　通過光流進行點匹配 96

4.2.3　搜索攝像機矩陣 99

4.3　重構場景 102

4.4　從多視圖中重構 105

4.5　重構的細化 108

4.6　用pcl來可視化3d點云 111

4.7　使用示例代碼 113

4.8　總結 114

4.9　參考文獻 115

第5章　基于svm和神經網絡的車牌識別 116

5.1　anpr簡介 116

5.2　anpr算法 118

5.3　車牌檢測 119

5.3.1　圖像分割 120

5.3.2　分類 125

5.4　車牌號識別 127

5.4.1　ocr分割 127

5.4.2　特征提取 129

5.4.3　ocr分類 130

5.4.4　評價 133

5.5　總結 136

第6章　非剛性人臉跟蹤 137

6.1　概述 138

6.2　實用工具 139

6.2.1　面向對象設計 139

6.2.2　數據收集：圖像和視頻標注 140

6.3　幾何約束 145

6.3.1　procrustes分析 146

6.3.2　線性形狀模型 148

6.3.3　局部�C全局相結合的表示 150

6.3.4　訓練與可視化 152

6.4　面部特征檢測器 154

6.4.1　相關性塊模型 155

6.4.2　解釋全局幾何變換 159

6.4.3　訓練與可視化 161

6.5　人臉檢測與初始化 163

6.6　人臉跟蹤 166

6.6.1　人臉跟蹤實現 166

6.6.2　訓練與可視化 168

6.6.3　通用與專用人臉模型 168

6.7　總結 169

6.8　參考文獻 169

第7章　基于aam和posit的

三維頭部姿態估計 170

7.1　主動外觀模型概述 171

7.2　主動形狀模型概述 172

7.2.1　感受pca 174

7.2.2　三角剖分 177

7.2.3　扭曲三角化結構 179

7.3　模型實例化――試試主動外觀模型 180

7.4　主動外觀模型搜索和擬合 181

7.5　posit算法 182

7.5.1　深入理解posit算法 183

7.5.2　posit與頭部模型 185

7.5.3　對攝像機或視頻文件進行跟蹤 185

7.6　總結 187

7.7　參考文獻 187

第8章　基于特征臉或fisher臉的人臉識別 189

8.1　人臉識別與人臉檢測介紹 189

8.1.1　第一步：人臉檢測 191

8.1.2　檢測人臉 194

8.1.3　第2步：人臉預處理 196

8.1.4　第3步：收集并訓練人臉 204

8.1.5　第4步：人臉識別 212

8.1.6　收尾工作：保存和加載文件 215

8.1.7　收尾工作：制作一個漂亮的交互式gui 215

8.2　總結 225

8.3　參考文獻 225