OpenCV 4.0+Python機器學習與計算機視覺實戰(zhàn)

第1章 濾鏡 1
1.1 準備工作 2
1.2 規(guī)劃應(yīng)用程序 2
1.3 創(chuàng)建黑白鉛筆素描 3
1.3.1 了解使用減淡和加深技術(shù)的方法 4
1.3.2 使用二維卷積實現(xiàn)高斯模糊 6
1.3.3 應(yīng)用鉛筆素描變換效果 7
1.3.4 使用高斯模糊的優(yōu)化版本 9
1.4 生成暖調(diào)和冷調(diào)濾鏡 10
1.4.1 通過曲線平移使用顏色操作 11
1.4.2 使用查找表實現(xiàn)曲線濾鏡 11
1.4.3 設(shè)計暖調(diào)和冷調(diào)效果 12
1.5 創(chuàng)建圖像卡通化效果 15
1.5.1 使用雙邊濾鏡 16
1.5.2 檢測并強調(diào)突出的邊緣 17
1.5.3 組合顏色和輪廓以創(chuàng)建卡通效果 19
1.6 綜合演練 20
1.6.1 運行應(yīng)用程序 20
1.6.2 映射GUI基類 21
1.6.3 了解GUI構(gòu)造函數(shù) 22
1.6.4 了解基本的GUI布局 23
1.6.5 處理視頻流 24
1.6.6 創(chuàng)建自定義濾鏡布局 25
1.7 小結(jié) 27
1.8 許可 28
第2章 深度傳感器和手勢識別 29
2.1 準備工作 30
2.2 規(guī)劃應(yīng)用程序 30
2.3 設(shè)置應(yīng)用程序 31
2.3.1 訪問Kinect 3D傳感器 31
2.3.2 使用與OpenNI兼容的傳感器 32
2.3.3 運行應(yīng)用程序和主函數(shù)例程 34
2.4 實時跟蹤手勢 35
2.5 了解手部區(qū)域分割 36
2.5.1 找到圖像中心區(qū)域最突出的深度 36
2.5.2 應(yīng)用形態(tài)學閉合操作平滑蒙版 38
2.5.3 在分割蒙版中查找連接的組件 39
2.6 執(zhí)行手形分析 41
2.6.1 確定分割之后手部區(qū)域的輪廓 41
2.6.2 查找輪廓區(qū)域的凸包 41
2.6.3 尋找凸包的凸缺陷 42
2.7 執(zhí)行手勢識別 43
2.7.1 區(qū)分凸缺陷的不同原因 44
2.7.2 根據(jù)伸出的手指數(shù)對手勢進行分類 45
2.8 小結(jié) 47
第3章 通過特征匹配和透視變換查找對象 49
3.1 準備工作 50
3.2 列出應(yīng)用程序執(zhí)行的任務(wù) 50
3.3 規(guī)劃應(yīng)用程序 52
3.4 設(shè)置應(yīng)用程序 52
3.4.1 運行應(yīng)用程序 52
3.4.2 顯示結(jié)果 53
3.5 了解處理流程 54
3.6 學習特征提取 56
3.6.1 特征檢測 56
3.6.2 使用SURF檢測圖像中的特征 57
3.6.3 使用SURF獲取特征描述子 58
3.7 了解特征匹配 59
3.7.1 使用FLANN算法匹配圖像特征 60
3.7.2 執(zhí)行比率檢驗以消除異常值 60
3.7.3 可視化特征匹配 61
3.7.4 映射單應(yīng)性估計 64
3.7.5 扭曲圖像 67
3.8 了解特征跟蹤 69
3.9 理解早期異常值檢測和剔除 69
3.10 研究算法原理 72
3.11 小結(jié) 74
3.12 許可 75
第4章 使用運動恢復結(jié)構(gòu)重建3D場景 77
4.1 準備工作 77
4.2 規(guī)劃應(yīng)用程序 78
4.3 了解相機校準知識 81
4.3.1 了解針孔相機模型 81
4.3.2 估算相機內(nèi)參 83
4.3.3 定義相機校準圖形用戶界面 84
4.3.4 初始化相機校準算法 84
4.3.5 收集圖像和對象點 86
4.3.6 尋找相機矩陣 87
4.4 設(shè)置應(yīng)用程序 88
4.4.1 理解main例程函數(shù) 89
4.4.2 實現(xiàn)SceneReconstruction3D類 90
4.5 從一對圖像估計相機的運動 92
4.5.1 使用豐富特征描述子應(yīng)用點匹配 93
4.5.2 使用光流進行點匹配 94
4.5.3 查找相機矩陣 97
4.5.4 應(yīng)用圖像校正 99
4.6 重建場景 101
4.7 了解3D點云可視化 102
4.8 了解運動恢復結(jié)構(gòu) 105
4.9 小結(jié) 105
第5章 在OpenCV中使用計算攝影 107
5.1 準備工作 107
5.2 規(guī)劃應(yīng)用程序 107
5.3 了解8位問題 108
5.3.1 了解RAW圖像 110
5.3.2 使用伽瑪校正 111
5.4 了解高動態(tài)范圍成像 115
5.4.1 探索改變曝光度的方法 118
5.4.2 快門速度 119
5.4.3 光圈 119
5.4.4 ISO感光度 120
5.4.5 使用多重曝光圖像生成HDR圖像 120
5.4.6 從圖像中提取曝光強度值 122
5.4.7 估計相機響應(yīng)函數(shù) 123
5.4.8 使用OpenCV編寫HDR腳本 124
5.4.9 顯示HDR圖像 125
5.5 了解全景拼接 126
5.5.1 編寫腳本參數(shù)并過濾圖像 126
5.5.2 計算相對位置和最終圖片尺寸 128
5.5.3 查找相機參數(shù) 128
5.5.4 為全景圖創(chuàng)建畫布 129
5.5.5 將圖像合并在一起 129
5.5.6 改善全景拼接 131
5.6 小結(jié) 131
5.7 延伸閱讀 131
5.8 許可 132
第6章 跟蹤視覺上的顯著對象 133
6.1 準備工作 133
6.2 了解視覺顯著性 134
6.3 規(guī)劃應(yīng)用程序 135
6.4 設(shè)置應(yīng)用程序 136
6.4.1 實現(xiàn)main函數(shù) 136
6.4.2 了解MultiObjectTracker類 137
6.5 映射視覺顯著性 138
6.5.1 了解傅里葉分析 140
6.5.2 了解自然場景統(tǒng)計 142
6.5.3 使用頻譜殘差法生成顯著圖 145
6.5.4 檢測場景中的原型對象 148
6.6 了解均值漂移跟蹤 149
6.7 自動跟蹤足球場上的所有球員 151
6.8 了解OpenCV跟蹤API 154
6.9 綜合演練 157
6.10 小結(jié) 158
6.11 數(shù)據(jù)集許可 158
第7章 識別交通標志 159
7.1 準備工作 160
7.2 規(guī)劃應(yīng)用程序 160
7.3 監(jiān)督學習概念簡介 161
7.3.1 訓練過程 161
7.3.2 測試過程 163
7.4 探索GTSRB數(shù)據(jù)集 164
7.5 解析數(shù)據(jù)集 166
7.6 了解數(shù)據(jù)集特征提取 169
7.6.1 理解常見的預處理 170
7.6.2 了解灰度特征 171
7.6.3 理解色彩空間 172
7.6.4 使用SURF描述子 172
7.6.5 映射HOG描述子 173
7.7 關(guān)于SVM 175
7.7.1 使用SVM進行多類分類 176
7.7.2 訓練SVM 177
7.7.3 測試SVM 178
7.7.4 準確率 179
7.7.5 混淆矩陣 180
7.7.6 精確率 181
7.7.7 召回率 183
7.8 綜合演練 185
7.9 使用神經(jīng)網(wǎng)絡(luò)改善結(jié)果 187
7.10 小結(jié) 188
7.11 數(shù)據(jù)集許可 189
第8章 識別面部表情 191
8.1 準備工作 191
8.2 規(guī)劃應(yīng)用程序 192
8.3 了解人臉檢測 194
8.3.1 了解基于Haar的級聯(lián)分類器 194
8.3.2 理解預訓練的級聯(lián)分類器 195
8.3.3 使用預先訓練的級聯(lián)分類器 196
8.3.4 理解FaceDetector類 198
8.3.5 在灰度圖像中檢測臉部 199
8.3.6 預處理檢測到的臉部 200
8.3.7 檢測眼睛部位 201
8.3.8 變換臉部 202
8.4 收集數(shù)據(jù) 203
8.4.1 收集訓練數(shù)據(jù)集 203
8.4.2 運行應(yīng)用程序 204
8.4.3 實現(xiàn)數(shù)據(jù)收集器的圖形用戶界面 205
8.4.4 擴充基本布局 206
8.4.5 處理當前幀 208
8.4.6 存儲數(shù)據(jù) 208
8.5 理解面部表情識別 210
8.5.1 處理數(shù)據(jù)集 210
8.5.2 了解PCA 211
8.5.3 理解MLP 213
8.5.4 理解感知器 213
8.5.5 了解深度架構(gòu) 215
8.5.6 制作用于面部表情識別的MLP 217
8.5.7 訓練MLP 219
8.5.8 測試MLP 220
8.5.9 運行腳本 220
8.6 綜合演練 221
8.7 小結(jié) 224
8.8 參考資料 224
8.9 許可 225
第9章 對象分類和定位 227
9.1 準備工作 228
9.2 規(guī)劃應(yīng)用程序 228
9.3 準備推理腳本 228
9.4 準備數(shù)據(jù)集 230
9.4.1 下載并解析數(shù)據(jù)集 230
9.4.2 創(chuàng)建一個TensorFlow數(shù)據(jù)集 233
9.5 使用卷積神經(jīng)網(wǎng)絡(luò)分類 236
9.5.1 理解卷積神經(jīng)網(wǎng)絡(luò) 236
9.5.2 了解遷移學習 237
9.5.3 準備寵物類型和品種的分類器 239
9.5.4 訓練和評估分類器網(wǎng)絡(luò) 240
9.6 使用卷積神經(jīng)網(wǎng)絡(luò)進行定位 242
9.6.1 準備定位器模型 243
9.6.2 理解反向傳播算法 245
9.6.3 訓練模型 247
9.7 推理的實際應(yīng)用 248
9.8 小結(jié) 249
9.9 數(shù)據(jù)集許可 249
第10章 檢測和跟蹤對象 251
10.1 準備工作 252
10.2 規(guī)劃應(yīng)用程序 252
10.3 準備主腳本 252
10.4 使用SSD模型檢測對象 254
10.5 使用其他檢測器 257
10.6 了解對象檢測器 260
10.6.1 單對象檢測器 260
10.6.2 滑動窗口方法 260
10.6.3 單遍檢測器 261
10.6.4 了解交并比 263
10.6.5 訓練SSD和YOLO式網(wǎng)絡(luò) 264
10.7 跟蹤檢測到的對象 265
10.7.1 實現(xiàn)SORT跟蹤器 267
10.7.2 理解卡爾曼濾波器 267
10.7.3 結(jié)合使用邊界框跟蹤器和卡爾曼濾波器 271
10.7.4 將邊界框轉(zhuǎn)換為觀察值 272
10.7.5 實現(xiàn)卡爾曼濾波器 273
10.7.6 將檢測結(jié)果與跟蹤器關(guān)聯(lián)在一起 276
10.7.7 定義跟蹤器的類 277
10.8 查看程序的實際應(yīng)用效果 279
10.9 小結(jié) 280
附錄A 應(yīng)用程序性能分析和加速 281
A.1 用Numba加速 282
A.2 通過CPU加速 284
A.3 理解Numba、CUDA和GPU加速 286
附錄B 設(shè)置Docker容器 289
B.1 定義Dockerfile 289
B.2 使用GPU 293