登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 村上春树·旅（一本充满村上元素的旅行指南，带你寻访电影《挪威的森林》拍摄地，全彩印刷；200余幅摄影作品） 》 售價：NT$ 301.0 《 智能驾驶硬件在环仿真测试与实践 》 售價：NT$ 709.0 《 都铎王朝时期英格兰海事法庭研究 》 售價：NT$ 398.0 《 中年成长：突破人生瓶颈的心理自助方案 》 售價：NT$ 296.0 《 维奥莱塔：一个女人的一生 》 售價：NT$ 347.0 《 商业银行担保管理实务全指引 》 售價：NT$ 658.0 《 信风万里：17世纪耶稣会中国年信研究（全二册） 》 售價：NT$ 811.0 《 青铜之美 国宝里的中式美学 》 售價：NT$ 806.0

建議一齊購買： + NT$ 449 《 机器学习经典算法剖析 基于OpenCV 》 + NT$ 449 《 图像局部特征检测和描述 基于OpenCV源码分析的算法与实现 》 + NT$ 514 《 OpenCV计算机视觉编程攻略 第3版 》 + NT$ 569 《 OpenCV算法精解：基于Python与C++ 》 + NT$ 1210 《 学习OpenCV 3（影印版 上下册） 》 + NT$ 368 《 OpenCV 3计算机视觉：Python语言实现（原书第2版） 》 編輯推薦： OpenCV库包含500多个函数，2500多种算法，可以扩展应用到视觉行业中的很多领域，有广泛的用途，比如安保，医学成像，模式与人脸识别，机器人和工业产品检测，等等。《学习OpenCV 3中文版》实用性强，内容全面，讲解透彻，可以帮助读者掌握如何构建具有一定AI（人工智能）的应用程序，使计算机能够看见并根据所得到的数据来做出决策。《学习OpenCV 3中文版》全面介绍整个OpenCV库，所有示例代码都用C实现，同时还介绍了可以用于计算机视觉的机器学习工具。《学习OpenCV 3中文版》每一章都精心设计有动手练习，旨在方便课堂教学和自学，进一步帮助读者学以致用。 通过学习《学习OpenCV 3中文版》，读者可以奠定扎实的基础，运用计算机视觉相关知识和OpenCV库来构建简单的或者精巧复杂的应用程序。 內容簡介： 计算机视觉是在图像处理的基础上发展起来的新兴学科。OpenCV是一个开源的计算机视觉库，是英特尔公司资助的两大图像处理利器之一。它为图像处理、模式识别、三维重建、物体跟踪、机器学习和线性代数提供了各种各样的算法。 《学习OpenCV 3中文版》由OpenCV发起人所写，站在一线开发人员的角度用通俗易懂的语言解释了OpenCV的缘起和计算机视觉基础结构，演示了如何用OpenCV和现有的自由代码为各种各样的机器进行编程，这些都有助于读者迅速入门并渐入佳境，兴趣盎然地深入探索计算机视觉领域。 《学习OpenCV 3中文版》可作为信息处理、计算机、机器人、人工智能、遥感图像处理、认知神经科学等有关专业的高年级学生或研究生的教学用书，也可供相关领域的研究工作者参考。 關於作者： 作者简介 安德里安凯勒（Adrian Kaehler）博士，企业家，硅谷深度学习小组创始人。他的工作重心包括机器学习、统计建模、计算机视觉和机器人。他就职于斯坦福大学人工智能实验室，他还是该校斯坦利团队的成员，该团队在美国国家航空与航天局（NASA）主办的机器人挑战赛中胜出，赢得了200万美元的大奖。 加里布拉德斯基（Gary Bradski）博士是Arraiy.ai的首席架构师（CTO），他曾经就职于好几个创业公司，担任过斯坦福大学计算机系人工智能实验室的顾问教授。他是OpenCV库的创始人，是一名享有广泛声誉的演讲人、开源社区的积极参与者。 译者团队介绍作者简介 安德里安凯勒（Adrian Kaehler）博士，企业家，硅谷深度学习小组创始人。他的工作重心包括机器学习、统计建模、计算机视觉和机器人。他就职于斯坦福大学人工智能实验室，他还是该校斯坦利团队的成员，该团队在美国国家航空与航天局（NASA）主办的机器人挑战赛中胜出，赢得了200万美元的大奖。 加里布拉德斯基（Gary Bradski）博士是Arraiy.ai的首席架构师（CTO），他曾经就职于好几个创业公司，担任过斯坦福大学计算机系人工智能实验室的顾问教授。他是OpenCV库的创始人，是一名享有广泛声誉的演讲人、开源社区的积极参与者。 译者团队介绍 阿丘科技 阿丘科技是一家以机器学习、3D 视觉和机器人技术为核心的高科技企业，拥有业内领先的机器人3D 视觉技术、机器学习算法及标准行业解决方案。 人工智能，已经成为全球技术发展、应用拓展的前沿领域，也是引领未来的一枚关键的棋子。计算机视觉作为人工智能的关键应用点之一，近年来兴起的创业公司主要集中在人脸识别、无人驾驶、增强现实等领域。而阿丘科技独辟蹊径，将人工智能技术与机器人结合，将其应用于工业自动化领域，并在短短一年内在多个场景下落地，取得了出色的成果。 相较于传统的机器视觉，阿丘科技将深度学习用于工业视觉检测，在缺陷检测分类等场景下具有突出优势。而三维计算机视觉与机器人的结合，更是极大地扩展了工业机器人的应用场景。凭借国际顶尖的技术人才，领先的计算机视觉、机器人技术，阿丘科技走在了智能工业视觉技术的前列。随着人工智能和智能制造行业的兴起，我司将助力中国工业自动化以及智能化的发展。 尽管由于某些原因，OpenCV并没有在正式版本中提供自身完备的深度学习工具（我们很高兴这一点在3.3 版本中有了巨大改善），但是OpenCV作为从事机器视觉应用技术开发的必备工具，同样，也是阿丘科技技术开发的基础工具之一，有着不可替代的作用。在很多固定场景下，基于OpenCV等视觉工具的开发的算法依然具有极大的应用潜力。尤其是对于初学者而言，我们还是非常推荐使用OpenCV完成一些视觉项目，而不是直接用深度学习构建空中楼阁。我司能够在一年内推出经受复杂应用场景检验、市场普遍认可的产品，有一大份功劳，也归属于OpenCV对项目完成和开发研究的推动。高效、精准、便捷等诸多特质，使得OpenCV在学术研究和商业应用中占据了重要地位。 阿丘科技致力于构建领先的智能机器人视觉平台，以视觉为切入点，将 AI 与机器人结合。创始团队源自清华大学计算机系人工智能实验室，聚集了来自清华、CMU 等全球高等院校的顶尖人才，以及工业机器人和自动化资深行业从业者。我们期待，能有更多热爱视觉、工业自动化和机器人技术的朋友加入阿丘科技，共同去探索和扩展机器人应用的边界！ 目錄： 目录 译者序 xvii 前言 xxi 第1章 概述 1 什么是OpenCV 1 OpenCV怎么用 2 什么是计算机视觉 3 OpenCV的起源 6 OpenCV的结构 7 使用IPP来加速OpenCV 8 谁拥有OpenCV 9 下载和安装OpenCV 9 安装 9 从Git获取最新的OpenCV 12 更多的OpenCV文档 13 提供的文档 13 在线文档和维基资源 13 OpenCV贡献库 15 下载和编译Contributed模块 16 可移植性 16 小结 17 练习 17 第2章 OpenCV初探 19 头文件 19 资源 20 第一个程序：显示图片 21 第二个程序：视频 23 跳转 24 简单的变换 28 不那么简单的变换 30 从摄像头中读取 32 写入AVI文件 33 小结 34 练习 35 第3章 了解OpenCV的数据类型 37 基础知识 37 OpenCV的数据类型 37 基础类型概述 38 深入了解基础类型 39 辅助对象 46 工具函数 53 模板结构 60 小结 61 练习 61 第4章 图像和大型数组类型 63 动态可变的存储 63 cv：：Mat类N维稠密数组 64 创建一个数组 65 独立获取数组元素 69 数组迭代器NAryMatIterator 72 通过块访问数组元素 74 矩阵表达式：代数和cv：：Mat 75 饱和转换 77 数组还可以做很多事情 78 稀疏数据类cv：：SparesMat 79 访问稀疏数组中的元素 79 稀疏数组中的特有函数 82 为大型数组准备的模板结构 83 小结 85 练习 86 第5章 矩阵操作 87 矩阵还可以做更多事情 87 cv：：abs 90 cv：：add 91 cv：：addWeighted 92 cv：：bitwise_and 94 cv：：bitwise_not 94 cv：：bitwise_or 94 cv：：bitwise_xor 95 cv：：calcCovarMatrix 95 cv：：cartToPolar 97 cv：：checkRange 97 cv：：compare 98 cv：：completeSymm 99 cv：：convertScaleAbs 99 cv：：countNonZero 100 cv：：Mat cv：：cvarrToMat 100 cv：：dct 101 cv：：dft 102 cv：：cvtColor 103 cv：：determinant 106 cv：：divide 106 cv：：eigen 106 cv：：exp 107 cv：：extractImageCOI 107 cv：：flip 108 cv：：gemm 108 cv：：getConvertElem和cv：：getConvertScaleElem 109 cv：：idct 110 cv：：inRange 110 cv：：insertImageCOI 111 cv：：invert 111 cv：：log 112 cv：：LUT 112 cv：：Mahalanobis 113 cv：：max 114 cv：：mean 115 cv：：meanStdDev 116 cv：：merge 116 cv：：min 116 cv：：minMaxIdx 117 cv：：minMaxLoc 118 cv：：mixChannels 119 cv：：mulSpectrums 120 cv：：multiply 121 cv：：mulTransposed 121 cv：：norm 122 cv：：normalize 123 cv：：perspectiveTransform 125 cv：：phase 125 cv：：polarToCart 126 cv：：pow 126 cv：：randu 127 cv：：randn 127 cv：：repeat 129 cv：：scaleAdd 129 cv：：setIdentity 130 cv：：solve 130 cv：：solveCubic 131 cv：：solvePoly 132 cv：：sort 132 cv：：sortIdx 133 cv：：split 133 cv：：sqrt 134 cv：：subtract 135 cv：：sum 135 cv：：trace 135 cv：：transform 136 cv：：transpose 136 小结 137 练习 137 第6章 绘图和注释 139 绘图 139 艺术线条和填充多边形 140 字体和文字 146 小结 148 练习 148 第7章 OpenCV中的函数子 151 操作对象 151 主成分分析（cv：：PCA） 151 奇异值分解cv：：SVD 154 随机数发生器cv：：RNG 157 小结 160 练习 160 第8章 图像、视频与数据文件 163 HighGUI模块：一个可移植的图形工具包 163 图像文件的处理 164 图像的载入与保存 165 关于codecs的一些注释 167 图片的编码与解码 168 视频的处理 169 使用cv：：VideoCapture对象读取视频流 169 使用cv：：VideoWriter对象写入视频 175 数据存储 176 cv：：FileStorage的写入 177 使用cv：：FileStorage读取文件 179 cv：：FileNode 180 小结 183 练习 183 第9章 跨平台和Windows系统 187 基于Windows开发 187 HighGUI原生图形用户接口 188 通过Qt后端工作 199 综合OpenCV和全功能GUI工具包 209 小结 222 练习 222 第10章 滤波与卷积 225 概览 225 预备知识 225 滤波、核和卷积 225 边界外推和边界处理 227 阈值化操作 230 Otsu算法 233 自适应阈值 233 平滑 235 简单模糊和方框型滤波器 236 中值滤波器 238 高斯滤波器 239 双边滤波器 240 导数和梯度 242 索贝尔导数 242 Scharr滤波器 244 拉普拉斯变换 245 图像形态学 246 膨胀和腐蚀 247 通用形态学函数 250 开操作和闭操作 251 形态学梯度 254 顶帽和黑帽 256 自定义核 258 用任意线性滤波器做卷积 259 用cv：：filter2D进行卷积 259 通过cv：：sepFilter2D使用可分核 260 生成卷积核 260 小结 262 练习 262 第11章 常见的图像变换 267 概览 267 拉伸、收缩、扭曲和旋转 267 均匀调整 268 图像金字塔 269 不均匀映射 273 仿射变换 274 透视变换 279 通用变换 282 极坐标映射 282 LogPolar 283 任意映射 287 图像修复 287 图像修复 288 去噪 289 直方图均衡化 292 cv：：equalizeHist用于对比均衡 294 小结 295 练习 295 第12章 图像分析 297 概览 297 离散傅里叶变换 297 cv：：dft离散傅里叶变换 298 cv：：idft用于离散傅里叶逆变换 300 cv：：mulSpectrums频谱乘法 300 使用傅里叶变换进行卷积 301 cv：：dct离散余弦变换 303 cv：：idct离散余弦逆变换 304 积分图 304 cv：：integral标准求和积分 306 cv：：integral平方求和积分 306 cv：：integral倾斜求和积分 307 Canny边缘检测 307 cv：：Canny 309 Hough变换 309 Hough线变换 309 Hough圆变换 313 距离变换 316 cv：：distanceTransform无标记距离变换 317 cv：：distanceTransform有标记距离变换 317 分割 318 漫水填充 318 分水岭算法 322 Grabcuts算法 323 Mean-Shift分割算法 325 小结 326 练习 326 第13章 直方图和模板 329 OpenCV中直方图的表示 331 cv：：calcHist：从数据创建直方图 332 基本直方图操作 334 直方图归一化 334 直方图二值化 335 找出最显著的区间 335 比较两个直方图 337 直方图用法示例 339 一些复杂的直方图方法 342 EMD距离 342 反向投影 347 模板匹配 350 方差匹配方法（cv：：TM_SQDIFF） 351 归一化方差匹配方法（cv：：TM_SQDIFF_NORMED） 352 相关性匹配方法（cv：：TM_CCORR） 352 归一化的互相关匹配方法（cv：：TM_CCORR_NORMED） 352 相关系数匹配方法（cv：：TM_CCOEFF） 352 归一化的相关系数匹配方法（cv：：TM_CCOEFF_NORMED） 352 小结 355 练习 355 第14章 轮廓 359 轮廓查找 359 轮廓层次 360 绘制轮廓 364 轮廓实例 365 另一个轮廓实例 366 快速连通区域分析 368 深入分析轮廓 370 多边形逼近 370 几何及特性概括 372 几何学测试 377 匹配轮廓与图像 378 矩 378 再论矩 380 使用Hu矩进行匹配 383 利用形状场景方法比较轮廓 384 小结 388 练习 389 第15章 背景提取 391 背景提取概述 391 背景提取的缺点 392 场景建模 392 像素 393 帧间差分 396 平均背景法 397 累计均值，方差和协方差 403 更复杂的背景提取方法 410 结构 413 进行背景学习 414 存在移动的前景物体时进行背景学习 417 背景差分：检测前景物体 418 使用码书法的背景模型 419 关于码书法的其他想法 419 使用连通分量进行前景清理 420 小测试 423 两种背景方法的对比 425 OpenCV中的背景提取方法的封装 425 cv：：BackgroundSubstractor基类 426 KB方法 427 Zivkovic方法 428 小结 431 练习 431 第16章 关键点和描述子 433 关键点和跟踪基础 433 角点检测 434 光流简介 437 Lucas-Kanade稀疏光流法 438 广义关键点和描述符 448 光流，跟踪和识别 450 OpenCV一般如何处理关键点和描述符 451 核心关键点检测方法 461 关键点过滤 497 匹配方法 499 结果显示 505 小结 508 练习 508 第17章 跟踪 511 跟踪中的概念 511 稠密光流 512 Farneback多项式扩展算法 513 Dual TV-L1模型 515 简单光流算法 519 Mean-Shift算法和Camshift 追踪 522 Mean-Shift算法 522 Camshift 526 运动模板 526 估计 533 卡尔曼滤波器 534 扩展卡尔曼滤波器简述 549 小结 551 练习 551 第18章 相机模型与标定 553 相机模型 554 射影几何基础 556 Rodrigues变换 558 透镜畸变 559 标定 562 旋转矩阵和平移向量 563 标定板 566 单应性 572 相机标定 576 矫正 587 矫正映射 587 使用cv：：convertMaps在不同表示方式之间转换矫正映射 588 使用cv：：initUndistortRectifyMap计算矫正映射 589 使用cv：：remap矫正图像 591 使用cv：：undistort进行矫正 591 使用cv：：undistortPoints进行稀疏矫正 591 与标定结合 592 小结 595 练习 596 第19章 投影与三维视觉 599 投影 600 仿射变换与透视变换 601 鸟瞰图变换实例 602 三维姿态估计 606 单摄像机姿态估计 607 立体成像 609 三角测量 610 对极几何 613 本征矩阵和基本矩阵 615 计算极线 624 立体校正 624 立体校正 628 立体匹配 638 立体校正、标定和对应的示例代码 650 来自三维重投影的深度映射 657 来自运动的结构 659 二维与三维直线拟合 659 小结 662 练习 662 第20章 机器学习基础 665 什么是机器学习 665 训练集和测试集 666 有监督学习和无监督学习 667 生成式模型和判别式模型 669 OpenCV机器学习算法 669 机器学习在视觉中的应用 671 变量的重要性 673 诊断机器学习中的问题 674 ML库中遗留的机器学习算法 678 K均值 679 马氏距离 684 小结 687 练习 687 第21章 StatModel：OpenCV中的基准学习模型 689 ML库中的常见例程 689 训练方法和cv：：ml：：TrainData的结构 691 预测 697 使用cv：：StatModel的机器学习算法 698 朴素贝叶斯分类器 699 二叉决策树 703 Boosting方法 716 随机森林 721 期望最大化算法 725 K近邻算法 729 多层感知机 731 支持向量机 739 小结 749 练习 750 第22章 目标检测 753 基于树的目标检测技术 753 级联分类器 754 有监督学习和boosting理论 756 学习新目标 764 使用支持向量机的目标识别 772 Latent SVM用于目标识别 772 Bag of Words算法与语义分类 775 小结 780 练习 780 第23章 OpenCV的未来 783 过去与未来 783 OpenCV 3.x 784 我们上一次预测怎么样？ 784 未来应用 785 目前GSoC的进展 787 社区贡献 788 OpenCV.org 789 一些关于AI的猜测 790 结语 793 附录A 平面划分 795 附录B opencv_contrib模块概述 809 附录C 标定图案 813 参考文献 819 內容試閱： 前言 这本书提供了C开源计算机视觉库（OpenCV）3.0版本的工作指南，介绍了计算机视觉相关领域的通用背景，以便读者更有效地使用OpenCV。 本书的目标 计算机视觉在以下四个趋势的引导下，已经成为一个快速发展的领域： 智能手机的出现让数以百万计的用户都拥有了相机 互联网和搜索引擎聚集了海量的图像和视频数据 计算资源变成一种廉价的商品 视觉算法发展得更加成熟（由于深度神经网络的出现，OpenCV也正在逐渐支持这方面技术，详情可以参考opencv_contrib中的dnn） OpenCV通过帮助成千上万的视觉工作者去做更多富有创造性的工作，在图像处理领域扮演着重要的角色。由于OpenCV 3.x的存在，不管你是学生还是研究人员，是专家还是初学者，都可以快速建立应用，并且在OpenCV所提供的基于C的多平台视觉基础架构上实现一个跨越性的发展。 本书的目标如下： 通过详细讲述函数的惯用用法以及正确用法，成为一本更好的OpenCV经典参考文档 帮助读者对各种计算机视觉算法的工作原理有一个基础的理解 培养读者，使其知道什么算法工具可以使用并且应该在什么时候使用 提供给读者许多有效的代码，提升其应用计算机视觉和机器学习算法的开发效率 针对问题代码给读者提供建议，教读者如何解决一些简单或复杂的问题 本书的写作方式是力求帮助读者快速在计算机视觉领域做一些有意思的事情，因此直观地解释了算法是如何工作的，可以指导读者设计和调试计算机视觉程序，还能够使计算机视觉和机器学习算法的形式化描述更容易理解和记忆。 本书受众 本书包含描述、工作代码示例和OpenCV 3.x库中包含的C计算机视觉工具说明。因此，本书对各种不同类型的用户都有所帮助。 专业人士和开发者 对于需要快速设计原型或实现专业计算机视觉系统的专家而言，示例代码提供的框架可以帮助他们在此基础上进行快速开发。我们对算法的描述可以快速教会或者提醒读者如何使用它们。由于OpenCV 3.x的设计基于位于硬件加速层（HAL）之上，所以它所实现的算法都可以高效运行，并且能够无缝应用各种硬件平台的诸多加速特性。 学生 这是我们希望能广泛应用于学校的教程。直观的解释、详细的文档以及示例代码将能够帮助你在计算机视觉之路上更快地前进，做更有趣的项目，最终为这个领域开拓新的研究方向。 教师 计算机视觉是一个快速发展的领域。我们发现，让学生快速浏览容易读的文章并且教师在必要的地方进行说明，再辅之以现阶段的论文或讲座，是一种非常高效的授课方法。与此同时，学生可以提前开始课程设计，并尝试做一些更有挑战性的任务。 爱好者 计算机视觉超有趣的，让我们一起深入探索它吧。 我们致力于为读者提供丰富的指导、文档以及代码来快速建立实时的视觉应用。 本书不是什么 这本书不是正式的论文，我们的确在很多地方讨论了数学上的细节注1，但这都是为了建立一种基于此的更深层次的直觉以及阐明算法中所构建的假设之含义。在这里，我们没有尝试进行一些更加正式的数学解释，因为过多的数学解释可能会使一些人觉得枯燥。 这本书本质上来说更偏向于应用，它将作为一个基础的帮助，但是并不着力于介绍某个具体的计算机视觉领域分类（比如医学图像或者遥感图像分析）。 也就是说，我们相信通过阅读这里的解释，学生不仅能更好地学习理论，而且还能记住更多、更久。因此，这本书将是一个很好的理论课程的辅助教材，并且很适合入门课程或以项目为中心的课程使用。 本书例程 本书所有例程都基于OpenCV 3.x。这些代码在Linux，Windows 以及 OS X都可以运行。OpenCV也有充足的对安卓和IOS 的支持。本书所有代码都可以在本书网站（http：bit.lylearningOpenCV3）获取，OpenCV的源码可以在GitHub（https：github.comopencvopencv）获取，OpenCV的预编译版本可以在SourceFroge（https：sourceforge.netprojectsopencvlibrary）获取。 Op e nCV现在也处于开发过程中，每个季度都有新的官方版本发布。如果希望得到最新版本，可以从前述的GitHub网站得到代码更新。OpenCV的官方网站是http：opencv.org，如果是开发人员，还可以浏览它的维基页面：https：github.comopencvopencvwiki。 预备知识 在大多数情况下，读者只需要了解如何使用C编程。本书许多数学相关的段落都不是必须的并且也做出了相应的标记。本书需要的数学基础包括简单的线性代数以及基础矩阵运算，并且假设读者了解最小二乘优化、高斯分布的基础知识、贝叶斯法则以及一些简单方程的衍生和变化。 本书对数学的介绍是为了支持建立一种对算法的直觉。读者可以跳过数学部分以及算法描述部分，只阅读函数解释以及代码示例，也可以构建视觉应用并且使其正常工作。 如何使用本书 本书并不一定要按照章节顺序阅读，它可以作为一本用户手册：需要的时候，可以用来查询函数，如果你希望了解它的工作原理，请阅读该函数相关的描述。本书的意图在于提供一本指南。它提供对计算机视觉的基本理解以及如何在何时使用选择的算法。 本书的写作目的是作为计算机视觉的本科或研究生课程的辅助教材或教科书。采取的基本策略是先让学生能够快速阅读课本，然后在其他教科书或者文章中用更正式的章节进行补充阅读。每一章最后都配有练习题，可以帮助测试学生对知识的掌握程度并培养更多图像处理方面的意识。 可以采用如下任意一种方法来阅读本书。 抓取重点 先阅读第1~5章，之后只阅读你所需要的章节。除了第18章和第19章（涵盖了相机校正和双目视觉）以及第20章~第22章（涵盖机器学习），这本书并不需要按照章节顺序阅读。以项目为导向的学生和研发人员可以用这种方式阅读。 精读 坚持每周阅读两章，这样你就可以在11周之内读完第1章~第22章（第23章很短）。从项目开始，深入到具体研究领域，适当地使用额外的文献和论文作为补充。 速成 在可以理解的基础上尽可能快地浏览本书，阅读第1章~第23章，之后开始项目，并使用相关文献和论文在某一个领域进行更深入的研究。这也许是专业人员的一个选择，但也可能适合更高级的计算机视觉课程。 第20章对机器学习进行了简要的介绍，在此之后的第21章和第22章将对机器学习算法及其在OpenCV中的实现和实战进行更详细的解释。当然，机器学习是目标识别以及计算机视觉的重要组成部分，相关知识非常丰富以至于可以独立成书。专业人员会发现这本书是进一步探索的一个合适的起点，或者也可以仅仅对这一部分的OpenCV代码进行深入研究。在OpenCV 3.x中，机器学习的接口已经大大简化和统一。 我们喜欢的计算机视觉教学方式是，在学生基本能够理解算法工作原理的基础上尽可能快速展开教学，然后让他们进一步加深理解，进而开始学习有意义的课程设计，同时通过相关领域的文献和论文让学生对所选择的领域拥有更深刻和系统的认识。这种方法适用于半学期、一学期以及两学期的课程。学生可以快速开始，在对视觉项目仅仅有一般认识的时候就开始编码，等到进行更富挑战性和更耗时的工作的时候，指导教师可以提供适当的帮助。 而对于计划时间更长的课程来说，OpenCV项目本身就可以成为项目管理的指导。先建立工作系统，然后用更多的知识、细节和研究进一步加以完善。这类课程的目的是让每个项目都有一个值得自己发表的地方并且其中一些真的能够发展壮大起来。 3.x的代码框架，Buildbots、GitHub的使用，pull request，单元测试和回归测试，文档，这些对商业软件架构来说都是很好的示例，值得参考。 本书约定 本书中使用下列约定。 斜体（Italic） 指示新的术语、URL、电子邮件地址、文件名、拓展名、路径名、文件夹和Unix工具。 固定宽度（Constant Width） 指示指令、选项、选择、变量、属性、键、函数、类型、类、命名空间、方法、模块、参数、值、对象、时间、事件句柄、XML标记、HTML标记、文件的内容或者指令的输出。 加粗固定宽度（Constant width bold） 指示指令以及其他应该由用户输入的文本。也用来着重显示代码片段。 斜体固定宽度（Constant Width Italic） 指示应当由用户提供的值取代的文本。 [] 指示参考目录的引用。 这个标识表示建议或者一般性的笔记。 这个标识表示警告或需要注意的地方。 使用代码例程 补充材料（代码例程和练习等）都可以在https：github.comoreillymediaLearning-OpenCV-3_examples下载。 OpenCV不管是对于商业还是学术使用都是免费的，本书的代码我们也使用了相同的许可。不管是作为作业、研究还是商业产品，都可以使用。我们会非常感谢你在自己的文章中引用这本书，不过这不是必须的。引用通常包含标题、作者、出版商以及ISBN。 比如：Learning OpenCV 3 by Adrian Kaehler and Gary Bradski OReilly。Copyright 2017 Adrian Kaehler, Gary Bradski, 978-1-491-93799-0。 除了了解如何帮助你完成你的作业（最好保密），我们很乐意听到你将计算机视觉用于学术研究或者课堂教学以及使用OpenCV来帮助你开发商业产品。同样，这不是必须的，我们始终欢迎你们的来信。 OReilly Safari Safari是企业、政府、教育工作者和个人的会员制培训平台。该平台的成员可以获取上千种图书、培训视频、学习路线、交互教程以及来自超过250个出版商的播放列表，包括OReilly Media，Harvard Business Review，Prentice Hall Professional，Addison-Wesley Professional，Microsoft Press，Sams，Que，Peachpit Press，Adobe，Focal Press，Cisco Press，John Wiley & Sons，Syngress，Morgan Kaufmann，IBM Redbooks，Packt，Adobe Press，FT Press，Apress，Manning，New Riders，McGraw-Hill，Jones & Bartlett，Course Technology以及其他一些出版商。 更多信息请访问http：oreilly.comsafari。 联系方式 请把你对本书的意见和疑问发给出版社： 美国： OReilly Media, Inc. 1005 Gravenstein Highway North Sebastopol, CA 95472 中国： 北京市西城区西直门南大街2号成铭大厦C座807室（100035） 奥莱利技术咨询（北京）有限公司 我们还有一个服务于本书的网站。那里有示例的列表以及未来版本的计划。点击http：bit.lylearningOpenCV3了解这些信息。 评论或是询问这本书技术相关的问题，请发送邮件到bookquestions@oreilly.com。 关于本书、课程、会议以及新闻更多信息，请访问我们的网站：http：www.oreilly.com在FaceBook上找到我们：http：facebook.comoreilly在Twitter上关注我们：http：twitter.comoreillymedia 在YouTube上观看我们：http：www.youtube.comoreillymedia

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.