OpenCV图像处理 [Learning Image Processing with OpenCV] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[西] 葛罗瑞亚·布埃诺·加西亚（Gloria Bueno García），奥斯卡·德尼茨·苏亚雷斯（Oscar Deniz Suarez） 著，刘冰 译，朱征宇 校

图书标签:

• OpenCV
• 图像处理
• 计算机视觉
• 图像分析
• Python
• C++
• 机器学习
• 图像识别
• 图像处理算法
• Open Source

出版社： 机械工业出版社

ISBN：9787111527473

版次：1

商品编码：11890196

品牌：机工出版

包装：平装

丛书名： 华章程序员书库

外文名称：Learning Image Processing with OpenCV

开本：16开

出版时间：2016-03-01

用纸：胶版纸

编辑推荐

　　本书使用OpenCV的新版本3.0，通过一些实用的图像处理项目，提供一种基于示例的、对OpenCV主要图像处理算法的讲解，教你学习OpenCV的图像处理技术。
　　每一章都提供了许多易用的编程示例，用于说明所涉及的图像处理相关概念。书中所有的示例都是使用现有免费的Qt Creator IDE和GNU/GCC编译器完成其开发和测试的。同时，还采用了CMake工具，以便在其目标平台上配置OpenCV库的构建过程。
　　通过阅读本书，你将学到：
　　创建具有丰富用户界面的OpenCV项目
　　图像处理相关的基本概念和任务，如图像类型、像素访问技术和图像基本操作和直方图
　　探讨有用的图像处理技术，包括滤波、平滑、锐化、去噪、形态学和几何变换
　　一些易用的算法，如图像修复和查找表（LUT）
　　利用OpenCV的颜色操作特性来优化图像处理
　　使用OpenCV的三种主要模块进行视频中的图像处理，包括视频稳定性、图像拼接和视频超分辨率
　　针对计算摄影学鲜为人知的可用技术，包括高动态范围（High-Dynamic-Range，HDR）成像、无缝合成、脱色和非真实感渲染

内容简介

　　本书由知名计算机视觉专家撰写，使用OpenCV的新版本3。0深入浅出地阐述和论证了图像处理理论、方法和技术，探讨了图像增强和校正、加速图像处理等新专题。作者在介绍OpenCV基础知识之后，系统讲述图像处理的核心技术、工具。
　　全书共分为7章，全面系统地讲述了图像处理领域中的核心内容，包括：构建图像处理的工具、图像的增强、图像校正、形态学运算、图像金字塔、几何变换、颜色空间、颜色变换、视频稳定性、图像拼接、图像合成、计算摄影学、加速图像处理等。为了便于学习与实践，本书提供了示例算法的编码实现，也向读者全面详尽地介绍了基于OpenCV进行图像处理编程的技术和方法。
　　本书既可作为从事图像处理研究的科研人员参考，也适合计算机、通信和自动化等相关专业的本科生、研究生以及工作在图像处理和识别领域一线的广大工程技术人员阅读。

作者简介

　　Gloria Bueno García，拥有英国考文垂大学机器视觉博士学位，曾在多个研究中心担任首席研究员。她拥有两项发明专利、一项软件注册权和100多篇期刊论文，主要研究方向为二维/三维多模态图像处理和人工智能。

　　Oscar Deniz Suarez，研究兴趣主要集中在计算机视觉和模式识别，发表期刊和会议论文50多篇，他的研究成果被Existor、Gliif、Tapmedia、E-Twenty等行业领先公司采用，并且已经被添加到OpenCV中。

　　刘冰，重庆邮电大学计算机科学与技术学院专业教师，重庆大学计算机学院在读博士生。先后荣获重庆邮电大学优秀青年教师、课堂优秀教学二等奖、优秀班导师、优秀班主任等荣誉称号。获国家专利授权1项，编著教材5部，译著2部，参与国家*项目3项，主研重庆市市级项目4项。

　　朱征宇，重庆大学计算机学院教授、博士生导师，计算机科学系主任。曾获四川省优秀软件二等奖、石油部优秀软件产品展示会一等奖、2012年重庆市科技进步二等奖，国家发明专利4项，SCI/EI收录论文近30篇，承担多项国家或省部级课题。

目录

译者序
作者简介
审校者简介
前言
第1章　处理图像文件和视频文件 1
1.1　OpenCV介绍 1
1.2　下载和安装OpenCV 2
1.2.1　获取编译器和设置CMake 4
1.2.2　使用CMake配置OpenCV 4
1.2.3　库的编译和安装 7
1.3　OpenCV的结构 7
1.4　使用OpenCV创建用户项目 9
1.4.1　库的一般使用方法 9
1.4.2　开发新项目的工具 10
1.4.3　使用Qt生成器创建OpenCV C++程序 11
1.5　读取和写入图像文件 13
1.5.1　基本API概念 13
1.5.2　支持图像文件的格式 15
1.5.3　示例代码 16
1.6　读取和写入视频文件 20
1.7　用户交互工具 22
1.7.1　滑动条 24
1.7.2　鼠标交互 25
1.7.3　按钮 26
1.7.4　文本绘制与显示 27
1.8　小结 29
第2章　构建图像处理工具 30
2.1　基本数据类型 30
2.2　像素级访问 33
2.3　测量时间 34
2.4　图像的常用操作 34
2.5　算术运算 35
2.6　数据持久化 39
2.7　直方图 40
2.7.1　ColourImageEqualizeHist示例代码 42
2.7.2　ColourImageComparison示例代码 46
2.8　小结 50
第3章　校正和增强图像 51
3.1　图像滤波 51
3.1.1　平滑 52
3.1.2　锐化 55
3.1.3　图像金字塔 58
3.2　形态学运算 61
3.3　查找表 64
3.4　几何变换 66
3.4.1　仿射变换 67
3.4.2　透视变换 74
3.5　图像修复 78
3.6　去噪 82
3.7　小结 85
第4章　处理颜色 86
4.1　颜色空间 86
4.2　基于颜色空间的分割 105
4.2.1　HSV分割 106
4.2.2　YCrCb分割 107
4.3　颜色变换 109
4.4　小结 111
第5章　视频图像处理 112
5.1　视频稳定性 112
5.2　超分辨率 120
5.3　拼接 127
5.4　小结 140
第6章　计算摄影学 141
6.1　高动态范围成像 141
6.1.1　创建HDR图像 144
6.1.2　色调映射 147
6.1.3　对准 149
6.1.4　曝光合成 149
6.2　无缝合成 150
6.3　脱色 152
6.4　非真实感图像渲染 153
6.5　小结 156
第7章　加速图像处理 157
7.1　安装带OpenCL的OpenCV 159
7.1.1　安装带OpenCL的OpenCV的一种快速方法 163
7.1.2　检查GPU的使用情况 163
7.2　加速你自己的函数 164
7.2.1　检查你的OpenCL 164
7.2.2　第一个基于GPU的程序 166
7.2.3　实时处理 169
7.3　小结 173

前言/序言

　　OpenCV，可以说是使用最广泛的计算机视觉库，它包括几百个易用的图像成像和视觉函数，既可用于学术研究，也可用于工业领域。随着摄像机越来越便宜和对影像学特征需求的增长，无论是对于台式机还是移动平台，OpenCV的应用范围都有了显著增长。
　　本书结合示例讲述OpenCV的主要图像处理算法。OpenCV方面的其他书籍试图说明其基础理论，或提供接近完整的大型应用程序示例，而本书则针对这样的读者而编写：他们想要尽量快速地得到一个易于理解的工作示例，并可能在此基础上开发一些附加功能。
　　本书以一个介绍性的章节作为开始，说明库的安装，描述库的结构，并给出基本图像和视频的读取与写入示例。随后的章节包括以下一些内容：图像和视频的处理，基本图像处理工具，校正和增强图像，颜色、视频处理以及计算摄影学。最后但同样重要的章节介绍一些高级特性，例如基于GPU的加速。本书对最新的主要版本OpenCV 3中的新功能和技术进行了全面的说明。
　　本书包含的内容
　　第1章展示如何读取图像和视频文件。该章还介绍了基本的用户交互工具，这些工具在图像处理中非常有用，可用于更改参数值、选择感兴趣区域等。
　　第2章讲述在后续章节中所需要的一些主要数据结构和基本过程。
　　第3章介绍用于校正图像缺陷的一些典型变换。该章包括滤波、使用查找表的点变换、几何变换，以及关于图像修复和图像去噪的一些算法。
　　第4章讨论图像处理中的颜色话题。该章讲述如何使用不同的颜色空间，以及如何在两幅图像之间进行颜色空间的转换。
　　第5章包括用于视频或图像序列处理的一些技术。该章重点介绍有关视频稳定、超分辨率和图像拼接的一些算法的实现。
　　第6章介绍如何读取HDR图像，以及如何在其上进行色调映射。
　　第7章包括图像处理中的一个重要话题：速度。对于降低图像处理任务消耗的时间，现代GPU是最佳的技术。
　　阅读本书所需的知识
　　本书旨在通过一些实用的图像处理项目教大家学习OpenCV的图像处理技术。本书将使用OpenCV的最新版本3.0。
　　每一章都提供了许多易用的示例，用于说明所涉及的一些概念。因此，本书的重点集中在尽快地提供一个可行示例，以便读者可以在此基础上开发一些附加功能。
　　要使用本书，只需有免费软件即可。书中所有的示例都是使用现有免费的Qt Creator IDE和GNU/GCC编译器完成开发与测试的。还采用了CMake工具，以便在其目标平台上配置OpenCV库的构建过程。此外，在第7章中给出的GPU加速示例，还需要免费的OpenCL SDK。
　　本书适合的读者
　　本书适合已经了解C++编程并且想要学习如何使用OpenCV进行图像处理的读者阅读。应该具备最起码的图像处理理论背景知识。本书并不涉及与计算机视觉关系更为密切的话题，例如，特征和对象检测、追踪或机器学习。

数字图像的魔力：探索视觉世界的奥秘 我们生活在一个被视觉信息包围的世界。从清晨醒来看到的阳光穿透窗帘的斑驳光影，到夜晚仰望星空时闪烁的星辰，再到手机屏幕上生动呈现的每一张照片和视频，图像无处不在，深刻地影响着我们的认知和生活。然而，这些我们习以为常的视觉体验，其背后蕴含着强大的技术力量，而“数字图像处理”正是解锁这股力量的关键。 本书旨在带领读者深入探索数字图像处理的广阔天地，理解图像是如何被计算机“看懂”和“加工”的。我们将从最基础的概念出发，逐步构建起对图像本质的认识，然后深入学习各种强大的图像处理技术，并最终揭示这些技术在现实世界中的丰富应用。这不是一本枯燥的技术手册，而是一次关于视觉语言的探索之旅，一次关于赋予计算机“眼睛”和“大脑”的奇妙冒险。 理解图像的本质：像素的舞蹈，信息的载体 在开始任何处理之前，我们首先需要理解数字图像究竟是什么。简单来说，一张数字图像就是一堆数据的集合，这些数据以一种结构化的方式组织起来，最终在屏幕上呈现出我们所见的画面。每个构成图像的基本单元被称为“像素”（pixel），它是图像的最小组成部分。你可以将图像想象成一张由无数小方格组成的马赛克，每个小方格就是一个像素。 每个像素都承载着关于它在画面中位置和颜色的信息。对于灰度图像，每个像素通常用一个数值来表示其亮度，数值越大通常代表颜色越亮，反之亦然。而对于彩色图像，情况则更加复杂。最常见的彩色模型是RGB（红-绿-蓝），在这种模型下，每个像素由三个数值组成，分别代表该像素的红、绿、蓝三种颜色的强度。通过组合这三种基色的不同比例，就可以模拟出人眼能够感知到的绝大多数颜色。例如，红和绿的等量混合会产生黄色，红、绿、蓝的等量混合则会产生白色，而没有颜色则为黑色。 理解像素的结构和颜色表示方式是进行任何图像处理的基础。就像学习一门新的语言需要先了解字母和单词一样，掌握像素的概念，我们才能开始“读懂”图像的数据。 图像的“健康检查”：增强与复原 许多时候，我们获取的图像并不完美。它们可能因为光照不足而显得昏暗，可能因为相机抖动而模糊不清，或者可能因为传输过程中的干扰而出现噪点。这些问题都会影响我们对图像信息的准确获取和解读。图像增强与复原技术，正是为了解决这些问题而诞生的。 图像增强的目标是提高图像的视觉质量，使其更容易被人类观察者理解。这就像给一张照片调整亮度和对比度，让画面更加生动。我们学习的对比度拉伸技术，可以扩展图像的亮度范围，使得原本过于昏暗或过于明亮的区域细节得以展现。直方图均衡化则是一种更强大的技术，它能够重新分布图像的像素亮度值，使其更加均匀，从而显著提高图像的整体对比度和清晰度，尤其适用于光照不均的场景。 而图像复原则更加侧重于消除图像中的失真和噪声，使其尽可能地恢复到原始状态。噪声是图像处理中一个普遍存在的问题，它表现为图像中随机出现的、不属于原始场景的杂乱像素点。高斯滤波、中滤波等各种滤波技术，如同“去污剂”一般，能够有效地平滑图像，去除噪声，但同时也要注意避免过度平滑导致图像细节的丢失。 图像复原则更进一步，它试图根据对图像退化过程的了解（例如模糊、几何畸变等），通过数学模型和算法来逆转这些退化过程，从而恢复原始图像。这需要我们对图像形成过程有更深入的理解，并运用更复杂的数学方法来解决。 图像的“识别与理解”：特征提取与分割 增强和复原技术让我们能够“看清楚”图像，但要让计算机真正“理解”图像，我们还需要更进一步的技术，那就是特征提取与图像分割。 特征提取是识别图像中关键信息的过程。就好比我们看到一张人脸，能够识别出眼睛、鼻子、嘴巴这些关键特征一样，特征提取技术能够从图像中找出具有代表性的点、线、角或者更复杂的区域。边缘检测算子，如Sobel、Canny算子，能够找出图像中亮度发生剧烈变化的地方，这些地方通常对应着物体的轮廓。角点检测算法，如Harris角点，则能够识别出图像中具有显著局部变化的点，这些点在图像匹配和目标跟踪中非常有用。 图像分割则是将图像划分为不同的区域，每个区域通常代表着图像中的一个独立物体或背景。这就像将一张照片中的人物、背景、前景等元素区分开来。阈值分割是最简单的一种方法，它根据像素的亮度值将其划分到不同的类别。而更高级的分割技术，如基于区域生长、边缘检测、或者更复杂的机器学习方法，则能够更精确地将图像中的不同对象分离出来。例如，在医学影像中，图像分割技术可以帮助医生识别和量化肿瘤的大小和位置。在自动驾驶领域，图像分割技术能够识别出道路、车辆、行人等，为车辆的导航提供关键信息。 图像的“变换与操作”：几何变换与色彩空间 除了对像素值的处理，我们还可以对图像的整体结构和色彩进行调整。几何变换允许我们改变图像的形状和大小，而色彩空间则为我们提供了描述颜色的不同方式。 几何变换包括平移、旋转、缩放、剪切等。平移就是将整个图像在水平或垂直方向上移动。旋转则是围绕某个中心点转动图像。缩放则可以放大或缩小图像。这些变换在图像的校正、拼接以及动画制作中有着广泛的应用。例如，将倾斜拍摄的照片校正过来，就需要用到旋转和缩放等几何变换。 色彩空间是描述颜色的不同方式。除了我们熟悉的RGB，还有HSV（色调-饱和度-亮度）、CMYK（青-品红-黄-黑）等。理解不同的色彩空间有助于我们在特定场景下进行更有效的颜色处理。例如，HSV色彩空间中的“色调”分量，使得根据颜色对图像进行分割变得更加容易，因为不同颜色的物体即使在光照变化下，其色调的相对差异也不会太大。 从理论到实践：探索应用的可能性 掌握了上述的图像处理技术，我们便具备了解决现实世界中许多问题的能力。本书将通过生动的案例，展示这些技术是如何应用的。 在计算机视觉领域，图像处理是实现机器“看懂”世界的基础。例如，人脸识别系统需要通过特征提取和匹配来识别出特定个体；目标跟踪算法则需要实时分析视频帧，锁定并跟随特定对象；医学影像分析则依赖图像处理技术来辅助诊断疾病，例如通过分割肿瘤区域来评估治疗效果。 在图像编辑与创作领域，我们熟悉的各种照片处理软件，背后都离不开强大的图像处理算法。滤镜的制作、照片的修复、艺术风格的转换，都依赖于对图像像素和结构的精细操控。 在工业自动化中，机器视觉系统能够对产品进行质量检测，识别缺陷，确保生产的精度和效率。例如，在食品生产线上，机器视觉可以检测出不合格的产品，将其自动剔除。 在多媒体和娱乐领域，视频特效、图像合成、虚拟现实的构建，都离不开复杂的图像处理技术。 学习的旅程：循序渐进，触类旁通 本书的编写遵循循序渐进的原则，从最基础的概念入手，逐步深入到更复杂的技术。我们不仅仅会讲解技术的原理，更会注重其实际应用。通过具体的代码示例和图文并茂的解释，帮助读者将抽象的理论转化为可操作的实践。 学习图像处理，就像学习一门新的语言，需要耐心和不断的练习。不要害怕遇到困难，每一次的尝试和调试，都是一次宝贵的学习机会。理解每一个算法背后的逻辑，尝试不同的参数设置，观察结果的变化，都会加深你对图像处理的理解。 随着你对图像处理的掌握越来越深入，你将能够更加自信地运用这些技术去解决更复杂的问题，去创造更精彩的视觉体验。让我们一起踏上这段激动人心的探索之旅，揭开数字图像处理的神秘面纱，感受其中蕴含的无限魔力！

评分☆☆☆☆☆

我是一名视觉设计专业的学生，一直想把自己的创意通过编程实现，而图像处理似乎是绕不开的一环。在尝试了市面上的一些其他教材后，我发现它们要么过于理论化，要么就只提供一些简单的功能演示。《OpenCV图像处理》这本书，却恰好找到了一个绝佳的平衡点。它用非常通俗易懂的语言，讲解了图像处理的基本原理，比如色彩的构成、像素的意义等等，让我这个非计算机科班出身的人也能快速入门。更重要的是，它提供了大量有趣的实例，比如如何实现卡通化效果、如何进行人脸识别，这些都极大地激发了我的学习兴趣。通过跟着书中的代码一步步实践，我不仅学会了如何用OpenCV进行图像的各种变换和效果处理，还开始尝试将这些技术融入到我的设计项目中，让我的作品更加生动有趣。这本书让我在技术和艺术之间搭建了一座桥梁。

评分☆☆☆☆☆

这本书简直是打开了我对计算机视觉世界的大门！我之前一直对图像处理的理论概念感到有些迷茫，感觉那些公式和算法都像是天书。但《OpenCV图像处理》这本书，却用一种非常直观且易于理解的方式，将复杂的概念一一拆解。从最基础的图像读取、显示、颜色空间转换，到一些核心的滤波、边缘检测技术，书中都给出了详尽的解释和实操代码。我特别喜欢它在讲解每一个算法时，都会附带生动的图示，让我能清晰地看到算法是如何一步步作用在图像上的，这种“可视化”的学习过程，极大地增强了我的理解能力。更不用说书中提供的那些可以直接运行的代码示例，我只需要稍微修改参数，就能立刻看到效果，这种即时反馈的学习方式，让我充满了成就感，也让我更加渴望去探索更多更深入的图像处理技术。即使是刚接触图像处理的新手，也能在这本书的引导下，快速建立起坚实的基础。

评分☆☆☆☆☆

坦白说，我最初对《OpenCV图像处理》这本书并没有抱太大的期望，觉得无非就是一本介绍API的工具书。然而，当我翻开它之后，才发现我大错特错了。这本书在讲解OpenCV的API时，并不是简单地罗列函数和参数，而是非常注重场景的构建和问题的分析。它会先描述一个实际的应用场景，然后引导你思考如何用OpenCV去解决这个问题，并在这个过程中逐步介绍相关的函数和技术。例如，在讲解图像增强时，书中会从“如何提高照片的清晰度”出发，引出直方图均衡化、对比度拉伸等方法，并且会详细解释这些方法为什么有效。这种“问题导向”的学习方式，让我能够更好地理解技术的应用价值，也更能激发我主动去思考如何利用OpenCV解决更复杂的问题。这本书的实用性和启发性，远超我的想象。

评分☆☆☆☆☆

作为一名在图像处理领域摸爬滚打多年的开发者，我一直渴望找到一本能够系统性地梳理OpenCV知识体系，并且能兼顾理论深度和实战应用的图书。《OpenCV图像处理》这本书，可以说完美地满足了我的需求。它不仅仅是一本操作手册，更是一部关于OpenCV设计哲学和底层原理的深度解析。从书中，我不仅学会了如何调用OpenCV的强大API，更理解了这些API背后所蕴含的数学原理和算法逻辑。例如，在讲解特征提取时，作者不仅介绍了SIFT、SURF等经典算法，还深入分析了它们的优缺点以及适用场景，让我能根据实际项目需求做出更明智的选择。此外，书中还涵盖了一些高级的主题，如目标跟踪、立体视觉等，这些内容对于我解决实际工程问题提供了宝贵的思路和方法。这本书的结构非常清晰，从基础到进阶，层层递进，让我受益匪浅。

评分☆☆☆☆☆

作为一名对深度学习和计算机视觉领域充满好奇的学习者，我一直在寻找能够帮助我理解图像数据如何被处理和分析的书籍。《OpenCV图像处理》这本书，恰好填补了我在这个方面的知识空白。它不仅介绍了OpenCV基础的图像处理功能，更重要的是，它为我理解更高级的计算机视觉任务奠定了坚实的基础。书中对于图像的几何变换、色彩空间转换、特征提取等内容的讲解，让我能够更清晰地认识到，在将原始图像输入到深度学习模型之前，需要进行哪些预处理和分析。而且，书中穿插的关于图像滤波器、纹理分析等概念的讲解，也让我对图像的内在信息有了更深的理解。这本书就像是一本“通往智能之门”的钥匙，让我看到了图像处理在人工智能领域的巨大潜力，也让我对接下来的深度学习学习充满了期待。

评分☆☆☆☆☆

书太薄了，感觉挺厚的，内容还行。

评分☆☆☆☆☆

正版好书，专业必备！！！

评分☆☆☆☆☆

图像处理很不错的书 赞一个

评分☆☆☆☆☆

cvopen annd uuuo

评分☆☆☆☆☆

先买着，慢慢看，回头再评价~

评分☆☆☆☆☆

值得阅读，好书经典，细细品读

评分☆☆☆☆☆

书很薄，感觉还可以，都不是很深入

评分☆☆☆☆☆

OpenCV图OpenCV图像处理像处理

评分☆☆☆☆☆

好看好看好看好看