SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

1 wynik

Książka

W koszyku

OpenCV 3 : komputerowe rozpoznawanie obrazu w C++ przy użyciu biblioteki OpenCV / Adrian Kaehler, Gary Bradski ; [tłumaczenie Łukasz Piwko]. - Gliwice : Wydawnictwo Helion, copyright 2018. - 864 stron : ilustracje, wykresy ; 24 cm.

Autor

Kaehler Adrian. Bradski Gary R. Piwko Łukasz.

Forma i typ

Książki

Temat

Rozpoznawanie obrazów C++ (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Bibliografia na stronach 835-848. Indeks.

Czym jest OpenCV? Kto używa biblioteki OpenCV? Czym jest komputerowe rozpoznawanie obrazu? Pochodzenie biblioteki OpenCV Schemat blokowy OpenCV Przyspieszanie działania biblioteki OpenCV za pomocą IPP Do kogo należy OpenCV? Pobieranie i instalowanie OpenCV Instalacja Pobieranie najnowszej wersji OpenCV przez Git Kompletna dokumentacja OpenCV Dokumentacja dołączona do biblioteki Dokumentacja internetowa i strona wiki Repozytorium kodu od społeczności Pobieranie i kompilowanie modułów z repozytorium opencv_contrib Przenośność Wprowadzenie do OpenCV Pliki dołączane Zasoby Pierwszy program — wyświetlanie obrazu Drugi program — wideo Przegląd Prosta transformacja Trochę bardziej skomplikowana transformacja Dane z kamery Zapisywanie w pliku AVI Typy danych OpenCV Wiadomości podstawowe Typy danych OpenCV Przegląd podstawowych typów danych Typy podstawowe — szczegóły Obiekty pomocnicze Funkcje pomocnicze Struktury szablonowe Obrazy i duże typy tablicowe Pamięć dynamiczna i zmienna Klasa cv::Mat — n-wymiarowe tablice gęste Tworzenie tablicy Indywidualny dostęp do elementów tablicy N-arny iterator tablicowy — NAryMatIterator Dostęp do elementów tablicy według bloków Wyrażenia macierzowe — algebra i klasa cv:: Mat Rzutowanie nasyceniowe Co jeszcze potrafią tablice? Klasa cv::SparseMat — tablice rzadkie Dostęp do elementów tablicy rzadkiej Funkcje dostępne tylko dla tablic rzadkich Struktury szablonowe dla dużych typów tablicowych Operacje na tablicach Co jeszcze można zrobić z tablicami? cv::abs() cv::absdiff() cv::add() cv::addWeighted() cv::bitwise_and() cv : : bitwise_not() cv::bitwise_or() cv::bitwise_xor() cv::caicCovarMatrix() cv::cartToPoiar() cv::checkRange() cv::compare() cv::compieteSymm() cv::convertScaieAbs() cv::countNonZero() cv::cvarrToMat() cv::dct() cv::dft() cv::cvtCoior() cv::determinant() cv::divide() cv::eigen() cv::exp() cv::extractImageCOI() cv::fiip() cv::gemm() cv::getConvertEiem() i cv::getConvertScaieEiem() cv::idct() cv::idft() cv::insertImageCOI() cv::invert() cv::iog() cv::LUT() cv::Mahaianobis() cv::mean() cv::meanStdDev() cv::merge() cv::min() cv::minMaxIdx() cv::minMaxLoc() cv::mixChanneis() cv::muiSpectrums() cv::muitipiy() cv::muiTransposed() cv::norm() cv::normaiize() cv::perspectiveTransform() cv::phase() cv::poiarToCart() cv::pow() cv::randu() cv::randn() cv::randShuffie() cv::reduce() cv::repeat() cv::scaleAdd() cv::setIdentity() cv::solve() cv::solveCubic() cv::solvePoly() cv::sort() cv::sortIdx() cv::split() cv::sqrt() cv::subtract() cv::sum() cv::trace() cv::transform() cv::transpose() Rysowanie i pisanie Rysowanie Linie i wypełnione wielokąty Czcionki i tekst Funktory w OpenCV Obiekty, które „coś" robią Analiza składowych głównych — cv::PCA Rozkład według wartości osobliwych — cv::SVD Generator liczb losowych — cv::RNG Pliki obrazów, filmów i danych HighGUI — przenośny zestaw narzędzi GUI Praca z plikami obrazów Ładowanie i zapisywanie obrazów Uwaga na temat kodeków Kompresja i dekompresja Praca z plikami wideo Odczytywanie wideo za pomocą obiektu cv::VideoCapture Zapisywanie wideo za pomocą obiektu cv::Video Writer Zapisywanie danych Zapisywanie danych w obiekcie cv::FileStorage Odczytywanie danych z obiektu cv::FileStorage cv::FileNode Okna wieloplatformowe i macierzyste Praca z oknami Macierzysty graficzny interfejs użytkownika HighGUI Praca z biblioteką Qt Integracja OpenCV z kompletnymi bibliotekami GUI Filtry i sploty Filtry, jądra i splot Ekstrapolacja krawędzi i warunki brzegowe Operacje graniczne Algorytm Otsu Zmienna wartość graniczna Wygładzanie Proste rozmazanie i filtr prostokątny Filtr medianowy Filtr Gaussa Filtr bilateralny Pochodne i gradienty Pochodna Sobela Filtr Scharra Laplasjan Morfologia obrazu Dylatacja i erozja Ogólna funkcja morfologiczna Otwieranie i zamykanie Gradient morfologiczny Top Hat i Black Hat Tworzenie własnego jądra Splot z dowolnym filtrem liniowym Stosowanie ogólnego filtra przez funkcję cv: :filter2D() Stosowanie ogólnego filtra rozdzielnego za pomocą funkcji cv::sepFilter2D() Funkcje do tworzenia jąder Ogólne przekształcenia obrazu Rozciąganie, kurczenie, zniekształcanie i obracanie Jednorodna zmiana rozmiaru Piramidy obrazów Mapowanie niejednorodne Przekształcenia afiniczne Przekształcenie perspektywiczne Ogólne odwzorowania Odwzorowania biegunowe Współrzędne logarytmiczno-biegunowe Odwzorowania arbitralne Renowacja obrazów Inpainting Usuwanie szumów Wyrównywanie histogramu cv::equalizeHist() —wyrównywanie kontrastu Analiza obrazu Dyskretna transformacja Fouriera cv::dft() — dyskretna transformacja Fouriera cv::idft() — odwrotna dyskretna transformacja Fouriera cv::mulSpectrums() —mnożenie widm Splot przy użyciu dyskretnej transformacji Fouriera cv::dct() — dyskretna transformacja cosinusowa cv::idct() — odwrotna dyskretna transformacja cosinusowa Obrazy całkowe cv::integral() — obliczanie standardowego obrazu całkowego cv::integral() — suma kwadratowa cv::integral() — suma nachylona Detektor krawędzi Canny'ego cv::Canny() Transformacja Hougha Transformacja liniowa Hougha Transformacja kołowa Hougha Transformacja odległościowa cv: :distanceTransform() — transformacja odległościowa bez etykiet cv::distanceTransform() — transformacja odległościowa z etykietami Segmentacja Algorytm flood fill Algorytm wododziałowy Algorytm Grabcuts Metoda segmentacji mean-shift Histogramy i szablony Reprezentacja histogramów w OpenCV cv::calcHist() — tworzenie histogramu z danych Podstawowe operacje na histogramach Normalizacja histogramu Próg histogramu Znajdowanie najbardziej zapełnionego przedziału Porównywanie histogramów Przykłady użycia histogramów Zaawansowane metody pracy z histogramami Algorytm EMD Rzutowanie wstecz Dopasowywanie szablonów Metoda porównywania kwadratu różnicy — cv::TM_SQDIFF Znormalizowana metoda porównywania kwadratu różnicy — cv::TM_SQDIFF_NORMED Metody korelacji krzyżowej — cv::TM_CCORR Znormalizowana metoda korelacji krzyżowej — cv::TM_CCORR_NORMED Metody dopasowywania współczynnika korelacji — cv::TM_CCOEFF Znormalizowana metoda dopasowywania współczynnika korelacji — cv::TM_CCOEFF_NORMED Kontury Znajdowanie konturów Hierarchie konturów Rysowanie konturów Przykład rysowania konturów Inny przykład rysowania konturów Szybka analiza komponentów połączonych Inne zastosowania konturów Aproksymacja wielokątów Geometria i różne rodzaje sumowania Testy geometryczne Dopasowywanie konturów i obrazów Momenty Więcej o momentach Dopasowywanie a momenty Hu Porównywanie kształtów za pomocą algorytmu Shape Context Odejmowanie tła Wady operacji odejmowania tła Modelowanie sceny Wycinek pikseli Różnicowanie klatek Metoda uśredniania tła Akumulowanie średnich, wariancji i kowariancji Bardziej zaawansowana metoda odejmowania tła Struktury Poznawanie tła Nauka w obecności ruchomych obiektów pierwszego planu Różnicowanie tła — znajdowanie obiektów pierwszego planu Przykład użycia modelu tła opartego na księgach kodów Kilka dodatkowych uwag na temat modeli opartych na księgach kodów Komponenty połączone dla czyszczenia pierwszego planu Szybki test Porównanie dwóch metod rozpoznawania tła Implementacja techniki odejmowania tła w OpenCV Klasa bazowa cv::BackgroundSubtractor Metoda Kaewtrakulponga i Bowdena Metoda Zivkovica Punkty kluczowe i deskryptory Punkty kluczowe i podstawy śledzenia Znajdowanie rogów Wprowadzenie do przepływu optycznego Rzadki przepływ optyczny — metoda Lucasa-Kanade'a Uogólnione punkty kluczowe i deskryptory Przepływ optyczny, śledzenie i rozpoznawanie Jak biblioteka OpenCV obsługuje punkty kluczowe i deskryptory — przypadek ogólny Podstawowe metody wykrywania punktów kluczowych Filtrowanie punktów kluczowych Metody dopasowywania Wyświetlanie wyników Śledzenie Pojęcia dotyczące śledzenia Gęsty przepływ optyczny Algorytm rozwinięcia wielomianu Farnebacka Algorytm Dual TV-L1 Algorytm Simple Flow Algorytmy mean-shift i Camshift Algorytm mean-shift Algorytm Camshift Szablony ruchu Estymatory Filtr Kalmana Kilka słów na temat rozszerzonego filtra Kalmana Modele kamery i metody kalibracji Model kamery Podstawy geometrii rzutowej Transformacja Rodriguesa Zniekształcenia soczewek Kalibracja Macierz obrotu i wektor przesunięcia Plansze kalibracji Homografia Kalibracja aparatu Korekcja zniekształceń Matryce likwidacji zniekształceń Konwertowanie reprezentacji matryc likwidacji zniekształceń za pomocą funkcji cv::convertMaps() Obliczanie matryc likwidacji zniekształceń za pomocą funkcji cv::initUndistortRectifyMap() Likwidowanie zniekształceń obrazu za pomocą funkcji cv::remap() Likwidacja zniekształceń za pomocą funkcji cv::undistort() Rzadkie likwidowanie zniekształceń za pomocą funkcji cv::undistortPoints() Podsumowanie technik kalibracji Rzutowanie i trójwymiarowe widzenie Rzutowanie Przekształcenia afiniczne i perspektywiczne Przykład przekształcenia na widok z góry Określanie pozycji trójwymiarowych obiektów Określanie pozycji za pomocą jednej kamery Obrazowanie stereo Triangulacja Geometria epipolarna Macierz zasadnicza i macierz fundamentalna Obliczanie linii epipolarnych Kalibracja stereo Rektyfikacja stereo Korespondencja stereo Kalibracja stereo, rektyfikacja i korespondencja — przykładowy program Matryce głębi z trójwymiarowej reprojekcji Struktura z ruchu Dopasowywanie linii w dwóch i trzech wymiarach Podstawy uczenia maszyn w OpenCV Czym jest uczenie maszyn? Szkolenie i zbiory danych testowych Uczenie nadzorowane i nienadzorowane Modele generacyjne i dyskryminacyjne Algorytmy ML w OpenCV Zastosowania metod uczenia maszyn w komputerowym rozpoznawaniu obrazu Znaczenie zmiennej Diagnozowanie usterek w algorytmach uczenia maszyn Stare procedury w bibliotece ML K-średnich Odległość Mahalanobisa StatModel — standardowy model uczenia w OpenCV Podstawowe procedury biblioteki ML Szkolenie i struktura cv::ml::TrainData Prognozowanie Algorytmy uczenia maszyn oparte na interfejsie cv::StatModel Naiwny lub normalny klasyfikator Bayesa Binarne drzewa decyzyjne Boosting Drzewa losowe Maksymalizacja oczekiwań K najbliższych sąsiadów Wielowarstwowy perceptron Maszyna wektorów nośnych Wykrywanie obiektów Techniki wykrywania obiektów oparte na drzewach Klasyfikatory kaskadowe Uczenie nadzorowane i teoria wzmacniania Uczenie się nowych obiektów Wykrywanie obiektów za pomocą maszyn wektorów nośnych Wykrywanie obiektów metodą Latent SVM Algorytm Bag of Words i kategoryzacja semantyczna Przyszłość biblioteki OpenCV Przeszłość i teraźniejszość OpenCV 3.x Czy nasze prognozy się sprawdziły? Przyszłość Najświeższe wiadomości o GSoC Wsparcie ze strony społeczności Strona OpenCV.org Spekulacje na temat sztucznej inteligencji Rodzaje podziału płaszczyzn Triangulacja Delaunaya, teselacja Woronoja Tworzenie podziałów Delaunaya lub Woronoja Poruszanie się po podziałach Delaunaya Repozytorium opencv_contrib Przegląd modułów repozytorium opencv_contrib Zawartość katalogu opencv_contrib Wzory kalibracji Wzory kalibracji wykorzystywane w bibliotece OpenCV

Sygnatura czytelni BWEAiI: XII Ł 92

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 145169 N (1 egz.)