标签分类
当前位置:首页 > 图形处理电子书 > 计算机视觉电子书网盘下载
OpenCV 3和Qt5计算机视觉应用开发 OpenCV 3和Qt5计算机视觉应用开发
aggs1990

aggs1990 提供上传

资源
44
粉丝
24
喜欢
234
评论
18

    OpenCV 3和Qt5计算机视觉应用开发 PDF 影印含源码版

    计算机视觉电子书
    • 发布时间:

    给大家带来的一篇关于计算机视觉相关的电子书资源,介绍了关于OpenCV3、Qt5、计算机视觉、应用开发方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小117.2 MB,阿敏·艾哈迈迪·泰编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.8,更多相关的学习资源可以参阅 图形处理电子书、等栏目。

  • OpenCV 3和Qt5计算机视觉应用开发 PDF 下载
  • 下载地址:http://www.xz577.com/e/47368.html
  • 分享码:vip资8
  • OpenCV 3和Qt5计算机视觉应用开发 PDF

    全书共分成12章,全方位系统化叙述了OpenCV3和Qt5的具体内容,包含:OpenCV和Qt详细介绍、建立OpenCV和Qt新项目、Mat和QImage、图型景图架构、OpenCV中的图象处理、特点与描述符、多核、视频分析、视頻可靠性、调节与检测、连接与布署、Qt Quick手机应用程序等。以便有利于学习与实践,这书出示了实例优化算法的编号保持。也向用户全方位详细地详细介绍了应用场景OpenCV和Qt开展图象处理、计算机视觉等程序编写的技术性和方式。

    目录

    • 译者序
    • 前言
    • 评阅者简介
    • 第1章 OpenCV和Qt简介1
    • 1.1 需要什么2
    • 1.2 Qt介绍3
    • 1.2.1 Qt基本模块3
    • 1.2.2 Qt扩展4
    • 1.2.3 附加值模块4
    • 1.2.4 技术预览模块5
    • 1.2.5 Qt支持的平台5
    • 1.2.6 Qt Creator6
    • 1.3 OpenCV介绍7
    • 1.3.1 主模块8
    • 1.3.2 附加模块8
    • 1.4 安装Qt9
    • 1.4.1 Qt安装准备9
    • 1.4.2 在哪里获得Qt10
    • 1.4.3 安装方法11
    • 1.4.4 测试Qt安装14
    • 1.5 安装OpenCV19
    • 1.5.1 为构建OpenCV做准备19
    • 1.5.2 在哪里获得OpenCV19
    • 1.5.3 如何构建20
    • 1.5.4 配置OpenCV安装23
    • 1.5.5 测试OpenCV安装25
    • 1.6 小结27
    • 第2章 创建第一个Qt + OpenCV项目28
    • 2.1 什么是Qt Creator29
    • 2.2 IDE一览30
    • 2.2.1 Qt Creator的模式30
    • 2.2.2 Qt Creator的选项窗口58
    • 2.3 小结61
    • 第3章 创建完整的Qt + OpenCV项目62
    • 3.1 后台63
    • 3.1.1 qmake工具63
    • 3.1.2 元对象编译器(moc)65
    • 3.1.3 用户界面编译器(uic)66
    • 3.2 设计模式67
    • 3.3 Qt资源系统69
    • 3.4 样式化应用程序73
    • 3.4.1 选择器类型74
    • 3.4.2 子控件75
    • 3.4.3 伪状态75
    • 3.4.4 级联75
    • 3.5 多语言支持77
    • 3.6 创建和使用插件81
    • 3.6.1 接口82
    • 3.6.2 插件84
    • 3.6.3 插件加载器和用户88
    • 3.7 创建基础94
    • 3.8 小结96
    • 第4章 Mat和QImage97
    • 4.1 关于Mat类的所有内容98
    • 4.1.1 构造函数、属性与方法100
    • 4.1.2 Mat_<_Tp>类107
    • 4.1.3 Matx<_Tp, m, n>107
    • 4.1.4 UMat类108
    • 4.1.5 InputArray、OutputArry、InputOutputArray108
    • 4.2 利用OpenCV读取图像109
    • 4.3 利用OpenCV写入图像110
    • 4.4 OpenCV中的视频读写110
    • 4.5 OpenCV中的HighGUI模块112
    • 4.6 Qt中的图像和视频处理113
    • 4.6.1 QImage类113
    • 4.6.2 QPixmap类116
    • 4.6.3 QImageReader与QImageWriter类119
    • 4.6.4 QPainter类119
    • 4.6.5 Qt中的相机和视频处理124
    • 4.7 小结125
    • 第5章 图形视图框架126
    • 5.1 场景-视图-对象元素架构127
    • 5.2 场景QGraphicsScene130
    • 5.3 对象元素QGraphicsItem134
    • 5.4 视图QGraphicsView142
    • 5.5 小结152
    • 第6章 基于OpenCV的图像处理153
    • 6.1 图像滤波154
    • 6.2 图像变换功能168
    • 6.2.1 几何变换168
    • 6.2.2 其他变换174
    • 6.3 OpenCV绘图180
    • 6.4 模板匹配183
    • 6.5 小结185
    • 第7章 特征及其描述符187
    • 7.1 所有算法的基础—Algorithm类188
    • 7.2 二维特征框架191
    • 7.2.1 检测特征192
    • 7.2.2 提取和匹配描述符204
    • 7.3 如何选择算法211
    • 7.3.1 精度212
    • 7.3.2 速度212
    • 7.3.3 资源利用率213
    • 7.3.4 可用性213
    • 7.4 小结213
    • 第8章 多线程215
    • 8.1 Qt中的多线程216
    • 8.2 利用QThread实现低级多线程217
    • 8.2.1 子类化QThread217
    • 8.2.2 使用moveToThread函数222
    • 8.3 线程同步工具224
    • 8.3.1 互斥锁224
    • 8.3.2 读写锁226
    • 8.3.3 信号量228
    • 8.3.4 等待条件228
    • 8.4 基于QtConcurrent的高级多线程230
    • 8.5 小结235
    • 第9章 视频分析237
    • 9.1 理解直方图238
    • 9.2 理解反投影图像242
    • 9.2.1 直方图比较250
    • 9.2.2 直方图均衡化252
    • 9.3 MeanShift算法和CamShift算法253
    • 9.4 背景/前景检测260
    • 9.5 小结263
    • 第10章 调试与测试265
    • 10.1 Qt Creator调试266
    • 10.2 Qt测试框架271
    • 10.2.1 创建单元测试272
    • 10.2.2 数据驱动的测试276
    • 10.2.3 基准测试278
    • 10.2.4 GUI 测试278
    • 10.2.5 测试用例项目281
    • 10.3 小结283
    • 第11章 链接和部署285
    • 11.1 后台构建过程286
    • 11.1.1 预处理286
    • 11.1.2 编译286
    • 11.1.3 链接287
    • 11.2 构建OpenCV静态库288
    • 11.3 构建Qt静态库289
    • 11.4 部署Qt + OpenCV应用程序295
    • 11.4.1 使用静态链接部署295
    • 11.4.2 使用动态链接部署297
    • 11.4.3 Qt安装程序框架299
    • 11.5 小结302
    • 第12章 Qt Quick应用程序304
    • 12.1 QML介绍305
    • 12.2 QML中的用户交互和脚本310
    • 12.3 Qt Quick Designer的使用312
    • 12.4 Qt Quick应用程序的结构313
    • 12.5 集成C++和QML代码318
    • 12.6 Android和iOS上的Qt和OpenCV应用程序324
    • 12.7 小结326

    上一篇:没有了  下一篇:数据结构与算法:Python语言实现

    展开 +

    收起 -

    码小辫二维码
     ←点击下载即可登录

    计算机视觉相关电子书
    学习笔记
    网友NO.697134

    python opencv3实现人脸识别(windows)

    本文实例为大家分享了python人脸识别程序,大家可进行测试 #coding:utf-8 import cv2 import sys from PIL import Image def CatchUsbVideo(window_name, camera_idx): cv2.namedWindow(window_name) # 视频来源,可以来自一段已存好的视频,也可以直接来自USB摄像头 cap = cv2.VideoCapture(camera_idx) # 告诉OpenCV使用人脸识别分类器 classfier = cv2.CascadeClassifier("C:\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt2.xml") # 识别出人脸后要画的边框的颜色,RGB格式 color = (0, 255, 0) while cap.isOpened(): ok, frame = cap.read() # 读取一帧数据 if not ok: break # 将当前帧转换成灰度图像 grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 人脸检测,1.2和2分别为图片缩放比例和需要检测的有效点数 faceRects = classfier.detectMultiScale(grey, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) if len(faceRects) 0: # 大于0则检测到人脸 for faceRect in faceRects: # 单独框出每一张人脸 x, y, w, h = faceRect cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 3) #5控制绿色框的粗细 # 显示图像 cv2.imshow(window_name, frame) c = cv2.waitKey(10) if c & 0xFF == ord('q'): break # 释放摄像头并销毁所有窗口 cap.release() cv2.destroyAllWindows() if __name__ == '__main__': CatchUsbVideo("FaceRect", 0) # if len(sys.argv) != 2: # print("Usage:%s camera_id\r\n" % (sys.argv[0])) # else: # CatchUsbVideo("识别人脸区域", int(sys.argv[……

    网友NO.895794

    Python+OpenCV图片局部区域像素值处理详解

    背景故事: 我需要对一张图片做一些处理,是在图像像素级别上的数值处理,以此来反映图片中特定区域的图像特征,网上查了很多,大多关于opencv的应用教程帖子基本是停留在打开图片,提取像素重新写入图片啊之类的基本操作,我是要取图片中的特定区域再提取它的像素值,作为一个初学者开始接触opencv简直一脸懵,慢慢摸索着知道了opencv的一些函数是可以实现的像SetImageROI()函数设置ROI区域,即感兴趣区域,就很好用啊,总之最后是实现了自己想要的功能。现在看个程序确实是有点挫,也有好多多余的没必要的代码,但毕竟算一次码代码的历程,就原模原样贴在这里吧。 代码功能: 在python下用opencv 打开图片并显示并重新写入新的文件 提取图片特定区域的像素值(根据自己需求,下面在代码中注解) 对提取出来的像素值做处理用matplotlib显示成条形图 源码贴在下面: # -*- coding:utf-8 -*-__author__ = 'lwp'import cv2.cv as cvimport numpy as npimport matplotlib.pyplot as plt# 文件路径path = '/media/lwp/A/4.bmp'# 载入一张图片,参数cv.CV_LOAD_IMAGE_GRAYSCALE为打开为灰度图lwpImg = cv.LoadImage(path, cv.CV_LOAD_IMAGE_GRAYSCALE)# 创建图像空间,参数为size, depth, channels,这里设置的是图片等高宽30个像素的一个区域,8位,灰度图box_lwpImg = cv.CreateImage((30, 576), 8, 1)# 创建……

    网友NO.385644

    Python3+OpenCV2实现图像的几何变换(平移、镜像、缩放、旋转、仿射)

    前言 总结一下最近看的关于opencv图像几何变换的一些笔记. 这是原图: 1.平移 import cv2import numpy as npimg = cv2.imread("image0.jpg", 1)imgInfo = img.shapeheight = imgInfo[0]width = imgInfo[1]mode = imgInfo[2]dst = np.zeros(imgInfo, np.uint8)for i in range( height ): for j in range( width - 100 ): dst[i, j + 100] = img[i, j]cv2.imshow('image', dst)cv2.waitKey(0) demo很简单,就是将图像向右平移了100个像素.如图: 2.镜像 import cv2import numpy as npimg = cv2.imread('image0.jpg', 1)cv2.imshow('src', img)imgInfo = img.shapeheight= imgInfo[0]width = imgInfo[1]deep = imgInfo[2]dst = np.zeros([height*2, width, deep], np.uint8)for i in range( height ): for j in range( width ): dst[i,j] = img[i,j] dst[height*2-i-1,j] = img[i,j]for i in range(width): dst[height, i] = (0, 0, 255)cv2.imshow('image', dst)cv2.waitKey(0) demo生成一个如下效果: 3.缩放 import cv2img = cv2.imread("image0.jpg", 1)imgInfo = img.shapeprint( imgInfo )height = imgInfo[0]width = imgInfo[1]mode = imgInfo[2]# 1 放大 缩小 2 等比例 非等比例dstHeight = int(height * 0.5)dstWeight = int(width * 0.5)# 最近邻域插值 双线性插值 像素关系重采样 立方插值dst = cv2.resize(img, (dstWeight,dstHeight))print(dst.shape)cv2.imshow('image', dst)cv2.waitKey(0) 使用resize直接进行缩放操作,同时还可以使用邻域插值法进行缩放,代码如下: # 1 info 2 空白模板 3 重新计算x, yimport cv2import numpy as npimg = cv2.imread('image0.jpg',……

    网友NO.110656

    Python OpenCV 直方图的计算与显示的方法示例

    本篇文章介绍如何用OpenCV Python来计算直方图,并简略介绍用NumPy和Matplotlib计算和绘制直方图 直方图的背景知识、用途什么的就直接略过去了。这里直接介绍方法。 计算并显示直方图 与C++中一样,在Python中调用的OpenCV直方图计算函数为cv2.calcHist。 cv2.calcHist的原型为: cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) #返回hist 通过一个例子来了解其中的各个参数: #coding=utf-8 import cv2 import numpy as np image = cv2.imread("D:/histTest.jpg", 0) hist = cv2.calcHist([image], [0], #使用的通道 None, #没有使用mask [256], #HistSize [0.0,255.0]) #直方图柱的范围 其中第一个参数必须用方括号括起来。 第二个参数是用于计算直方图的通道,这里使用灰度图计算直方图,所以就直接使用第一个通道; 第三个参数是Mask,这里没有使用,所以用None。 第四个参数是histSize,表示这个直方图分成多少份(即多少个直方柱)。第二个例子将绘出直方图,到时候会清楚一点。 第五个参数是表示直方图中各个像素的值,[0.0, 256.0]表示直方图能表示像素值从0.0到256的像素。 最后是两个可选参数,由于直方图作为函数结果返回了,所以第六个hist就没有意义了(待确定) 最后一个accumulate是一个布尔值,用来表示直方图是否叠加。 彩色图像不同通道的直方图 下面来看下彩……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明