- OpenCV3 和 Qt5 计算机视觉
- 零、前言
- 一、OpenCV 和 Qt 简介
- 二、创建我们的第一个 Qt 和 OpenCV 项目
- 三、创建一个全面的 Qt OpenCV 项目
- 四、
Mat和QImage - 五、图形视图框架
- 六、OpenCV 中的图像处理
- 七、特征和描述符
- 八、多线程
- 九、视频分析
- 十、调试与测试
- 十一、链接与部署
- 十二、Qt Quick 应用
- 精通 Python OpenCV4
- 零、前言
- 第 1 部分：OpenCV 4 和 Python 简介
- 一、设置 OpenCV
- 二、OpenCV 中的图像基础
- 三、处理文件和图像
- 四、在 OpenCV 中构造基本形状
- 第 2 部分：OpenCV 中的图像处理
- 五、图像处理技术
- 六、构造和建立直方图
- 七、分割技术
- 八、轮廓检测，过滤和绘图
- 九、增强现实
- 第 3 部分：OpenCV 中的机器学习和深度学习
- 十、使用 OpenCV 的机器学习
- 十一、人脸检测，跟踪和识别
- 十二、深度学习简介
- 第 4 部分：移动和 Web 计算机视觉
- 十三、使用 Python 和 OpenCV 的移动和 Web 计算机视觉
- 十四、答案
- Python OpenCV3 计算机视觉秘籍
- 零、前言
- 一、I/O 和 GUI
- 二、矩阵，颜色和过滤器
- 三、轮廓和分割
- 四、目标检测与机器学习
- 五、深度学习
- 六、线性代数
- 七、检测器和描述符
- 八、图像和视频处理
- 九、多视图几何
- Python OpenCV 3.x 示例
- 零、前言
- 一、将几何变换应用于图像
- 二、检测边缘并应用图像过滤器
- 三、卡通化图像
- 四、检测和跟踪不同的身体部位
- 五、从图像中提取特征
- 六、接缝雕刻
- 七、检测形状和分割图像
- 八、对象跟踪
- 九、对象识别
- 十、增强现实
- 十一、通过人工神经网络的机器学习
- Qt5 和 OpenCV4 计算机视觉项目
- 零、前言
- 一、构建图像查看器
- 二、像专业人士一样编辑图像
- 三、家庭安全应用
- 四、人脸上的乐趣
- 五、光学字符识别
- 六、实时对象检测
- 七、实时汽车检测和距离测量
- 八、OpenGL 图像高速过滤
- 九、答案
- OpenCV 图像处理学习手册
- 零、前言
- 一、处理图像和视频文件
- 二、建立图像处理工具
- 三、校正和增强图像
- 四、处理色彩
- 五、视频图像处理
- 六、计算摄影
- 七、加速图像处理
- Python3 OpenCV4 计算机视觉学习手册
- 零、前言
- 一、设置 OpenCV
- 二、处理文件，相机和 GUI
- 三、使用 OpenCV 处理图像
- 四、深度估计和分割
- 三、检测和识别人脸
- 六、检索图像并将图像描述符用于搜索
- 七、建立自定义对象检测器
- 八、追踪对象
- 九、相机模型和增强现实
- 十、使用 OpenCV 的神经网络简介
- 十一、附录 A：使用“曲线”过滤器弯曲颜色空间
- 使用计算机视觉实战项目精通 OpenCV
- 零、前言
- 一、Android 的卡通化器和换肤器
- 二、iPhone 或 iPad 上基于标记的增强现实
- 三、无标记增强现实
- 四、使用 OpenCV 探索运动结构
- 五、使用 SVM 和神经网络识别车牌
- 六、非刚性人脸跟踪
- 七、使用 AAM 和 POSIT 的 3D 头部姿势估计
- 八、使用 EigenFace 或 Fisherfaces 的人脸识别
- OpenCV 安卓编程示例
- 零、前言
- 一、准备就绪
- 二、应用 1-建立自己的暗室
- 三、应用 2-软件扫描程序
- 四、应用 2-应用透视校正
- 五、应用 3-全景查看器
- 六、应用 4 –自动自拍
- Python OpenCV 计算机视觉项目
- 零、前言
- 第 1 部分：模块 1
- 一、设置 OpenCV
- 二、处理文件，相机和 GUI
- 三、过滤图像
- 四、使用 Haar 级联跟踪人脸
- 五、检测前景/背景区域和深度
- 第 2 部分：模块 2
- 六、检测边缘并应用图像过滤器
- 七、对图像进行卡通化
- 八、检测和跟踪不同的身体部位
- 九、从图像中提取特征
- 十、创建全景图像
- 十一、接缝雕刻
- 十二、检测形状和分割图像
- 十三、对象跟踪
- 十四、对象识别
- 十五、立体视觉和 3D 重建
- 第 3 部分：模块 3
- 十六、增强现实
- 十七、过滤器的乐趣
- 十八、使用 Kinect 深度传感器的手势识别
- 十九、通过特征匹配和透视变换来查找对象
- 二十、使用运动结构重建 3D 场景
- 二十一、跟踪视觉上显着的对象
- 二十二、学习识别交通标志
- 二十三、学习识别面部表情
- 附录 A：集成 Pygame
- 附录 B：为自定义目标生成 Haar 级联
- 附录 C：参考书目
- 树莓派计算机视觉编程
- 零、前言
- 一、计算机视觉和 Raspberry Pi 简介
- 二、为计算机视觉准备 Raspberry Pi
- 三、Python 编程简介
- 四、计算机视觉入门
- 五、图像处理基础
- 六、色彩空间，变换和阈值
- 七、让我们发出一些声音
- 八、高通过滤器和特征检测
- 九、图像还原，分割和深度图
- 十、直方图，轮廓和形态转换
- 十一、计算机视觉的实际应用
- 十二、结合 Mahotas 和 Jupyter
- 十三、附录
- OpenCV3 安卓应用编程
- 零、前言
- 一、设置 OpenCV
- 二、使用相机帧
- 三、应用图像效果
- 四、识别和跟踪图像
- 五、将图像跟踪与 3D 渲染相结合
- 六、通过 JNI 混合 Java 和 C
- OpenCV 即时入门
- 一、OpenCV 即时入门
- Python 机器人学习手册
- 零、前言
- 一、机器人操作系统入门
- 二、了解差动机器人的基础
- 三、建模差动机器人
- 四、使用 ROS 模拟差动机器人
- 五、设计 ChefBot 硬件和电路
- 六、将执行器和传感器连接到机器人控制器
- 七、视觉传感器与 ROS 接口
- 八、构建 ChefBot 硬件和软件集成
- 九、使用 Qt 和 Python 为机器人设计 GUI
- 十、评估
- OpenCV2 计算机视觉应用编程秘籍
- 零、前言
- 一、玩转图像
- 二、操纵像素
- 三、使用类处理图像
- 四、使用直方图计算像素
- 五、通过形态学运算转换图像
- 六、过滤图像
- 七、提取直线，轮廓和零件
- 八、检测和匹配兴趣点
- 九、估计图像中的投影关系
- 十、处理视频序列
- Python OpenCV 计算机视觉
- 零、前言
- 一、设置 OpenCV
- 二、处理文件，相机和 GUI
- 三、过滤图像
- 四、使用 Haar 级联跟踪人脸
- 五、检测前景/背景区域和深度
- 附录 A：与 Pygame 集成
- 附录 B：为自定义目标生成 Haar 级联
- Python OpenCV 蓝图
- 零、前言
- 一、过滤器的乐趣
- 二、使用 Kinect 深度传感器的手势识别
- 三、通过特征匹配和透视变换查找对象
- 四、使用运动结构重建 3D 场景
- 五、跟踪视觉上显着的对象
- 六、学习识别交通标志
- 七、学习识别面部表情
- Python 图像处理实用指南
- 零、前言
- 一、图像处理入门
- 二、采样、傅里叶变换和卷积
- 三、卷积与频域滤波
- 四、图像增强
- 五、基于导数的图像增强
- 六、形态图像处理
- 七、提取图像特征和描述符
- 八、图像分割
- 九、图像处理中的经典机器学习方法
- 十、图像处理中的深度学习——图像分类
- 十一、深入学习图像处理——目标检测等
- 十二、图像处理中的附加问题
下载
Docker
代码语言：javascript复制docker pull apachecn0/apachecn-cv-zh
docker run -tid -p <port>:80 apachecn0/apachecn-cv-zh
# 访问 http://localhost:{port} PYPI
代码语言：javascript复制pip install apachecn-cv-zh
apachecn-cv-zh <port>
# 访问 http://localhost:{port} NPM
代码语言：javascript复制npm install -g apachecn-cv-zh
apachecn-cv-zh <port>
# 访问 http://localhost:{port} 贡献指南
本项目需要校对，欢迎大家提交 Pull Request。
请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）
