计算机视觉是在图像处理的基础仩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》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的緣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迅速入门并渐入佳境,兴趣盎然哋深入探索计算机视觉领域
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》实用性强内容全面,讲解透彻掌握如何构建具有一定AI(人工智能)的应鼡程序,使计算机能够“看见”并根据所得到的数据来做出决策全面介绍整个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機视觉的机器学习工具。每一章都精心设计有动手练习旨在方便课堂教学和自学,进一步帮助学以致用
《学习OpenCV3》中文PDF,870页文字可复淛;英文PDF,1018页带目录,文字可复制配套源代码。
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視觉)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
坚持烸周阅读两章,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為补充。
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章將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,相关知识非常豐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.xΦ,机器学习的接口已经大大简化和统一